Que fait visual-proxy ?
Compétence Claude Code — Ajoute une capacité de vision aux LLM sans vision (DeepSeek/o1/o3). Proxy visuel pour LLM textuels uniquement, compatible OpenAI/Anthropic/DashScope/Qwen3-VL.
Présentation
visual-proxy est une compétence pour Claude Code qui permet aux grands modèles de langage (LLM) dépourvus de capacités de vision—comme DeepSeek, o1 ou o3—d'analyser et de comprendre des images. Elle fonctionne en redirigeant les requêtes visuelles vers des modèles de vision dédiés via des API, puis en ramenant les résultats dans le contexte du LLM textuel.
Fonctionnalités
- Support multi-plateforme : Fonctionne avec OpenAI (GPT-4o), Anthropic (Claude 3.5 Sonnet), DashScope (Qwen-VL-Max), et Qwen3-VL.
- Flexibilité des entrées : Accepte les images via URL ou fichier local.
- Workflow transparent : S'intègre directement dans les sessions Claude Code sans configuration complexe.
- Extraction précise : Décrit ou répond à des questions sur des images avec une grande fidélité.
Utilisation
# Exemple : analyser une image via URL
claude code visual-proxy --image https://example.com/photo.png --query "Que vois-tu sur cette image ?"
# Exemple : analyser un fichier local
claude code visual-proxy --image /chemin/vers/image.jpg --query "Décris le contenu."
Configuration
Définissez les variables d'environnement suivantes selon le modèle de vision que vous souhaitez utiliser :
OPENAI_API_KEY: clé API OpenAI.ANTHROPIC_API_KEY: clé API Anthropic.DASHSCOPE_API_KEY: clé API DashScope.QWEN_API_KEY: clé API Qwen (Qwen3-VL).
Par défaut, la compétence tente d'utiliser OpenAI. Vous pouvez spécifier un fournisseur via --provider.
Dépendances
- Python 3.8+
- Bibliothèques :
requests,Pillow,openai,anthropic,dashscope
Licence
MIT