mcpField
C
configuring-vision

configuring-vision

github.com/oxbshwAgent 工作流533521 次安装7 周前更新
代码仓库

关于 configuring-vision

这是一份将 Watch Skill 的视觉模型后端与 Agent 接口分开配置的指南，面向受支持的 Agent 和 REST 客户端用户，介绍分层模型路由以及无视觉 API 时的运行方式。

主要功能

  1. 01配置 Anthropic、OpenAI、Gemini、OpenRouter 或 Ollama
  2. 02为批量处理和验证配置不同模型
  3. 03使用 --verify 探测服务商
  4. 04避免在聊天中泄露 API 密钥
  5. 05无视觉 API 时使用字幕、本地转录和 OCR

适用场景

  1. 01为视频分析设置视觉服务商
  2. 02用不同模型处理场景描述和验证
  3. 03无视觉 API 时继续搜索证据

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/oxbshw/watch-skill --skill configuring-vision

安装后在 Claude Code 中输入/configuring-vision确认已加载。

详细介绍

配置视觉能力

Watch Skill 的 Agent 接入层和模型后端是两个独立的选择。Claude Code、 Codex、Cursor、OpenClaw、框架 Agent 和 REST 客户端都会调用同一引擎； 该引擎可以将选定的帧发送给任何受支持的视觉服务商。

受支持的服务商

watch-skill setup-vision --provider anthropic --api-key <KEY>
watch-skill setup-vision --provider openai --api-key <KEY>
watch-skill setup-vision --provider gemini --api-key <KEY>
watch-skill setup-vision --provider openrouter --api-key <KEY>
watch-skill setup-vision --provider ollama

优先使用用户已有的密钥。不要声称必须使用 Ollama，也不要要求用户在聊天中透露密钥。他们可以设置相应的环境变量，或在终端中私下运行命令。

分别处理批量任务和验证

同一个模型可以同时用于这两个层级：

watch-skill setup-vision --provider openai --api-key <KEY> --model <vision-model>

也可以使用更便宜的模型生成场景描述，并使用更强的模型处理不确定的答案和循环评估：

watch-skill setup-vision --provider openrouter --api-key <KEY> \
  --cheap-model <fast-vision-model> --strong-model <strong-vision-model>

添加 --verify 可执行一次实时探测调用。如果调用失败，请报告结构化错误及其 fix；绝不要回显密钥。

不配置服务商也完全可行

没有视觉 API 时，Watch Skill 仍可获取视频、读取字幕、运行本地转录和 OCR、索引证据并搜索。视觉综合能力会退化为带时间戳的证据，而不会进行猜测。

评论

支持 Markdown