给 opencode 装个眼睛：一个能读截图、看剪贴板的 vision 插件

最近把 opencode 当主力 CLI 助手用，遇到一个烦人的问题：我用的主模型不带多模态。贴一张截图进去，它回一句 “Cannot read”，没了。想让它看个报错、分析个设计稿，还得先把图存下来，再手动切到网页版模型去问。

来回折腾几次，我写了个小插件，给 opencode 加一个vision工具。现在贴图给它，它会自动把图发给 OpenRouter 的视觉模型（默认 qwen3-vl-8b），把识别结果带回来继续干活。

能干什么

• 剪贴板识图。截图后不用存文件，直接说"看看剪贴板"，插件调 Python Pillow 或 pngpaste 把剪贴板内容抓出来分析。
• 多图对比。传逗号分隔的多个路径，一次调用对比几张图。
• 自动压缩。超过 1568px 的图先用 macOS 自带的 sips 缩放再上传，省 token，识别速度也快。
• 模型可换。默认 qwen3-vl-8b，要更强识别就传model: "google/gemini-2.5-flash"。
• 失败重试。请求超时 90s 或 5xx 时自动重试一次。

实现思路

实现本身不复杂，三块：

1. 图片转 base64 data URL，以image_url形式发给 OpenRouter 的/chat/completions接口；
2. 大图先压缩再上传，避免传原图浪费流量和 token；
3. 剪贴板优先走 Python Pillow 的 ImageGrab，没装 Pillow 就退回 pngpaste。

API key 从 opencode.json 的 provider 配置或OPENROUTER_API_KEY环境变量读，代码里没有写死的 key，开源出去也不用担心泄密。

安装

把vision.ts放进插件目录，装好依赖重启即可：

mkdir-p~/.config/opencode/pluginscpvision.ts ~/.config/opencode/plugins/

配置 key 两种方式任选：

{"provider":{"openrouter":{"options":{"apiKey":"sk-or-v1-你的key"}}}}

或者export OPENROUTER_API_KEY="你的key"。

用法

主模型遇到图片会自动调vision，也可以手动指定：

vision({ imagePath: "/path/to/screenshot.png", question: "截图里有什么错误" }) vision({ imagePath: "/a.png,/b.png", question: "对比这两张图" }) vision({ imagePath: "clipboard" }) vision({ imagePath: "clipboard", model: "google/gemini-2.5-flash" })

实际感受

用了一个多月，最常用的场景是贴图表截图让它算数。之前给它看一张缓存命中率统计图，它把命中、未命中、输出几项都读出来，算了命中率，还发现"总计"和分项对不上，差值恰好等于输出数，怀疑统计口径把输出也加进去了。这种活以前要么我肉眼对，要么得自己写脚本解析。

识别速度从几秒到十几秒不等，取决于图片大小和模型负载。写这个插件主要是自己用，顺手开源出来，给同样被"模型不支持图片"卡住的人一个参考。仓库里有完整代码、安装说明和示例。

GitHub: https://github.com/xiucaicoder/opencode-vision

License: MIT