opencode-vision-router

给纯文本模型（如 DeepSeek）在 opencode 里补上"看图"能力。 | Give text-only models like DeepSeek image recognition inside opencode.

English | 中文

简介 / Overview

opencode-vision-router 是一个 opencode 插件，为不支持图片的纯文本模型（如 deepseek-v4-flash）添加一个 vision 工具：

• MiMo 云端识别（默认）：通过 OpenCode Zen 的免费 mimo-v2.5-free 识图。MiMo 支持图片、音频和视频输入。
• 本地识别（可选）：通过 Ollama 调用本地视觉模型（qwen2.5vl），图片数据不出本机，但精度通常低于云端模型。
• 模型路由：可把识别任务路由给模型列表里支持视觉的模型（如 gpt-5.6-luna），让主模型是纯文本也能用上 GPT 级别的识图。
• 自动取图：你在会话里直接贴图，工具会自动取最近一张，无需保存到磁盘、无需传路径。

当模型需要"看"图时，它会调用 vision 工具，该工具把图交给视觉后端并返回文字描述。

工作原理 / Why

DeepSeek 等模型不支持图片输入，opencode 无法把图附加给它。这个插件补齐缺口：模型要"看"→ 调 vision 工具 → 视觉后端返回文字 → 主模型继续推理。

环境要求 / Requirements

• 默认的 MiMo Free 已随 OpenCode Zen 模型列表提供；本机实测可直接调用。如果 OpenCode 提示需要凭据，再运行 /connect 并选择 OpenCode Zen。

• 如果要使用本地后端，再运行 Ollama 并拉取视觉模型：

  ollama pull qwen2.5vl:7b
  ollama create qwen2.5vl-vision -f - <<'EOF'
  FROM qwen2.5vl:7b
  PARAMETER num_ctx 32768
  EOF

  （ollama create qwen2.5vl-vision 需要一个 Modelfile；上面这个会创建一个更大上下文的模型。）

  为什么要 num_ctx 32768？Ollama 的 /v1/chat/completions 接口会忽略请求级的 options.num_ctx 和 keep_alive。把它写进模型的 Modelfile 是唯一可靠的办法。默认上下文（4096）太小，装不下聊天历史加图片，会报 exceeds context 错误。

安装 / Install

在你的 opencode 配置（~/.config/opencode/opencode.json）中加入：

{
  "plugin": [
    "opencode-vision-router"
  ]
}

或者从本地目录加载：

{
  "plugin": [
    "C:/Users/you/path/to/opencode-vision-router"
  ]
}

然后重启 opencode。

使用 / Usage

直接贴图并提问：

看一下这张图里有什么

模型会自动调用 vision 工具。也可以传路径：

用 vision 工具看 C:\path\to\image.png

默认使用 opencode/mimo-v2.5-free。明确写 model: local 或 model: ollama 时才使用本地 Qwen；写 model: gpt-5.6-luna 等可使用其他已配置的视觉模型。

MiMo Free 是 OpenCode Zen 的限时免费模型，不保证永久免费。免费期间请求数据可能用于改进模型，不要发送敏感图片。

云端路由 / Cloud routing

传 model 参数即可路由到模型列表中支持视觉的云端模型：

model 取值	解析为
gpt-5.6-luna / gpt-5.6 / gpt / cloud	CLOUD_MODEL（默认 gpt-5.6-luna）
gpt-5.6-sol	gpt-5.6-sol
openai/gpt-5.6-sol	provider openai，模型 gpt-5.6-sol

配置 / Configuration

环境变量：

变量	默认值	说明
OLLAMA_BASE	http://127.0.0.1:11434	本地 Ollama 地址
VISION_MODEL	qwen2.5vl-vision	本地视觉模型名
VISION_DEFAULT_MODEL	opencode/mimo-v2.5-free	未指定 model 时使用的视觉模型
VISION_CLOUD_MODEL	gpt-5.6-luna	model: gpt / cloud 路由使用的云端模型
VISION_CLOUD_TIMEOUT	180000	云端请求或兼容模型子进程超时（毫秒）
OPENCODE_BIN	自动探测	云端路由用到的 opencode 可执行文件路径
OPENCODE_ZEN_BASE	https://opencode.ai/zen	MiMo 的 Zen API 地址
OPENCODE_ZEN_API_KEY	空	可选的 Zen API key；MiMo Free 通常可直接调用

云端路由是怎么工作的 / How cloud routing works

opencode/mimo-v2.5-free 直接调用 OpenCode Zen 的 OpenAI 兼容接口，不创建新的 OpenCode session。GPT 等需要 OAuth/provider 路由的模型仍通过 opencode run --pure --format json ... -m <provider>/<model> -f <image> 调用；--pure 会禁用插件以避免递归调用 vision 工具，结果从 NDJSON 输出中解析。

许可 / License

MIT