vision-bridge

vision-bridge

Claude Code 插件：为不支持多模态的模型提供图片视觉分析能力。

通过拦截对话中的图片内容，调用本地已安装的 gemini 或 codex CLI 进行视觉分析，将分析结果以文字形式注入 Claude 的上下文，使不支持多模态的模型也能"理解"图片。

功能

• 用户粘贴图片时，自动分析并注入描述
• Chrome DevTools MCP take_screenshot 截图后，自动分析截图内容
• 支持 gemini 和 codex CLI，可配置切换
• 提供 /vision-bridge:vision 手动触发命令作为备用

前置条件

至少安装以下 CLI 之一：

• Gemini CLI：npm install -g @google/gemini-cli
• Codex CLI：npm install -g @openai/codex

安装

git clone https://github.com/fiftyk/vision-bridge ~/fiftyk/vision-bridge
cd ~/fiftyk/vision-bridge
./install.sh

重启 Claude Code 使插件生效。

配置

创建 ~/.claude/vision-bridge.json（可选，默认使用 gemini）：

{
  "provider": "gemini",
  "enabled": true
}

provider 可选值："gemini" 或 "codex"。

使用

安装后自动生效，无需额外操作：

• 粘贴图片到对话 → 自动分析
• 使用 Chrome DevTools MCP 截图 → 自动分析

手动触发：在对话中输入 /vision-bridge:vision。

工作原理

用户粘贴图片 / MCP 截图
    ↓
Hook 拦截图片内容
    ↓
调用 gemini/codex CLI 分析
    ↓
注入 <vision-analysis> 标签到上下文
    ↓
Claude 读取分析结果，理解图片内容