Ctrl+V 粘贴截图，Claude Code + DeepSeek 直接烂对话？这个开源项目把坑填了

为什么需要本项目？

AI CLI 工具配上不支持图片的第三方模型，这事儿有多坑，只有踩过坑的人才懂。Claude Code、OpenCode 这类工具，本身很能打，但一旦套上 DeepSeek 这种不支持多模态的模型，图片理解就成了一个黑洞区域。

传统方案的死结

大多数人的第一反应，是在全局 CLAUDE.md 里写规则，强行要求模型用某个 Skill 或 MCP 去处理图片。这个思路听起来没毛病，但实际跑起来就会碰上一个绕不过去的硬伤：

Claude Code 在系统层面硬编码了一条指令——粘贴图片时必然调用 read 工具，直接把图片原样丢给模型。这条系统指令的优先级高于 CLAUDE.md，所以不管你在规则文件里怎么写，它都拦不住。

结果呢？Ctrl+V 一张截图，模型拿到的是海量 base64 数据——不支持图片的模型要么直接报错，要么胡说八道。整段对话就此报废，根本无法继续。

更让人头疼的是，日常 Debug 时很少有人会先把截图存成文件再传给工具——直接截图、粘贴到剪贴板、Ctrl+V 三步搞定才是天经地义的工作流。传统方案只适合“先保存为文件，再给路径”的场景，跟真实使用习惯完全不搭。

本项目的解法

两套机制组合拳：图片整流器 + 图片分析技能。

两层防线的分工

1. 图片整流器（袋里层）
   —— 在请求发出前进行拦截。它会扫描 messages 中的 base64 图片块，移除原始数据，替换为一段文本提示，引导模型去调 Skill。整个过程在模型看到请求之前就完成了。

2. 图片分析技能（CLI 工具）
   —— 被模型调用后，智能判断图片来源：传了本地路径就读文件，没传路径就从系统剪贴板直接读。兼容 Claude Code（粘贴会生成临时文件）和 OpenCode（粘贴不生成临时文件）两种行为。

原项目简介

CC Switch 本质上是一款管理 AI CLI 工具的桌面应用, Claude Code, Codex, Gemini CLI, OpenCode 这类 CLI 工具的管理器都有了但它还能搞定 Provider 管理; MCP/Skills ...manage and usage statistics are also included in order to seamlessly organize everything within a single place and control panel; This fork adds functionality specifically designed for scenarios where AI CLI toolsinterface with third-party APIs that lack multimodal (visual understanding) support, solving那個 pain point regarding图片输入, 虽然 CC Switch 原本是管理 CLI工具的角色, 但这个 fork在此基础上增加了针对图片输入的处理能力直击痛点: 大量第三方 API 供应商不支持多模态输入/视觉理解。

本分支新增功能

1. 图片整流器

核心要解决的问题： 大量第三方 API 供应商（尤其是中转站、非官方接口）根本不支持多模态。一旦请求的 messages 数组里出现 type: "image" 的 base64 图片块，这些供应商要么报错，要么行为怪异。

解决方案： 整流器在袋里层充当拦截器，在请求转发之前抢先一步。它扫描 messages[*].content，一旦发现 type: "image" 块，就直接移除 base64 数据（通常有好几 MB），替换成一段文本提示，引导模型调用指定的 skill 来处理图片。

关键特性：

• 自动检测并替换 messages 中的 type: "image" 块
• 有图片缓存引用时会自动提取文件路径拼入提示
• 可配置调用的 skill 名称（默认 image-analysis）
• 与下方的图片分析技能无缝配合

配置方式： 在 CC Switch 的「路由设置 → 整流器区域 → 图片整流器」中打开开关，还能按需修改 skill 名称。

2. 图片分析技能

一个独立的 Python 命令行图片视觉识别工具，兼容任何能执行 Shell 命令的 AI CLI。换句话说，只要你的 CLI 能跑命令，它就能用。

核心能力：

• 支持本地图片（jpg/png/gif/webp/bmp）、网络图片 URL、系统剪贴板（macOS AppleScript）
• 多图对比——多次使用 --image 参数即可
• Fallback 机制：按配置顺序依次尝试所有 provider，失败自动切换，第一个成功的结果会标注 [provider名] 后返回

预置了 30+ AI Provider，这里列举部分：

与图片整流器的联动逻辑：当某模型不支持图片时，整流器将图片块替换成文本提示，引导模型去调用 Skill；模型收到指令后自动通过 CLI 完成实际视觉分析。整个过程对用户透明，你不需要手动去执行 Python 脚本。

3. dev.sh — 开发启动脚本

封装了 pnpm tauri dev / pnpm tauri build 的便捷脚本：

./dev.sh              # Debug 模式（默认）
./dev.sh debug        # Debug 模式（含请求体打印）
./dev.sh release      # Release 模式
./dev.sh build        # Release 编译

脚本中预置了 CARGO_HTTP_PROXY，方便国内网络环境下编译 Rust 依赖。

安装

从源码编译：

git clone https://github.com/piaomiaoguying/cc-switch.git
cd cc-switch
./dev.sh build

使用流程

第一步：注册 AI Provider 并获取 API Key

项目预置了多个平台的视觉模型，都有免费额度。选自己习惯的平台注册即可：

注册后获取 API Key，填入 Skill 配置文件：

cp skills/image-analysis/scripts/config.example.json skills/image-analysis/scripts/config.json
# 编辑 config.json，将各个平台的 API Key 填入对应字段

第二步：配置全局 CLAUDE.md

在全局 CLAUDE.md（路径 ~/.claude/CLAUDE.md）中加入以下规则，禁止直接使用 read 工具读取图片：

## 图片处理规范
禁止使用 `read` 工具读取任何图片文件（如 .png, .jpg, .jpeg）
必须使用 image-analysis 这个 skill 来分析图片
当模型返回不支持直接接收图片输入时，自动调用 image-analysis 这个 skill 来分析图片

第三步：导入 Skill 到 AI CLI

推荐通过 CC Switch 统一管理 Skill，避免手动复制文件夹的麻烦：

1. 将 skills/image-analysis 配置文件夹放在 CC Switch 目录下
2. 打开 CC Switch → Skills 管理
3. 在 Claude Code 和 OpenCode 对应的 Skill 开关处，开启 image-analysis

这样 CC Switch 会自动将 Skill 同步到各 CLI 的 Skill 目录。

第四步：配置 CC Switch 路由与整流器

这一步最关键，需要打开三层开关：

进入 CC Switch → 路由设置：

• 打开本地路由总开关
• 打开 Claude Code 的路由开关（容易漏掉：总开关开了但 Claude Code 开关没开）

在路由设置界面往下滑，找到整流器区域：

• 打开整流器总开关
• 打开图片整流器开关
• 在 Skill 名称输入框中填入 image-analysis

完成

以上配置完成后，正常启动的 Claude Code 实例通常能立即生效。如果老的实例没反应，重启一个新实例即可。此时模型的网络请求会经过 CC Switch 袋里，CC Switch 会对会话数据进行拦截修改。

之后的整体流程是这样的：

Ctrl+V 粘贴图片 → CC Switch 袋里拦截 → 移除 base64，替换为文本提示
→ 模型收到文本，调用 image-analysis Skill → Skill 读取图片并返回分析结果

从实际体验来看，这套方案最大的价值在于：它跟人的自然工作流完全对齐——不需要提前存文件、不需要手动切工具、不需要担心不同 CLI 之间行为不一致。对于经常跟不支持多模态的模型打交道的人来说，算是真正解决了核心痛点。