Delegue tareas de comprensión de imágenes a modelos de visión configurables compatibles con OpenAI cuando no se disponga de visión nativa.
Visión
Incorpore reconocimiento de imágenes, OCR y razonamiento visual a entornos de Claude Code que carezcan de capacidades de visión nativas mediante un script ligero en Python.
Impacto de la habilidad
Un flujo de trabajo enfocado con un valor medible.
Estrellas
3
Bifurcaciones
0
Actualizado
8 de ago. de 2026
Acerca de Visión
Ve y comprende imágenes cuando tú (el modelo actual) no tienes visión nativa. Úsalo SIEMPRE que necesites mirar, leer, describir, aplicar OCR o razonar sobre el contenido de una imagen, captura de pantalla, foto, diagrama, gráfico, maqueta de interfaz o página escaneada, incluso cuando el usuario haga referencia a un archivo de imagen local o una URL de imagen y no puedas verla por ti mismo.
Lo que Visión puede ayudarte a hacer
Delega tareas de procesamiento de imágenes, como el análisis de capturas de pantalla, la extracción de texto por OCR, la revisión de maquetas de interfaz y la interpretación de diagramas, a un modelo de visión externo desde un entorno de solo texto.
Casos de uso comunes
Extracción de texto y formato de recibos y páginas escaneadas
Depuración de registros de errores de software capturados mediante capturas de pantalla
Conversión de gráficos y diagramas visuales en tablas de markdown
Comparación de la implementación de la interfaz de usuario con las maquetas de diseño
Explicación de diagramas de arquitectura de software y recursos de imagen remotos
Inicio rápido
Comando de instalación
npx skills add kotot/vision@visionEtiquetas
Temas y capacidades