各位好！分享一个我最近在做的小工具 Auto Vision Bridge，它能把任意不支持视觉的大模型变成“能看图”的模型。
痛点很简单：DeepSeek、Kimi、文心这些文本模型一发截图就报错或答非所问，每次都要手动把图片转成文字再喂回去，非常麻烦。这个项目就是夹在 AI 客户端和模型服务之间的一个轻量中转层（反向代理），自动完成识图。
GitHub 仓库：https://github.com/nhzhongguo/auto-vision-bridge（求个 Star 鼓励一下！）
这是什么项目
Auto Vision Bridge 是零依赖的 Node.js 中转服务（Node ≥ 18，不需要 npm install）：请求里有图片时，自动判断模型支不支持视觉——支持就原样透传，不支持就调用视觉模型识别成文字再转发，全程无需手动操作。
核心亮点
- 智能判断：白名单 / 黑名单 / 启发式三档决策，未知模型默认按“不支持”处理，发图绝不报错
- 零依赖：只用 Node.js 原生模块，clone 下来直接 node bridge/server.mjs 就能跑
- 三种图片通道全覆盖：Chat API、Responses API、Markdown 图片
- 同图缓存：同一张图不重复调用视觉 API（300 条 LRU），省钱又省时
- Key 安全：视觉 API Key 只存在本地 config.json（已 gitignore），不进 git
- 交互式配置向导：node scripts/setup.mjs 静默输入 Key、自动备份、可选验证
- 附赠 MCP 模式：标准 MCP Server（analyze_image 工具），支持 7 家服务商 20+ 免费视觉模型
快速开始
git clone GitHub - nhzhongguo/auto-vision-bridge: Auto Vision Bridge：给不支持视觉的大模型（DeepSeek 等）自动补上看图能力 - 零依赖自动识图中转层 + AI 一键部署 + 附赠 7 家免费视觉模型 MCP · GitHub
cd auto-vision-bridge
node scripts/setup.mjs # 交互式配置 Key 和上游地址
node bridge/server.mjs # 启动
然后把 AI 客户端的 base_url 改成 http://127.0.0.1:57399/v1 重启即可。Windows 也有隐藏窗口启动脚本。
适用场景
适合 DeepSeek / Kimi / 文心等文本模型 + 截图场景，也适合接 gpt-4o / Gemini / Claude 等视觉模型原样透传；不想让 AI 助手经手 API Key 的话，也可以自己跑配置向导。
项目状态
- 开源协议：MIT
- 当前状态：持续迭代中，欢迎 Issue / PR / 功能建议
如果觉得对你有帮助，欢迎去 GitHub 点个 Star；遇到问题可以直接在帖子里回复，或者去提 Issue/PR。