DeepSeek 原生不支持看图。你直接往对话框里丢张图，它就开始瞎写 OCR 脚本硬猜，认出来的内容惨不忍睹。
解决办法是装个 Cloud Vision Skill 插件，底层接阿里云百炼的免费多模态模型，一分钱不用花就能把看图能力补上。
1. 安装和配置
Cloud Vision Skill 的作用就是把外面的视觉模型接进没有识图能力的 Agent 里。直接让 Codex 帮你装最省事，新建个对话发一句：
帮我安装一下 Cloud Vision Skill
接着去阿里云百炼后台拿免费额度： 1. 登录百炼平台，找个有免费额度的多模态视觉模型，把模型编码（model code）复制下来。 2. 去 API-KEY 管理页新建一个密钥，复制存好。
拿齐这两个东西，回到 Codex 窗口，把模型编码和 API Key 一块丢给它：
帮我配置好环境
AI 会自己把配置文件改好，下一轮新开对话就能生效。
2. 试试管不管用
新开一个对话，找张纯画面、没文字的图把本地路径发过去，问它：
这是什么？你看得到吗？
客户端会自动调刚才装好的 Skill 去调百炼接口。只要它能正常说出画面里有什么东西、背景长啥样，就说明通了。
3. 有个挺烦的缺点
这插件没法直接读剪贴板。你不能截图后直接 Ctrl+V 粘进输入框，必须先把图片存到本地硬盘，再把文件路径发给 AI，它才看得见。
参考文献： - https://www.bilibili.com/video/BV13wGT6uEts/ - https://github.com/asuojun/claude-vision-skill - https://bailian.console.aliyun.com/cn-beijing?tab=costing-balance#/costing-balance/free-quota