ビジョン

軽量なPythonスクリプトを使用し、ネイティブのビジョン機能を持たないClaude Code環境に画像認識、OCR、および視覚的推論をもたらします。

画像解析アセット処理エージェントワークフロー

3 スター0 フォーク2026年8月8日更新済みソースを表示

概要機能クイックスタート

スキルの影響

測定可能な価値を持つ、集中型のワークフロー。

スター

フォーク

更新済み

2026年8月8日

ビジョンについて

あなた（現在のモデル）にネイティブのビジョン機能がない場合に、画像を見て理解します。画像、スクリーンショット、写真、図、チャート、UIモックアップ、またはスキャンされたページの内容を確認、読み取り、説明、OCR処理、または推論する必要がある場合は、ユーザーがローカル画像ファイルや画像URLを参照し、ご自身でそれを表示できない場合も含めて、いつでもこれを使用してください。

ビジョンでできること

スクリーンショットの分析、OCRによるテキスト抽出、UIモックアップのレビュー、図の解釈などの画像処理タスクを、テキストのみの環境内から外部のビジョンモデルに委任します。

レイアウトを維持しながら、OCR（光学文字認識）を使用して画像からテキストを書き起こす

アプリケーションのスクリーンショットからエラーメッセージを分析・診断する

チャートや図から構造化データや表を抽出する

ユーザーがアップロードした写真、UIモックアップ、リモート画像URLを解釈する

一般的なユースケース

領収書やスキャンされたページからテキストと書式設定を抽出する

スクリーンショットでキャプチャされたソフトウェアのエラーログをデバッグする

視覚的なチャートや図をMarkdownの表に変換する

デザインモックアップとUIの実装を比較する

ソフトウェアアーキテクチャの図とリモート画像アセットを説明する

クイックスタート

インストールコマンド

npx skills add kotot/vision@vision