为什么需要本项目？

AI CLI 工具 + 第三方模型 = 图片理解真空地带。 这是 Claude Code、OpenCode 等工具搭配 DeepSeek 等不支持多模态的模型时，最让人头疼的问题。

传统方案的死结

常见的做法是在全局 CLAUDE.md 中写规则，强制要求使用某个 Skill 或 MCP 去处理图片。但这里有一个绕不开的坑：

Claude Code 在系统层面硬编码了指令 — 粘贴图片时必定调用 read 工具，直接把图片发给模型。 这个系统指令的优先级高于 CLAUDE.md，所以你的规则根本拦不住它。

结果是什么？Ctrl+V 粘贴一张截图，模型收到 base64 图片数据，直接报错或胡言乱语。整段对话就此腐烂，无法继续。

更糟的是，Debug 时我们几乎不会把截图先保存到本地再传 — 直接截图 → 粘贴到剪贴板 → Ctrl+V 才是最自然的工作流。传统方案只适用于"先保存为文件，再给路径"的场景，跟实际使用习惯完全错位。

本项目的解法

图片整流器 + 图片分析技能，两层防线。

场景	传统方案	本项目
Ctrl+V 粘贴剪贴板图片到 Claude Code	❌ 系统硬编码 read，直接发给模型，对话烂掉	✅ 整流器在袋里层拦截，替换为文本提示，引导模型调用 Skill
给定图片文件路径	⚠️ CLAUDE.md 规则勉强可用，但不同 CLI 行为不一致	✅ 整流器统一拦截，不依赖 MD 文件规则
OpenCode 粘贴剪贴板图片	❌ OpenCode 不生成临时文件，路径都拿不到	✅ Skill 脚本自动检测：有路径读文件，没路径直接从剪贴板读取
多 Provider 切换	❌ 单个模型挂了就挂了	✅ Fallback 机制，30+ Provider 自动切换

两层防线的分工

1. 图片整流器（袋里层） — 在请求发出前拦截。检测 messages 中的 base64 图片块，移除原始数据，替换为文本提示，引导模型调用 Skill。这一步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取。兼容 Claude Code（粘贴生成临时文件）和 OpenCode（粘贴不生成临时文件）两种行为。

原项目简介

CC Switch 是一款管理 AI CLI 工具（Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw、Hermes）的桌面应用，提供供应商管理、袋里/故障转移、MCP/Skills 管理和用量统计等功能。

本分支在此基础上新增了针对图片输入处理的功能，解决大量第三方 API 供应商不支持多模态（视觉理解）的问题。

本分支新增功能

1. 图片整流器

解决的问题： 大量第三方 API 供应商（中转站、非官方接口）不支持多模态输入。当请求的 messages 数组中出现 type: "image" 的 base64 图片块时，这些供应商会报错或行为异常。

解决方案： 图片整流器是袋里层的拦截器，在请求转发之前运行。它扫描 messages[*].content，检测 type: "image" 块，移除 base64 数据（通常数 MB），替换为文本提示，引导模型调用指定 skill 来处理图片。

关键特性：

• 自动检测并替换 messages 中的 type: "image" 块
• 存在图片缓存引用时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： 路由设置 → 整流器区域 → 图片整流器。打开开关，可按需修改 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。

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 --image）
• Fallback 机制：按配置顺序依次尝试所有 provider，失败自动切换，第一个成功的结果标注 [provider名] 后返回

预置 30+ AI Provider：

平台	代表模型
火山引擎	豆包 Seed 2.0 Pro/Lite/Mini、Vision 250815
硅基流动	Qwen3.6-35B-A3B、Qwen3.6-27B
阿里百炼	Qwen3.6 Plus/Flash、Qwen3.5 Omni、Kimi K2.6、MiniMax M2.5
智谱	GLM-4.6V-Flash
商汤	SenseNova-6.7-Flash-Lite

与图片整流器的联动： 当某模型不支持图片时，整流器会将图片块替换为文本提示，引导模型调用 Skill，模型自动通过 CLI 完成实际视觉分析。整个过程对用户透明，无需手动执行 Python 脚本。

3. dev.sh — 开发启动脚本

封装 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

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.gitcd cc-switch./dev.sh build

使用流程

第一步：注册 AI Provider 并获取 API Key

本 Skill 预置了多个平台的视觉模型，均有免费额度，挑选自己习惯的平台注册即可：

平台	代表模型	注册地址
阿里百炼	Qwen3.6 Plus/Flash、Qwen3.5 Omni 等	dashscope.aliyun.com
智谱	GLM-4.6V-Flash	open.bigmodel.cn
硅基流动	Qwen3.6-35B-A3B 等	siliconflow.cn
火山引擎	豆包 Seed 2.0 Pro/Lite/Mini	console.volcengine.com
商汤	SenseNova-6.7-Flash-Lite	platform.sensenova.cn

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

在你的全局 CLAUDE.md（~/.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：

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

这是最关键的一步，需要打开三层开关：

① 打开本地路由

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（常见漏掉：总开关开了但 Claude Code 开关没开）

② 配置图片整流器

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，正常的 Claude Code 实例通常会立即生效。如果老的实例没有生效，重新启动一个新的 Claude Code 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：

之后的整体流程为：

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

项目地址：github.com/piaomiaoguy…

B站视频：www.bilibili.com/video/BV174…