在上一篇 Codex 接入 DeepSeek-V4-Flash 里我们给 Codex 换上了 DeepSeek-V4-Flash 当底层模型。速度快、Agent 能力也强但有一个短板DeepSeek-V4-Flash 不是多模态模型看不了图。编程场景里看图其实挺刚需——UI 截图、报错信息、页面布局光靠文字描述又慢又容易错。先看结论给 Codex 加视觉就三步——① 在阿里云百炼控制台创建 API Key② 把开源仓库 asuojun/claude-vision-skill 和 API Key 一起丢给 Codex让它自己下载安装配置③ 发一张图验证。视觉模型选通义千问qwen3-vl-flash便宜、新用户还有免费额度。全程约 5 分钟。为什么 Codex 需要外挂眼睛接上 DeepSeek-V4-Flash 之后Codex 的底层模型就成了纯文本模型能读代码、改代码但处理不了图片。这在纯写代码的场景没问题一旦要对着截图干活——看 UI 还原界面、读报错弹窗、核对设计稿——就卡住了。思路有点像工地分工Flash 当工头负责推理和改代码旁边再雇一个专职看图的人把画面翻译成文字交回去。主模型负责想视觉模型负责看。原理vision-skill 加 qwen3-vl-flash好在已经有现成的开源方案vision-skill给 Codex 加上眼睛。vision-skill一个开源技能包给没有原生识图能力的主模型外挂「眼睛」——读本地或网络图片调用视觉 API把描述塞回对话。开源仓库asuojun/claude-vision-skill。视觉模型负责真正看图的那个。我选的是通义千问的qwen3-vl-flash——专门看图的 VL 模型日常读 UI / 截图够用而且便宜。qwen3-vl-flash 官方按token 计费输入 0.15 元 / 百万 tokens输出 1.5 元 / 百万 tokens不是按张标价并且新用户有一定的免费额度。接入前准备☐已完成上一篇教程Codex 接入 DeepSeek-V4-Flash。没接也不影响本教程但配置环境一致演示更顺☐一个阿里云百炼账号没有就先注册☐一个 API Key在百炼控制台创建下一步演示第 1 步在百炼控制台创建 API Key登录阿里云百炼控制台进API-KEY 管理创建一个密钥并复制。这个 Key 等下有用。安全提醒API Key 是钱袋子。它一旦粘贴进 Codex 对话就会随请求发给背后的模型服务商介意的话用完后去百炼控制台重置也别写进公开教程、别提交到公开仓库——被人拿去就会烧你的额度。另外开源项目装到本机前值得先过一遍代码装完可以让 Codex 告诉你它改了哪些配置。第 2 步把仓库和 API Key 交给 Codex 自动配置不用自己下载、不用手改配置直接在 Codex 里粘贴下面这段让它按 README 自己来帮我全局安装 asuojun/claude-vision-skillhttps://github.com/asuojun/claude-vision-skill 按照 README 的说明进行配置。 视觉模型选择阿里云百炼的 qwen3-vl-flash API Key 是 sk-你的APIKey换成你刚创建的那一个。注意sk-你的APIKey要替换成你自己在百炼创建的 Key别照抄示例。Codex 会自己下载仓库、检查环境、写入配置全程不用你动手敲命令。第 3 步验证识图配置搞定后贴上一张截图让 Codex 识别。它能正确说出图片里是什么就说明「眼睛」已经装上、识图生效了。如果验证不通过先回第 1 步确认 API Key 有没有填错再让 Codex 检查一遍 vision-skill 的配置。常见问题QDeepSeek-V4-Flash 不能看图吗A对。它是纯文本模型、不是多模态模型本身没有识图能力需要外挂一个视觉模型来补上。Q给 Codex 加视觉要额外花钱吗A视觉模型按 token 计费不是按张收费。以 qwen3-vl-flash 为例输入 0.15 元 / 百万 tokens、输出 1.5 元 / 百万 tokens新用户还有一定免费额度日常看图成本很低。Qvision-skill 是什么A一个开源技能包给没有原生识图能力的主模型外挂「眼睛」——读本地或网络图片调用视觉 API把描述塞回对话。仓库在 github.com/asuojun/claude-vision-skill。Q必须用 qwen3-vl-flash 吗A不一定。vision-skill 走 OpenAI 兼容格式任何支持视觉的模型都能换。本文以 qwen3-vl-flash 为例是因为它便宜、新用户有免费额度日常读 UI 和截图够用。Q怎么确认 Codex 识图生效了A配置后直接贴一张截图让 Codex 识别它能正确描述图片内容就说明生效了。