Vision Reader 스킬
순수 텍스트 LLM(DeepSeek 등)이 Python 도구를 호출하여 바이너리 파일을 읽을 수 있게 해줍니다.
설치 경로
모든 도구는 ~/opencode-vision-skill/tools/에 위치합니다. ~는 사용자 홈 디렉터리를 의미합니다.
- Windows:
%USERPROFILE%\opencode-vision-skill\tools\ - macOS/Linux:
~/opencode-vision-skill/tools/
다른 곳에 설치한 경우 아래 경로를 그에 맞게 조정하십시오.
사용 가능한 도구
| 도구 | 명령어 |
|---|---|
pdf-reader | python ~/opencode-vision-skill/tools/pdf-reader.py <파일경로> |
image-reader | python ~/opencode-vision-skill/tools/image-reader.py <파일경로> |
ppt-reader | python ~/opencode-vision-skill/tools/ppt-reader.py <파일경로> |
screenshot | python ~/opencode-vision-skill/tools/screenshot.py [x,y,w,h] |
filepath 인수에는 항상 절대 파일 경로를 사용하십시오.
도구 상세
pdf-reader — PDF 파일 읽기
python ~/opencode-vision-skill/tools/pdf-reader.py "/절대/경로/파일.pdf"
페이지 제목, 텍스트 내용, 표가 포함된 마크다운을 반환합니다.
image-reader — 이미지 읽기 및 설명
python ~/opencode-vision-skill/tools/image-reader.py "/절대/경로/이미지.png"
세 개의 섹션을 반환합니다:
- 메타데이터 — 포맷, 모드, 크기, DPI
- 시각적 설명 — 객체, 레이아웃, 화살표, 다이어그램을 설명하는 AI 생성 캡션
- OCR 텍스트 — 이미지에서 인식된 텍스트
ppt-reader — PowerPoint 파일 읽기
python ~/opencode-vision-skill/tools/ppt-reader.py "/절대/경로/슬라이드.pptx"
슬라이드별로 제목, 글머리 기호, 표가 포함된 텍스트를 반환합니다.
screenshot — 화면 캡처
python ~/opencode-vision-skill/tools/screenshot.py
전체 화면을 캡처합니다. 영역 지정: python ~/opencode-vision-skill/tools/screenshot.py 0,0,800,600.
저장된 PNG 파일 경로를 반환합니다.
참고 사항
- 첫 번째
image-reader호출 시 Florence-2 모델(~400MB)을 미리 다운로드하지 않았다면 다운로드합니다. - Tesseract OCR은 선택 사항입니다. image-reader는 easyocr을 사용하여 Tesseract 없이도 작동합니다.
- 스크린샷에는 디스플레이 서버(Linux의 X11/Wayland, Windows/macOS의 기본 디스플레이)가 필요합니다.