MS-Qwen-VL 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

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