Was macht axiom-vision?
Verwenden Sie bei der Implementierung JEGLICHER Computer-Vision-Funktionen – Bildanalyse, Posenerkennung, Personensegmentierung, Subjekt-Extraktion, Texterkennung, Barcode-Scannen.
Verwenden Sie bei der Implementierung JEGLICHER Computer-Vision-Funktionen – Bildanalyse, Posenerkennung, Personensegmentierung, Subjekt-Extraktion, Texterkennung, Barcode-Scannen.
Diese Fähigkeit (Skill) ist für Entwickler und KI-Agenten gedacht, die Computer-Vision-Aufgaben in ihre Arbeitsabläufe integrieren möchten. Sie deckt ein breites Spektrum ab, darunter Bildanalyse, Posenerkennung, Personensegmentierung, Subjekt-Extraktion (z. B. Hintergrundentfernung), Texterkennung (OCR) und Barcode-Scannen. Der Skill ist als universeller Einstiegspunkt konzipiert, der bei der Implementierung einer dieser Funktionen verwendet werden sollte, und bietet eine konsistente Schnittstelle, egal ob Sie mit Cursor, Claude Code, Codex oder einem anderen KI-gestützten Entwicklungstool arbeiten. Die zugrunde liegende Implementierung nutzt wahrscheinlich Standardbibliotheken wie OpenCV, TensorFlow oder spezielle APIs, wobei die Details in der SKILL.md-Dokumentation erläutert werden. Der Hauptvorteil besteht darin, dass Entwickler keine individuelle Computer-Vision-Logik mehr schreiben müssen; sie können diesen Skill einfach aufrufen, um gängige Aufgaben wie das Extrahieren von Text aus Bildern, das Erkennen von Personen oder das Lesen von Barcodes auszuführen, was die Entwicklungszeit verkürzt und die Codequalität verbessert.
npx skills add https://github.com/charleswiltgen/axiom/tree/main/skills/axiom-visionInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Verwenden Sie bei der Implementierung JEGLICHER Computer-Vision-Funktionen – Bildanalyse, Posenerkennung, Personensegmentierung, Subjekt-Extraktion, Texterkennung, Barcode-Scannen.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.