记录给国模补充识图和联网能力

1. 搞定识图：拦截剪贴板 + Skill 垫一层小模型#

多模态这个坑，主要问题出在 Claude Code 的 VSCode 插件上——你在对话框里按 Ctrl+V，插件默认会把图片 base64 塞到消息体里发给模型。

但既然兼容接口不支持直接传图，思路就很简单：不要把图片交给主模型，让它走侧枝。

我做的事情分两步：

• 改了下插件的粘贴逻辑：顺着插件代码定位到粘贴事件，加了一行简单的拦截：把图片先落盘存到本地的临时目录（比如 .claude/tmp/），然后把剪贴板替换成图片的本地路径文本发出去。
• 写了个叫 /recognize-image 的 Skill：告诉 Claude Code，只要在上下文里看到图片路径，就不要自己去硬解，直接调这个 skill。这个 skill 底层其实就是个 Python 脚本，拿着路径把图片扔给便宜的国产视觉模型（比如 Qwen-VL 或者 GLM 的多模态接口），让小模型把图里的报错、UI 结构或者 OCR 文字提取出来，再把文本拼回对话里。

虽然方案极其粗暴，但实际用起来基本无感，截图一贴，主模型就能看到图片转出来的文字描述。

2. 搞定联网：干掉原生工具，换 MCP + Tavily 轮询#

web_fetch 挂了之后，唯一的路子就是走 MCP（Model Context Protocol）。

我的配置是直接在规则提示词（.clauderc）里强行加了一条硬规则：全局禁用 web_fetch。然后配了两个 MCP 服务补位：

• Tavily：专门针对大模型做过清洗的搜索 API，主力查文档。
• cc-web：简单的抓取工具，用于指定 URL 的正文兜底提取。

Claude Code 的 mcpServers 配置参考：

1
{
2
  "mcpServers": {
3
    "tavily": {
4
      "command": "npx",
5
      "args": ["-y", "@tavily/mcp"],
6
      "env": {
7
        "TAVILY_API_KEY": "你的key"
8
      }
9
    }
10
  }
11
}

这里有个小坑：Tavily 免费版每个月只有 1000 次调用的额度，查几次技术文档很快就见底了。我懒得充钱，就注册了两个号，写了个很轻量的小代理在本地对请求做 key 轮询。如果不想折腾，老老实实充点钱或者换成其它免费搜索的 MCP 也一样。

实际效果#

全部打通之后试了一次：随手截了一张 SQL 注入靶场的报错图贴进去，同时让它去查最近几个大模型官方发布的更新日志。

后台跑的时候两个进程是并行的：一边调用本地 skill 跑脚本把靶场的 payload 和回显文本读出来，另一边走 Tavily 搜到了官方最新的更新文档。最后返回的回答里，靶场分析和最新资讯都在，没有再出现之前的胡编乱造或者直接报错中断。

折腾完这套缝合怪方案，目前用下来还算顺手，代码补全速度快、便宜，也能凑合读图和联网查文档了。

但缺点也挺明显。VSCode 插件每次更新，我都得防着它把我魔改的粘贴拦截逻辑覆盖掉；外挂一层小模型做 OCR，延迟也肯定不如原生多模态。

国内几家做模型中继和 API 的厂商，如果真想抢开发者市场，还是赶紧把 Anthropic 的兼容层协议做完整吧。用户自己写代理、写 Skill、魔改插件来擦屁股，确实太折腾了。

相关配置和 Skill 的调用脚本改天整理下放 GitHub，有同样需求的朋友也可以照着这个思路改。