338 字
1 分钟
Claude Code + DeepSeek V4 Flash 如何实现多模态图像识别能力？
ps：本文发布后，2026.8.21 多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 已上线 DeepSeek API 平台，可以通过设置 model=‘deepseek-v4-flash-vision-exp’ 访问该模型。
由于 DeepSeek V4 Flash 是纯文本模型，不支持多模态，日常使用 Claude Code 遇到需要图片识别的场景比较麻烦。
通过 MCP-Vision-Bridge 插件 + Ollama 本地部署 Qwen3-VL 模型，可以零成本给 Claude Code 拥有视觉能力。
用户粘贴图片 → Claude Code 调用 analyze_image → MCP-Vision-Bridge 转发给 Ollama 本地模型 → 返回文字描述1. 本地部署 Ollama 多模态模型
进入 Ollama 官网，下载对应系统的安装包，安装以后打开 Ollama。
根据电脑显存条件安装合适的多模态模型，这里我装的是 Qwen3-vl:4B 模型，RTX 4060 8G 可以轻松带动。
安装好后随便拖一张图片到 Ollama 聊天窗口内，验证模型是否能够识别。
2. 安装 MCP-Vision-Bridge
在 Claude Code 内运行以下命令，安装视觉桥接插件。
claude plugin marketplace add KuaaMU/agent-pluginsclaude plugin install mcp-vision-bridge3. 填写配置
安装好插件后提示填入大模型的运行本地环境地址、端口，API Key 随便填，Model 模型填对应的模型名称。
| 配置 | 填写 |
|---|---|
| Endpoint | http://localhost:11434/v1 |
| API Key | ollama（随便填） |
| Model | qwen3-vl:4b |
4. 验证
以上操作以后，随便拖一张图片到 Claude Code 中，插件将自动调用多模态模型进行识别。
Claude Code + DeepSeek V4 Flash 如何实现多模态图像识别能力？
http://mizuki.heycheems.top/Claude_Code_+_DeepSeek_V4 Flash_如何实现多模态图像识别能力？/ 部分信息可能已经过时