DeepSeek_Prism は何をしますか？
純テキストDeepSeekモデルにオンデマンド画像認識を提供するCodexスキル（VEP/1視覚証拠パッケージ＋マルチプロバイダーフェイルオーバー）
概要
DeepSeek_Prismは、画像認識機能をネイティブに持たないDeepSeekの純テキストモデルに対して、画像解析能力を動的に追加するCodexスキルです。このスキルは、VEP/1（Visual Evidence Package）規格に基づいて画像認識の結果を構造化された証拠パッケージとして提供し、複数のプロバイダーによるフォールバックメカニズムを通じて高い可用性を実現します。
特徴
- オンデマンド画像認識: DeepSeekモデルの会話フロー内で必要に応じて画像認識を呼び出せます。
- VEP/1視覚証拠パッケージ: 画像解析結果を標準化された形式で提供し、証拠として利用可能にします。
- マルチプロバイダーフェイルオーバー: プライマリプロバイダーが利用不可の場合、自動的にセカンダリプロバイダーへ切り替わります。
- Codex対応: Codex CLIベースのAIエージェントフレームワークで動作します。
前提条件
- Codex CLIがインストールされていること
- DeepSeekモデルへのアクセス権があること
- 画像認識プロバイダーのAPIキー（複数推奨）
インストール
codex install yogemow/deepseek-prism
設定
環境変数または.envファイルでプロバイダー設定を行います。
# プライマリプロバイダー
PRIMARY_VISION_PROVIDER=openai
OPENAI_API_KEY=your-openai-api-key
# セカンダリプロバイダー（オプション）
SECONDARY_VISION_PROVIDER=gemini
GEMINI_API_KEY=your-gemini-api-key
使用方法
Codexセッション内で以下のように画像認識をトリガーします。
/codex この画像を分析してください: /path/to/image.jpg
または、画像URLを使用する場合：
/codex この画像の内容を説明してください: https://example.com/image.jpg
VEP/1証拠パッケージ
画像認識の結果は、VEP/1形式の証拠パッケージとして返されます。これには以下の情報が含まれます。
- 画像の概要説明
- 検出されたオブジェクトやテキスト（該当する場合）
- 信頼度スコア
- メタデータ（解像度、色空間など）
プロバイダー一覧
| プロバイダー | ステータス | 備考 |
|---|---|---|
| OpenAI Vision | 対応 | 推奨プライマリ |
| Google Gemini | 対応 | セカンダリ推奨 |
| Anthropic Claude（画像対応） | 対応 | フォールバック |
フォールバック動作
- プライマリプロバイダーが応答しない場合、自動的にセカンダリへ切り替わります。
- すべてのプロバイダーが利用不可の場合はエラーが返されます。
- フォールバックの試行回数は設定可能です。
トラブルシューティング
- APIキーの誤りを確認してください。
- ネットワーク接続を確認してください。
- サポートされていない画像形式（SVG、一部のRAW形式）はエラーになります。
ライセンス
MIT