为 DeepSeek V4 Pro 接入视觉模块 其二：戴上 DeepSeek 的眼睛

原生 DeepSeek 不支持多模态识图，直接上传图片它只能瞎写 OCR 脚本硬猜，识别效果极差。上一篇用 MinerU 解决了「读文档」，这篇给 DeepSeek 戴上「眼睛」：装一个 Cloud Vision Skill 识图插件，再配阿里云百炼的免费视觉模型，图片内容一眼看懂。

一、配置识图能力，让 DeepSeek 读取图片

思路很简单：DeepSeek 不能看图，但可以调外部视觉模型。用 Cloud Vision Skill 把识图能力接进来，底层走阿里云百炼的免费多模态模型，不用花一分钱。

1.1 安装 Cloud Vision Skill 识图插件

插件全称 Cloud Vision Skill，核心作用就是给没有视觉能力的大模型拓展图片解析功能。最简安装方式：用 Codex 新建对话，发送指令：

帮我安装一下 Cloud Vision Skill

AI 会自动检索并完成插件部署。

1.2 申请阿里云百炼识图模型密钥

选用阿里云百炼免费多模态模型作为识图辅助工具：

1. 登录阿里云百炼平台，复制对应的模型 code 编码；
2. 进入平台 API-KEY 管理页面，创建全新密钥，复制保存密钥。

1.3 一键自动配置识图环境

回到 Codex 对话窗口，粘贴复制好的百炼模型 code 与 API 密钥，发送指令：

帮我配置好环境

AI 将自动完成识图插件全部环境参数配置，插件在下一轮对话自动生效。

二、识图功能实测验证

新建空白对话，上传一张无任何文字的图片素材，发送提问：

这是什么？你看得到吗？

客户端会自动调用 Cloud Vision Skill 插件解析图片内容，若能精准描述画面物体、背景、特征，代表识图拓展功能部署成功。

三、方案总结

1. 搭配免费阿里云视觉模型，补齐 DeepSeek 原生不支持看图的短板；
2. 整套流程无需 GPT 账号、无需官方付费订阅，零成本降低使用门槛。

感谢他们为本文做出的贡献

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