用途：当会话模型看不到图片（盲，如 DeepSeek）时，把图片转成文本，让模型基于文本继续回答，相当于给模型补上一只眼睛。在线服务不可用（额度耗尽、断网、未配 mytokens）时，脚本自动回退到本地 Qwen3-VL（MLX，模型在 HuggingFace cache 里，离线可用），调用方无需区分。
图片来源处理：prompt 里的图片路径直接跑 qwen_vision.py 转文本；粘贴进终端的图（[Image #N]）若已装 hook，描述已注入可直接用，未装则请用户把图存成文件给路径。拿不准模型是否盲时，用 check_vision.py 判定：VISION 表示能看图无需本 skill；NO_VISION_SILENT 表示盲，用本 skill；NO_VISION_HARD 表示图会让整轮失败，粘贴的图救不了，只能走路径。
使用方式：确认消息里有图且模型是盲的，然后运行自包含脚本（从任意 cwd 都能跑）：uv run --no-project ~/.claude/skills/claude-qwen-vision/scripts/qwen_vision.py /path/to/image.png [更多路径...] --prompt "<用户真正想问的问题>"。多张图一次传入，输出按 图1： 图2： 分段。成功时 stdout 一定有内容；qwen 返回空文本、响应被截断、文件或网络出错，脚本都向 stderr 报错并以非零码退出。在线不可用时自动回退本地，默认用 30b，--local-model 8b 换更快的 8b，--no-local-fallback 关闭回退。最后以 qwen 的文本输出为图片真实内容，直接完整回答用户问题。
脚本：qwen_vision.py（图片路径或 --base64 → qwen3.8-max → 文本，--account paygo 切换账号，在线不可用自动回退本地）；qwen_vision_local.py（离线回退，本地 Qwen3-VL MLX，--model 30b|8b）；check_vision.py（判定模型是否盲）；user_prompt_hook.py（UserPromptSubmit hook，粘贴的图自动转文本注入）；install-hook.sh（把 hook 合并进 settings.json，幂等，改前备份）。
本地模型：默认 30b（mlx-community/Qwen3-VL-30B-A3B-Instruct-4bit，质量最好），8b（mlx-community/Qwen3-VL-8B-Instruct-8bit，更省内存）；模型缺失时自动退到另一个，两个都没有则明确报错并给出 repo。
限制：NO_VISION_HARD 的模型粘贴图会让整轮 400 失败，只能走文件路径；CLAUDE_CONFIG_DIR 指向别处的会话，skill 和 hook 要分别装；凭证一律运行时从 mytokens 读取，脚本里不存任何 token。