Habilidade de Leitor Visual
Permite que LLMs puramente textuais (DeepSeek, etc.) leiam arquivos binários chamando ferramentas Python.
Caminho de Instalação
Todas as ferramentas estão localizadas em ~/opencode-vision-skill/tools/. O ~ representa seu diretório home:
- Windows:
%USERPROFILE%\opencode-vision-skill\tools\ - macOS/Linux:
~/opencode-vision-skill/tools/
Se você instalou em outro local, ajuste os caminhos abaixo conforme necessário.
Ferramentas Disponíveis
| Ferramenta | Comando |
|---|---|
pdf-reader | python ~/opencode-vision-skill/tools/pdf-reader.py <caminho_do_arquivo> |
image-reader | python ~/opencode-vision-skill/tools/image-reader.py <caminho_do_arquivo> |
ppt-reader | python ~/opencode-vision-skill/tools/ppt-reader.py <caminho_do_arquivo> |
screenshot | python ~/opencode-vision-skill/tools/screenshot.py [x,y,w,h] |
Sempre use caminhos de arquivo absolutos para o argumento caminho_do_arquivo.
Detalhes das Ferramentas
pdf-reader — Ler arquivos PDF
python ~/opencode-vision-skill/tools/pdf-reader.py "/caminho/absoluto/para/arquivo.pdf"
Retorna Markdown com títulos de página, conteúdo de texto e tabelas.
image-reader — Ler e descrever imagens
python ~/opencode-vision-skill/tools/image-reader.py "/caminho/absoluto/para/imagem.png"
Retorna três seções:
- Metadados — Formato, modo, tamanho, DPI
- Descrição Visual — Legenda gerada por IA descrevendo objetos, layout, setas, diagramas
- Texto OCR — Texto reconhecido da imagem
ppt-reader — Ler arquivos PowerPoint
python ~/opencode-vision-skill/tools/ppt-reader.py "/caminho/absoluto/para/slides.pptx"
Retorna texto slide por slide com títulos, marcadores e tabelas.
screenshot — Capturar a tela
python ~/opencode-vision-skill/tools/screenshot.py
Captura a tela inteira. Para uma região: python ~/opencode-vision-skill/tools/screenshot.py 0,0,800,600.
Retorna o caminho do arquivo PNG salvo.
Observações
- A primeira chamada de
image-readerbaixa o modelo Florence-2 (~400MB) se não estiver pré-baixado - O Tesseract OCR é opcional — image-reader funciona sem ele usando easyocr
- A captura de tela requer um servidor de exibição (X11/Wayland no Linux, nativo no Windows/macOS)