虾看

问题

很多文字模型本身不处理图片，遇到截图、UI 布局、报错信息或代码截图时，只能依赖用户手动描述。Claw Eyes 虾看 把这个问题拆成三步：捕获剪贴板图片、调用视觉模型生成文字描述、再把描述交回主模型，减少切换主模型的配置成本。

工作方式

• 读图：从系统剪贴板读取图片；超过 800KB 的图片会压缩到 1920×1080 以内，降低传输和解析压力。
• 分析：优先使用用户配置的 OpenAI 兼容视觉接口；如果接口不可用，再尝试 MCP 视觉工具作为备用。
• 回传：根据内容输出界面元素、错误诊断、文档表格或代码复现，主模型基于这些文字继续推理。

端点、密钥和模型名通过 CLAW_EYES_API_URL、CLAW_EYES_API_KEY、CLAW_EYES_VISION_MODEL 等环境变量提供，技能本身不硬编码供应商信息。

适用边界

技能在用户明确要求“看图”时触发，主要面向剪贴板中的单张图片。未配置视觉 API 时，不应把图片发送到外部服务；API_URL 与 VISION_MODEL 必须来自同一供应商，Linux 环境还需要 xclip 或 wl-paste。