添加視覺理解能力 - Alibaba Cloud Model Studio

Token Plan 支援的部分模型（qwen3.7-plus 等）原生支援視覺理解，可直接處理圖片輸入。對於 glm-5.2、deepseek-v4-pro 等純文字模型，可通過添加本地 Skill 使其獲得視覺能力。

說明運行圖片理解 Skill 會消耗 Token Plan Credits，無其他收費項。

前提條件

已訂閱 Token Plan。
已在 AI 工具中完成接入配置，且能正常對話，詳情請參見接入用戶端/開發工具。

視覺支援情況

套餐內各模型是否支援視覺理解，請參見 Token Plan 個人版概覽和 Token Plan 團隊版概覽的支援模型表格。

方法 1：直接使用視覺模型（推薦）

qwen3.7-plus 等模型具備視覺理解能力。如果經常需要處理圖片，直接切換到這些模型是最簡單、推薦的做法。

工具	模型切換方式
Claude Code	`/model qwen3.8-max`或`/model qwen3.8-flash`或`/model qwen3.7-plus`
OpenCode	`/models`→ 搜尋並選擇`qwen3.8-max`或`qwen3.8-flash`或`qwen3.7-plus`
Qwen Code	`/model`→ 選擇`qwen3.8-max`或`qwen3.8-flash`或`qwen3.7-plus`

更多編程工具中的模型切換方式請參考接入用戶端/開發工具。切換後可直接在對話中引用圖片路徑，或拖拽/粘貼圖片。

方法 2：通過 Skill 或 Agent 添加視覺能力

如需使用 glm-5.2、deepseek-v4-pro 等不支援視覺的模型處理圖片，可通過配置 Skill 或 Agent 實現。

Claude Code

添加 Skill
在專案目錄下的 .claude 檔案夾中建立 skills/image-analyzer 目錄：

mkdir -p .claude/skills/image-analyzer

在該目錄下建立 SKILL.md 檔案，並寫入以下內容：

---
name: image-analyzer
description: 協助沒有視覺能力的模型進行映像理解。當需要分析映像內容、提取圖片中的資訊、文字、介面元素，或理解截圖、圖表、架構圖等任何視覺內容時，使用此技能，傳入圖片路徑即可獲得描述資訊。
model: qwen3.7-plus
---
qwen3.7-plus具有視覺理解能力，請直接使用qwen3.7-plus模型進行圖片理解。

建立完成後的目錄結構如下：

.claude/
└── skills/
    └── image-analyzer/
        └── SKILL.md

開始使用
1. 在專案目錄下運行claude啟動 Claude Code，並運行/model deepseek-v4-pro切換到deepseek-v4-pro模型。
2. 下載alibabacloud.png到專案目錄下，並提問：Load image-analyzer skill and describe the information displayed at the alibabacloud.png banner location.可收到如下回複：
  
  aliyun.png 為阿里雲官網首頁截圖，banner 地區標題為 Coding Plan 已支援 Qwen3.5，本文介紹阿里雲百鍊支援 Qwen3.5、Kimi-k2.5、GLM-4.7 等模型，新客首月僅 7.9 元，頁面提供立即訂閱和線上諮詢入口。

OpenCode

添加 Agent
在專案目錄下的 .opencode 檔案夾中建立 agents 目錄：

mkdir -p .opencode/agents

在該目錄下建立image-analyzer.md檔案，並寫入以下內容：

說明model 欄位必須使用 OpenCode 設定檔中定義的 provider 和模型名稱。參考 OpenCode 文檔的配置樣本，應為bailian-token-plan/qwen3.7-plus。

---
description: Analyzes images using a vision-capable model. Use this agent when the user needs to understand image content, extract information from screenshots, diagrams, UI mockups, or any visual content. Invoke with @image-analyzer followed by the image path and your question.
mode: subagent
model: bailian-token-plan/qwen3.7-plus
tools:
  write: false
  edit: false
---
You have vision capabilities. Analyze the provided image and return a clear, structured description focused on what the user is asking about.

建立完成後的目錄結構如下：

.opencode/
└── agents/
    └── image-analyzer.md

開始使用
1. 在專案目錄下運行opencode啟動 OpenCode，並切換到deepseek-v4-pro模型。
2. 下載alibabacloud.png到專案目錄下，通過@喚起image-analyzer並提問：@image-analyzer describe the information displayed at the alibabacloud.png banner location.可收到如下回複：

Banner位置包含：
左側：
- 漢堡菜單表徵圖
- 阿里雲橙色logo和"阿里雲"文字
- 導覽功能表：大模型、產品、解決方案、權益、定價、雲市場、夥伴、服務、瞭解阿里雲
右側：
- 搜尋方塊(顯示"大模型")
- 表徵圖：藍色圓圈、地球、耳機
- 連結：文檔、備案、控制台
Build · deepseek-v4-pro · 37.0s

常見問題

OpenCode + 視覺理解模型為什麼無法理解圖片？

原因：OpenCode 預設不啟用模型的視覺能力，需要在設定檔中顯式聲明 modalities 參數。

解決方案：在 OpenCode 設定檔的模型定義中添加 modalities 欄位，將 input 設為 ["text", "image"]，如下所示：

將sk-sp-xxx替換為Token Plan API Key。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "bailian-token-plan": {
      "npm": "@ai-sdk/anthropic",
      "name": "Model Studio Token Plan",
      "options": {
        "baseURL": "https://token-plan.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
        "apiKey": "sk-sp-xxx"
      },
      "models": {
        "qwen3.7-plus": {
          "name": "Qwen3.6 Plus",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "qwen3.8-flash": {
          "name": "Qwen3.8 Flash",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "qwen3.8-max": {
          "name": "Kimi K2.5",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        }
      }
    }
  }
}

OpenClaw + 視覺理解模型為什麼無法理解圖片？

原因：OpenClaw 需要通過設定檔中的 input 欄位來判斷模型是否支援視覺能力。

解決方案：

在~/.openclaw/openclaw.json設定檔中，確保模型定義包含"input": ["text", "image"]欄位。

{
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://token-plan.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
        "apiKey": "YOUR_API_KEY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.7-plus",
            "name": "qwen3.7-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "qwen3.8-flash",
            "name": "qwen3.8-flash",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "qwen3.8-max",
            "name": "qwen3.8-max",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 32768
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.7-plus"
      },
      "models": {
        "bailian/qwen3.7-plus": {},
        "bailian/qwen3.8-flash": {},
        "bailian/qwen3.8-max": {}
      }
    }
  },
  "gateway": {
    "mode": "local"
  }
}

修改配置後，需要清除 OpenClaw 的模型緩衝並重啟，否則舊的配置仍會生效。

rm ~/.openclaw/agents/main/agent/models.json
openclaw gateway restart