Stepfun Vision Skill
Codex Skill：让纯文本模型（DeepSeek）借助 StepFun step-3.7-flash 获得看图能力 | Give text-only Codex models (DeepSeek) image understanding via StepFun step-3.7-flash
供給アセットの概要
コーディングと開発 Agent
コードレビュー、リポジトリ分析、テスト、CI、GitHub、DevOps、開発ワークフロー向けのスキルです。
シナリオ
コーディング Agent
リポジトリを理解し、コードを編集し、プルリクエストをレビューできるコーディング Agent が必要です。
Agent 適合
Claude Code + OpenAI Agents + Cursor
Codex、Claude Code、Cursor、CLI、またはカスタム Agent に対応します。
インストール
準備完了
npx skills add jwangkun/stepfun-vision-skill
メンテナンス
新しい
最終プッシュから 20 日
リスク
要レビュー
Low GitHub adoption signal
GitHub 品質
14
66/100 品質 · 76/100 信頼
対象タグ
レビュー注記
Low GitHub adoption signal · Quality score needs review
Agent 導入スコアカード
信頼、監査、インストール準備状況を一目で確認
公開リポジトリのメタデータ、OpenAgentSkill のレビューシグナル、保守の鮮度、インストール準備状況を組み合わせたスコアです。候補選定の目安であり、人によるレビューの代替ではありません。
品質
有望有用な候補ですが、採用前に代替と比較してください。
信頼
サンドボックス限定信頼シグナルが不足または混在する有用な候補です。結果ループがタスク適合を示すまで、隔離されたワークスペースで使用してください。
監査
要レビューインストール準備、安全メタデータ、保守、採用リスクの機械可読なレビュー。
OpenAgentSkill Trust Score v5
インストール前に人のレビュー
実作業で使う前に、サンドボックスでのみ実行し、近い代替と比較してください。
スター
GitHub スター 14
リポジトリ活動
スター 14、フォーク 1
メンテナンス
最終プッシュから 20 日
ライセンス
MIT
インストール
npx skills add jwangkun/stepfun-vision-skill
インストール安全性
標準パッケージまたはランタイムのインストールパス
権限範囲
shell or command execution, filesystem or document access
Agent の成果
Agent の成果データはまだありません
ドキュメント
README/SKILL.md の文脈が十分です
リスク概要
本番前にレビュー
- Low GitHub adoption signal
- Quality score needs review
- GitHub adoption: 14 GitHub stars
- Stars/forks activity: 14 stars, 1 forks; issue activity unavailable in current metadata
インストール準備状況
インストールパスを利用可能
- インストールパスを利用できます
- リポジトリの根拠を利用できます
- ライセンスが明示されています
- Agent-Proven の成果エビデンスはまだありません
Agent 可読メタデータ
このスキルの機械可読な判断データ。
このブロックまたは埋め込み JSON を使い、Agent がこのスキルをインストールすべきか、代替を選ぶべきか、先に人のレビューを求めるべきかを判断できます。
適したタスク
- Multimodal media ワークフロー
- Claude Code チーム
- builders willing to evaluate younger projects
- Read media metadata
適した Agent
インストール判断
- コマンド
- npx skills add jwangkun/stepfun-vision-skill
- ポリシー
- レビュー
- 人によるレビュー
- はい
信頼とリスク
- 信頼
- 68/100
- 監査
- 80/100
- リスクレベル
- 要レビュー
成果ループ
- エンドポイント
- /api/agent/outcome
- イベント ID
- resolve
- 成果
- 5
使わない場合
- ベンダー提供の SLA が必要なチーム
- production agents without a repository review
- Low GitHub adoption signal
- OpenAgentSkill の利用フィードバックはまだありません
- 高リスク権限のヒント: Shell またはコマンド実行
Agent セーフティ v2
52/100 · 自動インストールを避ける
Sparse or mixed signals. Useful for discovery, but not for autonomous installation.
Test manually in an isolated workspace and compare against safer alternatives.
高
Shell またはコマンド実行
Skill メタデータに端末、CLI、Shell、サブプロセス、またはコマンド実行のワークフローが含まれます。
中
ネットワークアクセス
Skill はリモートページ、API、リポジトリ、外部サービスにアクセスする可能性があります。
中
ファイルシステムアクセス
Skill はプロジェクトファイル、ドキュメント、生成物、ローカルワークスペース状態を読み書きする可能性があります。
- 高リスク権限のヒント: Shell またはコマンド実行
- Low GitHub adoption signal
インストール先
Agent ワークフローにこのスキルをインストール
公開インストールエンドポイントからコマンド、安全チェックリスト、対象プロンプト、正規リンクを取得します。
OpenAgentSkill CLI
Resolve policy, run the source installer safely, and report a verified install receipt.
$ npx --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.2.1/openagentskill-0.2.1.tgz install jwangkun-stepfun-vision-skillAgent 解決プラン
インストール前に Agent に適合性を検証させます。
Resolve API は第一候補、代替、安全ポリシー、監査メモ、インストール先、Agent がそのまま使えるプロンプトを返します。
JSON を開く
/api/agent/resolve?task=Use%20Stepfun%20Vision%20Skill%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Resolve テキスト
/api/agent/resolve?task=Use%20Stepfun%20Vision%20Skill%20for%20an%20agent%20workflow&agent=codex&max_risk=medium&format=text
インストール引き継ぎ
/api/skills/jwangkun-stepfun-vision-skill/install
Agent が確認すべきこと
- Resolve API でタスク適合と代替を確認。
- 監査・信頼スコアと安全ポリシーの警告を確認。
- Codex、Claude Code、Cursor、CLI のインストール先互換性を確認。
プロンプトをコピー
Task: Use Stepfun Vision Skill in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20Stepfun%20Vision%20Skill%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/jwangkun-stepfun-vision-skill/install
Install command: npx skills add jwangkun/stepfun-vision-skill
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.Agent 引き継ぎ
別のディレクトリではなく、インストール経路を Agent に渡します。
公開インストールエンドポイントからコマンド、安全チェックリスト、対象プロンプト、正規リンクを取得します。
インストール引き継ぎ
/api/skills/jwangkun-stepfun-vision-skill/install
LLM テキスト形式
/api/skills/jwangkun-stepfun-vision-skill/install?format=text
代替を探す
/api/skills/search?q=Stepfun%20Vision%20Skill&limit=3
Agent プロンプト
Use Stepfun Vision Skill for this task. Review https://www.openagentskill.com/api/skills/jwangkun-stepfun-vision-skill/install, then install with: npx skills add jwangkun/stepfun-vision-skillRegistry メタデータ
自動スキル選択用の Agent 可読プロファイル。
Registry API 経由で判断、信頼、監査、ユースケース、インストールのシグナルを提供し、UI をスクレイピングせずに Agent が順位付けできます。
Manifest
/api/registry/manifest/jwangkun-stepfun-vision-skill
LLM テキスト
/api/registry/manifest/jwangkun-stepfun-vision-skill?format=text
インストール別名
/api/registry/install/jwangkun-stepfun-vision-skill
推奨
/api/registry/recommend?task=Use%20Stepfun%20Vision%20Skill%20in%20an%20agent%20workflow&limit=3
Agent 適合
Multimodal media
プラットフォーム
JavaScript, Claude Code, OpenAI Agents, Cursor
Agent 判断パネル
Fallback candidate for Multimodal media
まずこのスキルでプロトタイプを作り、代替候補を用意してください。
スタック内の役割
代替候補
主な適合
Multimodal media
信頼ラベル
まずプロトタイプ
インストールパス
コマンド準備済み
使う場面
- Multimodal media ワークフロー
- Claude Code チーム
- builders willing to evaluate younger projects
根拠
- 最近のリポジトリ活動
- インストールコマンドまたは GitHub リポジトリが利用可能
- 品質プロファイル 66/100
先にレビュー
- Low GitHub adoption signal
- OpenAgentSkill の利用フィードバックはまだありません
実装パス
- 1サンドボックスの Agent にインストールし、Multimodal media タスクを一度最初から最後まで実行します。
- 2Compare output quality, latency, and failure behavior against at least one alternative.
- 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.
信頼プロファイル
サンドボックス限定
信頼シグナルが不足または混在する有用な候補です。結果ループがタスク適合を示すまで、隔離されたワークスペースで使用してください。
GitHub 採用度
修正GitHub スター 14
スター／フォーク活動
修正スター 14、フォーク 1; 現在のメタデータでは Issue 活動を利用できません
最近のメンテナンス
合格最終プッシュから 20 日
ライセンスの明確さ
合格MIT
良いシグナル
- AI レビュー承認済み
- インストールパスを利用できます
- リポジトリの根拠を利用できます
- 最近保守されたリポジトリ
- インストールコマンドに明確な高リスクパターンはありません
- 成果ループは準備済みですが、最初の実行が必要です
インストール前にレビュー
- Low GitHub adoption signal
- Quality score needs review
- GitHub adoption: 14 GitHub stars
- Stars/forks activity: 14 stars, 1 forks; issue activity unavailable in current metadata
- 実際の Agent 成果レポートはまだありません
- 無人インストールの前に人によるレビューが必要です
推奨アクション
実作業で使う前に、サンドボックスでのみ実行し、近い代替と比較してください。
品質プロファイル
有望 Agent ワークフロー向けの候補
有用な候補ですが、採用前に代替と比較してください。
ワークフロー適合
このスキルを使うシナリオ
Process rich media
Multimodal media
I need my agent to process images, video, or audio and extract useful information.
Build and ship code
Coding agents
I need a coding agent that can understand a repository, edit code, and review pull requests.
Operate web apps
Browser automation
I need my agent to control a browser, fill forms, and verify web app workflows.
ワークフロー適合
完全なワークフローに追加
Inspect, patch, and verify code
Coding review agent
A workflow for software agents that inspect repositories, review pull requests, generate tests, and turn findings into shippable patches.
Operate and verify web apps
Browser QA agent
A workflow for agents that navigate products, fill forms, take screenshots, and verify real user flows across web applications.
Turn skills into distribution
Content growth agent
A workflow for turning newly indexed skills into SEO briefs, social drafts, comparison pages, and reusable publishing workflows.
代替候補
インストール前に比較
このタスクに適する可能性のある類似スキル。
Khazix Skills
A collection of practical, installable AI agent skills for disk cleanup, AI news retrieval, and project management, following the Agent Skills standard.
Awesome Claude Skills
A curated list of resources and tools for enhancing Claude AI workflows.
Claude Scientific Skills
A comprehensive collection of ready-to-use scientific and research skills for AI agents.
概要
# stepfun-vision-skill
   
给 **纯文本主模型（如 Codex 接入的 DeepSeek `deepseek-v4-flash`）** 外挂“看图”能力的 Codex Skill： 当主模型不支持图片输入时，把图片交给 **StepFun `step-3.7-flash`（原生多模态推理模型）** 转成文字描述，主模型再基于描述继续推理、写代码。
``` 用户粘贴图片 / 本地图片 / 图片 URL │ ▼ scripts/describe-image.js（零依赖 Node.js） 1. 守卫：读 ~/.codex/config.toml，仅主模型为 deepseek-v4-* 时启用 2. --latest：从 Codex 会话文件恢复用户粘贴的图片（base64 重建） 3. 调 StepFun /v1/chat/completions（step-3.7-flash，OpenAI 兼容） │ ▼ 文字描述 → 返回给主模型继续干活 ```
## 项目简介 / About
**为什么需要它？** 很多人把 Codex 接到 **DeepSeek（`deepseek-v4-flash` 等纯文本模型）** 上使用——便宜、快、中文好，但这类模型**不支持图片输入**：粘贴截图会显示 `image content omitted because you do not support image input`，看不了 UI 稿、报错截图、图表和白板照片。
**怎么解决？** 本 Skill 把图片交给 **StepFun `step-3.7-flash`**（原生多模态推理模型，OpenAI 兼容接口）转成精准的文字描述，再让 DeepSeek 基于描述继续推理、写代码、排障。视觉模型只负责“看”和“转录”，**结论仍由主模型得出**——成本低、接入快、不挑主模型。
**核心亮点：**
- 粘贴即用：自动从 Codex 会话文件恢复你粘贴的图片（`--latest`），无需手动保存 - 支持本地文件、图片 URL、多张图、带问题识别（OCR / 细节追问） - 零依赖 Node.js；一键安装器自动把 key 写入 `config.json`，可选写入环境变量 - Provider 守卫：只在 DeepSeek 主模型下启用，避免误用浪费 - 推理模型适配：`reasoning_effort` 控制思考开销 + `content`/`reasoning` 回退，保证必出结果
**适用场景：** UI/前端还原、报错截图排查、设计稿评审、图表/白板转数据、票据/文档 OCR、网页截图分析等。
> **English**: *stepfun-vision-skill adds image understanding to text-only coding models (e.g. DeepSeek `deepseek-v4-flash` inside Codex) by relaying images to StepFun's natively multimodal `step-3.7-flash` model. The vision model transcribes/describes the image into text; the main model then reasons on that text. Zero-dependency Node.js, one-command installer, DeepSeek-only provider guard, and `--latest` recovery of pasted images from Codex session files.*
> 本仓库是 [deepseek-vision-skill](https://github.com/iuiaeng2005/deepseek-vision-skill)（MIT）的 StepFun 适配版：换了默认接口/
プラットフォーム互換性
技術詳細
- バージョン
- 1.0.0
- ライセンス
- MIT
- 最終更新
- 2026年8月18日
- 公開日
- 2026年8月6日
フレームワークとツール
判断の要約
代替候補
最近のリポジトリ活動
Agent 実証エビデンス
Agent 実証エビデンス
Resolve、レビュー、インストール、限定実行後の成果レポート。
- 成功率
- —
- 直近の失敗
- —
- 成果
- 0
- 出力品質
- —
- 失敗
- 0
- 非該当
- 0
- インストール数
- 0
- リスクによりブロック
- 0
- 設定が必要
- 0
- 本番
- 0
Agent の実行結果はまだありません。最初の実行では /api/agent/outcome を通じて成功、設定要件、リスクによるブロック、失敗、非該当を報告できます。
成長ループ
共有キット
Stepfun Vision Skill 用のシナリオベース草案です。X へ手動投稿できます。
A practical pick for design or creative work: Stepfun Vision Skill: Codex Skill：让纯文本模型（DeepSeek）借助 StepFun step-3.7-flash 获得看图能力 | Give text-only Codex models (DeepSeek) image understanding v... 14 stars https://www.openagentskill.com/skills/jwangkun-stepfun-vision-skill?ref=x
任意：インストールコマンド付きの返信
Listing + install path for Stepfun Vision Skill: https://www.openagentskill.com/skills/jwangkun-stepfun-vision-skill?ref=x Install: npx skills add jwangkun/stepfun-vision-skill
掲載元
コミュニティにより登録
この掲載は公開ソースから登録されており、メンテナー申請が承認されるまで公式として表示されません。
- 作成者
- jwangkun
- インデックス作成者
- OpenAgentSkill コミュニティインデックス
帰属は公開リポジトリまたは作成者プロフィールにリンクされています。作成者は掲載を申請して所有権シグナルを更新できます。
このスキルを申請所有者の申請
このスキル掲載を申請
この コミュニティにより登録 掲載は jwangkun に帰属していますが、まだ公式として表示されていません。申請すると、確認済み所有者シグナルが追加され、今後の公開、インストール、監査更新の信頼性が高まります。
クリエイター被リンクキット
README にエビデンスバッジを追加
開発者がリポジトリを評価する場所で、正規掲載、現在の信頼・監査シグナル、実際の Agent-Proven エビデンスを表示します。
[](https://www.openagentskill.com/skills/jwangkun-stepfun-vision-skill)
[](https://www.openagentskill.com/skills/jwangkun-stepfun-vision-skill)
[](https://www.openagentskill.com/skills/jwangkun-stepfun-vision-skill/audit)
[](https://www.openagentskill.com/skills/jwangkun-stepfun-vision-skill)作者
jwangkun
@jwangkun
プラットフォーム適合
健全性シグナル
- GitHub スター
- 14
- 品質スコア
- 39/100
- 最終 GitHub プッシュ
- 2026年8月3日
- フレームワークのヒント
- 1
- OpenAgentSkill 閲覧数
- 0
- インストールコピー数
- 0
- 外部クリック
- 0
コミュニティシグナル
このスキルが Agent ワークフローに役立つかを共有してください。集約されたフィードバックがランキングを改善します。
信頼と安全性
サンドボックス限定
- GitHub 採用度GitHub スター 14修正
- スター／フォーク活動スター 14、フォーク 1; 現在のメタデータでは Issue 活動を利用できません修正
- 最近のメンテナンス最終プッシュから 20 日合格
- ライセンスの明確さMIT合格
- README/SKILL.md の完全性メタデータには十分な利用・ワークフロー文脈があります合格
- 依存関係／ランタイムのリスク公開メタデータに重大な依存関係リスクのヒントはありません合格
関連スキル
Khazix Skills
A collection of practical, installable AI agent skills for disk cleanup, AI news retrieval, and project management, following the Agent Skills standard.
19.6K スターAwesome Claude Skills
A curated list of resources and tools for enhancing Claude AI workflows.
65.9K スターClaude Scientific Skills
A comprehensive collection of ready-to-use scientific and research skills for AI agents.
31.2K スター