haoyiyin/vision-framework-skill

Was macht vision-framework-skill?

macOS Vision Framework Agent-Fähigkeit – geräteinterne OCR, Gesichts-/Personen-/Tiererkennung, Bildklassifizierung, Barcode-Lesen, Körperposenschätzung. Kompatibel mit Claude Code, OpenClaw, Hermes, Codex, Antigravity und jedem Agent-Framework.

Überblick

Diese Fähigkeit bietet Agent-Zugriff auf die leistungsstarken Computer-Vision-Funktionen des macOS Vision Framework. Sie ermöglicht es Agenten, Bilder lokal zu verarbeiten, ohne Cloud-Dienste zu benötigen. Dies gewährleistet Datenschutz, geringe Latenz und offline Betrieb.

Funktionen

• OCR (Texterkennung): Extrahieren Sie Text aus Bildern mit hoher Genauigkeit. Unterstützt mehrere Sprachen._
• Gesichtserkennung: Erkennen Sie Gesichter, deren Merkmale und Ausdrücke.
• Menschen- und Tiererkennung: Identifizieren und Verfolgen von Menschen und Tieren in Bildern.
• Bildklassifizierung: Kategorisieren Sie den Bildinhalt (z. B. Szene, Objekttyp).
• Barcode-Lesen: Scannen Sie Barcodes und QR-Codes.
• Körperposenschätzung: Erkennen und Verfolgen menschlicher Körperhaltungen.
• Objekterkennung: Allgemeine Objekterkennung mit bereitgestellten Bounding-Boxen.

Verfügbare Shell-Befehle

Die Fähigkeit stellt die folgenden CLI-Befehle bereit:

vision-framework

Hauptbefehlszeile für den Zugriff auf die Vision-Funktionen.

Verwendung:

vision-framework <Aktion> [Optionen] <Bildpfad>

Aktionen:

• analyse : Führen Sie eine vollständige visuelle Analyse durch (Gesichter, Objekte, Klassifizierung, Haltung, Tiere).
• ocr : Führen Sie optische Zeichenerkennung durch.
• barcode : Scannen und dekodieren Sie Barcodes/QR-Codes.

Globale Optionen:

• --help : Hilfe anzeigen.
• --format text|json : Ausgabeformat (Standard: text).
• --language <Sprach-Code> : OCR-Sprache (Standard: en-US).
• --confidence <0.0-1.0> : Mindest-Konfidenzschwelle (Standard: 0.5)._n

Beispiele

1. Analysieren eines Bildes:

   vision-framework analyse ~/Bilder/foto.jpg
   

2. OCR verwenden:

   vision-framework ocr ~/Desktop/screenshot.png --language en-US
   

3. Barcode scannen:

   vision-framework barcode ~/Bilder/etikett.png --format json
   

4. Analysieren mit JSON-Ausgabe:

   vision-framework analyse ~/Bilder/gesicht.jpg --format json --confidence 0.8
   

Fehlerbehandlung

Die Fähigkeit behandelt häufige Fehlerfälle:

• Bild nicht gefunden: Der angegebene Pfad existiert nicht.
• Ungültiges Format: Das Bild kann nicht gelesen werden (beschädigt oder nicht unterstütztes Format).
• Keine Ergebnisse: Das Vision-Framework konnte im Bild nichts finden, das dem Schwellwert entspricht.
• Berechtigungsfehler: Der Agent hat keinen Lesezugriff auf die Datei.

Die Fehler werden standardmäßig als Klartextmeldungen auf stderr ausgegeben. Im JSON-Modus werden Fehler als JSON mit einem "error"-Schlüssel gemeldet.

Plattform-Kompatibilität

• Betriebssystem: macOS 10.13+ (benötigt Vision Framework)._n- Agent-Frameworks: Entwickelt mit Skriptausführung, daher mit den meisten Agenten und Frameworks kompatibel, einschließlich Claude Code, OpenClaw, Hermes, Codex und Antigravity.
• Abhängigkeiten: Keine zusätzlichen Python-Pakete erforderlich. Verwendet das integrierte macOS-Framework über pyobjc._n

Installation

1. Stellen Sie sicher, dass Python 3 installiert ist._n2. Optional: Aktivieren Sie pyobjc in Ihrer virtuellen Umgebung für zusätzliche Stabilität (wird automatisch installiert, falls verfügbar).n3. Platzieren Sie das Skript vision-framework in Ihrem Pfad (z. B. /usr/local/bin/).
2. Stellen Sie sicher, dass die ausführbare Berechtigung gesetzt ist: chmod +x vision-framework

Lizenz

MIT