ms-qwen-vl – OpenClaw Skill

---

name: ms-qwen-vl description: 调用魔搭社区（ModelScope）Qwen3-VL 多模态 API 进行视觉解析。使用 OpenAI SDK 兼容方式调用，支持图片内容描述、OCR 文字提取、视觉问答、对象检测等功能。用户提到"魔搭"、"ModelScope"、"Qwen-VL"、"多模态视觉"、"解析图片"等关键词时应触发。

MS-Qwen-VL Skill

基于 ModelScope Qwen3-VL 系列模型的多模态视觉识别技能，使用 OpenAI SDK 兼容方式调用。

功能特点

• OpenAI SDK 兼容：使用标准 OpenAI SDK 调用 API
• 多种任务支持：图像描述、OCR、视觉问答、目标检测、图表解析
• 双模型模式：默认快速模型（30B）+ 精细高精度模型（235B）
• 灵活输入：支持本地图片和 URL

安装与配置

# 安装依赖
pip install -r requirements.txt

# 配置 API Key
cp .env.example .env

编辑 .env 文件，填入从 https://modelscope.cn/my/myaccesstoken 获取的 API Key：

MODELSCOPE_API_KEY=your_api_key_here

Claude Code 使用方式

重要：处理本地图片

当用户提供本地图片路径时（如桌面截图），必须使用 Python 脚本处理：

python scripts/ms_qwen_vl.py "<图片路径>" --task <任务类型>

脚本会自动将本地文件转换为 ModelScope API 需要的 base64 格式。

处理 URL 图片

当用户提供网络 URL 时，同样使用上述命令，脚本会自动识别：

python scripts/ms_qwen_vl.py "<URL>" --task <任务类型>

Claude Code 对话示例

场景 1：分析桌面截图

用户: 请帮我描述这张图片 C:\Users\...\Desktop\screenshot.png
助手: [执行] python scripts/ms_qwen_vl.py "C:\Users\...\Desktop\screenshot.png"

场景 2：OCR 识别本地图片

用户: 识别这张图中的文字: D:\Documents\invoice.jpg
助手: [执行] python scripts/ms_qwen_vl.py "D:\Documents\invoice.jpg" --task ocr

场景 3：分析网络图片

用户: 分析这张图片 https://example.com/photo.jpg
助手: [执行] python scripts/ms_qwen_vl.py "https://example.com/photo.jpg" --task describe

场景 4：视觉问答

用户: 这张图里有几个人？C:\Users\...\Desktop\photo.png
助手: [执行] python scripts/ms_qwen_vl.py "C:\Users\...\Desktop\photo.png" --task ask --question "图片里有几个人？"

任务类型对照

用户需求	--task 参数
描述图片内容	describe
识别文字/OCR	ocr
回答关于图片的问题	ask（需要 --question）
检测物体	detect
解析图表	chart

快速使用

# 图像描述（默认）
python scripts/ms_qwen_vl.py image.jpg

# OCR 文字识别
python scripts/ms_qwen_vl.py image.jpg --task ocr

# 视觉问答
python scripts/ms_qwen_vl.py image.jpg --task ask --question "图片里有什么？"

# 使用精细模式（235B 模型）
python scripts/ms_qwen_vl.py image.jpg --task describe --precise

Python 代码调用：

from scripts.ms_qwen_vl import analyze_image

result = analyze_image("image.jpg", task="ocr")
print(result)

任务类型

任务	参数	说明
图像描述	describe	详细描述图片内容（默认）
OCR 识别	ocr	识别图片中的文字
视觉问答	ask	回答关于图片的问题
目标检测	detect	检测图片中的物体
图表解析	chart	解析图表数据

环境变量

变量名	说明
MODELSCOPE_API_KEY	API 密钥（必需）
MODELSCOPE_MODEL	默认模型（可选）
MODELSCOPE_MODEL_PRECISE	精细模式模型（可选）

Resources

scripts/

ms_qwen_vl.py - 核心解析脚本，提供 analyze_image() 统一接口

references/

api-guide.md - OpenAI SDK 兼容调用方式详细说明 models.md - Qwen3-VL 系列模型及推荐使用场景

MS-Qwen-VL

基于 ModelScope Qwen3-VL 多模态 API 的视觉识别技能，专为 Claude Code 设计。

功能特点

• OpenAI SDK 兼容：使用标准 OpenAI SDK 调用 API
• 多种任务支持：图像描述、OCR、视觉问答、目标检测、图表解析
• 双模型模式：
  • 快速模式：Qwen3-VL-30B（默认）
  • 精细模式：Qwen3-VL-235B
• 灵活输入：支持本地图片和 URL

安装

# 安装依赖
pip install -r requirements.txt

# 配置 API Key
cp scripts/.env.example scripts/.env

编辑 scripts/.env 文件，填入从 https://modelscope.cn/my/myaccesstoken 获取的 API Key：

MODELSCOPE_API_KEY=your_api_key_here

使用方法

命令行

# 图像描述（默认）
python scripts/ms_qwen_vl.py image.jpg

# OCR 文字识别
python scripts/ms_qwen_vl.py image.jpg --task ocr

# 视觉问答
python scripts/ms_qwen_vl.py image.jpg --task ask --question "图片里有什么？"

# 目标检测
python scripts/ms_qwen_vl.py image.jpg --task detect

# 图表解析
python scripts/ms_qwen_vl.py image.jpg --task chart

# 使用精细模式（235B 模型）
python scripts/ms_qwen_vl.py image.jpg --task describe --precise

# 输出到文件
python scripts/ms_qwen_vl.py image.jpg --task ocr --output result.txt

Python 代码

from scripts.ms_qwen_vl import analyze_image

# 图像描述
result = analyze_image("image.jpg")
print(result)

# OCR 识别
result = analyze_image("image.jpg", task="ocr")
print(result)

# 视觉问答
result = analyze_image("image.jpg", task="ask", question="这是什么？")
print(result)

# 使用精细模式
result = analyze_image("image.jpg", task="describe", precise=True)
print(result)

任务类型

任务	参数	说明
图像描述	describe	详细描述图片内容（默认）
OCR 识别	ocr	识别图片中的文字
视觉问答	ask	回答关于图片的问题
目标检测	detect	检测图片中的物体
图表解析	chart	解析图表数据

环境变量

变量名	说明	默认值
MODELSCOPE_API_KEY	API 密钥（必需）	-
MODELSCOPE_MODEL	默认模型	Qwen/Qwen3-VL-30B-A3B-Instruct
MODELSCOPE_MODEL_PRECISE	精细模式模型	Qwen/Qwen3-VL-235B-A22B-Instruct

获取 API Key

访问 https://modelscope.cn/my/myaccesstoken 登录后获取 API Key。

文件结构

ms-qwen-vl/
├── SKILL.md              # Claude Code Skill 定义
├── README.md             # 项目说明
├── requirements.txt      # Python 依赖
├── .gitignore            # Git 忽略配置
├── scripts/
│   ├── .env.example      # 环境变量示例
│   └── ms_qwen_vl.py     # 核心解析脚本
└── references/
    ├── api-guide.md      # OpenAI SDK 兼容调用说明
    └── models.md         # Qwen3-VL 系列模型说明

依赖

• openai >= 1.0.0 - OpenAI SDK
• Pillow >= 9.0.0 - 图像处理
• python-dotenv >= 1.0.0 - 环境变量加载

许可证

MIT License