Was macht MMSkills?
MMSkills: Auf dem Weg zu multimodalen Fähigkeiten für allgemeine visuelle Agenten
MMSkills: Auf dem Weg zu multimodalen Fähigkeiten für allgemeine visuelle Agenten
MMSkills ist eine Sammlung von multimodalen Fähigkeiten, die für allgemeine visuelle Agenten wie Claude Code, Cursor und Codex entwickelt wurde. Diese Fähigkeiten ermöglichen es Agenten, visuelle Informationen zu verstehen, zu verarbeiten und darauf zu reagieren, indem sie verschiedene Modalitäten wie Bildanalyse, Diagrammverständnis und visuelle Navigation nutzen. Das Projekt zielt darauf ab, die Lücke zwischen einfachen textbasierten Fähigkeiten und komplexen multimodalen Interaktionen zu schließen, die für fortgeschrittene visuelle KI-Aufgaben erforderlich sind. MMSkills bietet eine standardisierte Schnittstelle für Agenten, um visuelle Aufgaben auszuführen, und unterstützt Entwickler bei der Integration von multimodalen Funktionen in ihre KI-Workflows. Die Plattform ist als offenes Framework konzipiert, das mit gängigen KI-Entwicklungstools kompatibel ist.
npx skills add DeepExperience/MMSkillsMMSkills: Auf dem Weg zu multimodalen Fähigkeiten für allgemeine visuelle Agenten
ElevenLabs text-to-speech with mac-style say UX.
Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.
Capture and automate macOS UI with the Peekaboo CLI.
Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".
Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".