SkillPedia Skills Encyclopedia
中文 EN
今日更新 2026-11-19 UTC

今天还没有新提交

查看更新动态

agent-vision-toolkitAnionex/agent-vision-toolkit

为纯文本大模型和编码 Agent 补上「看图」能力,让它们能读取截图、图片中的文字与画面内容。核心功能要点包括:1.【视觉工具命令行】:提供多个可直接调用的视觉 CLI,把图片交给视觉模型处理并返回结构化结果,…

还没有人评分 我要评分
Stars1.2k
Forks49
Watchers1.2k
Open Issues8

Install一键安装

待确认

这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:

git clone https://github.com/Anionex/agent-vision-toolkit.git

Overview功能介绍

核心功能

为纯文本大模型和编码 Agent 补上「看图」能力,让它们能读取截图、图片中的文字与画面内容。核心功能要点包括:1.【视觉工具命令行】:提供多个可直接调用的视觉 CLI,把图片交给视觉模型处理并返回结构化结果,纯文本模型无需改造即可获得视觉输入;2.【技能封装与无缝接入】:附带一个技能说明文件,教 Agent 在何时、以何种参数调用这些 CLI,并支持转译接入 Claude Code、Codex、OpenCode 等编码代理,让视觉能力成为 Agent 的常规工具;3.【代理优先调用】:内置 --proxy-first 模式,优先通过代理转发请求到视觉模型,绕开直连限制并统一鉴权与出口。

适用场景

让只支持文本的模型分析 UI 截图与设计稿、Agent 读取报错截图或图表、编码代理在开发过程中查看页面渲染结果、在受限网络环境下调用视觉模型。

适用职业

AI / 算法工程师、全栈 / 独立开发者、测试 / QA 工程师、产品经理 (PM)。

Topics主题标签

Rating用户评分

还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。

给这个技能打分

填了才会进入下面的「按职业平均」。

每个 IP 只能投一票,投出后不能修改,请一次选准。不收集账号,也不用登录。

Repository仓库信息

技能 ID937
数据来源GitHub
仓库全名Anionex/agent-vision-toolkit
所属分类AI 与智能体技能 / 多模态与视觉能力
主要语言Python
开源协议MIT License
默认分支main
GitHub 仓库 ID1319174653
节点 IDR_kgDOTqEB_Q
榜单排名#649 (来源榜单内名次)
全站热度排名#740 (按 Stars 实时计算,共 5833 条)

GrowthStar / Fork 增长

每天一次快照,记录 Star 与 Fork 的变化过程

05001k1.5k2026-09-292026-10-112026-09-29 · 1,2182026-10-11 · 1,223
  • 当前1,223
  • 上一记录点 · 09-29 1,218
  • 较上一记录点 +5
  • 共 2 个记录点 跨度 12 天
02040602026-09-292026-10-112026-09-29 · 482026-10-11 · 49
  • 当前49
  • 上一记录点 · 09-29 48
  • 较上一记录点 +1
  • 共 2 个记录点 跨度 12 天

Timeline时间线

仓库创建2026-08-01 10:00:133 个月前
资料最后更新2026-10-26 12:01:3423 天前
最近一次代码推送2026-10-08 02:25:031 个月前

Commit更新记录

由提交人 Anionex 提交,主要更新类型为:问题缺陷修复与稳定性提升。提交说明:Merge pull request #43 from Anionex/fix/detect-fail-on-empty。解决了已知运行时异常与边界错误,提升系统稳定性。

1384ef4 Anionex 2026-10-08

Next steps接下来看什么