技能介绍

解决什么问题

当你使用 DeepSeek 的 API 时，往往需要频繁关注账户的额度消耗情况。然而，DeepSeek 开放平台并没有提供公开的余额查询接口，开发者通常只能手动打开浏览器、输入手机号、收短信、输入验证码，在层层验证后才能在仪表盘页面查看当前的 API Key 余额和 token 消耗进度。本技能致力于将这套繁琐的网页端人工操作流转化为可自动化的浏览器交互过程，让你能在开发工作流中更方便地获取账户状态。

工作原理与核心步骤

技能底层依赖 browser_use 工具来操控浏览器完成登录，并以阿里云百炼的 qwen-vl-image-reader 视觉模型作为破解图形验证码的核心能力。整体执行链路划分为三个阶段：

发送请求与验证码定位：脚本首先打开 DeepSeek 登录页，自动填入用户注册的手机号并点击发送短信验证码。此时，平台会拦截请求并弹出一个数美（Shumei）行为验证码窗口，要求用户在五个 3D 几何体中点击特定特征（如最小的绿色长方体）的物体。
多模态视觉破解：由于弹窗覆盖页面，常规的网页截图可能会失效。技能会自动切换到 desktop_screenshot 抓取全屏，并调用视觉模型分析截图内容，提取验证码指令文字和几何体的相对位置，计算出目标物体的中心坐标后执行精准点击。
人工介入与数据提取：验证码通过后，机器人会等待用户回复短信验证码。输入短信码并完成登录后，技能进入仪表盘页面截取快照，通过内置的 parse_dashboard.py 脚本解析出剩余额度等关键数据，最终以结构化表格的形式呈现给你。

此外，在 scripts 目录下的批处理文件还封装了页面定位与坐标计算逻辑，允许你直接通过参数化指令跳过细节执行阶段。

适用边界与注意事项

使用本技能前，请确保你的运行环境中已配置好以下依赖：

环境变量：必须设置 DASHSCOPE_API_KEY，用于授权视觉模型的图片识别请求。
前置技能：必须在 skills 目录中安装 qwen-vl-image-reader，缺少该技能会导致验证码图像无法被解析。

需要特别注意的是，视觉识别存在一定的概率性。如果模型无法准确分辨 3D 物体，建议在脚本中启用参数 --model qwen-vl-max 来调用更高精度的模型重试。此外，由于需要真实接收短信，短信验证码环节必须由人工配合提供。浏览器也需要以 headed 模式启动，否则将无法获取带图形界面的桌面截图，导致视觉破解链路失效。