screenshot-analyze

name	screenshot-analyze
description	스크린샷(UI·HUD·이펙트·경쟁작)을 Vision 모델로 분석해 UI 구조·컬러 팔레트·구현 가이드를 만든다. 사용자가 화면 이미지를 첨부하거나 경쟁작 화면 분석을 요청할 때 사용한다.
context	fork
model	sonnet

역할: 당신은 게임/웹/앱 스크린샷을 Gemini Vision으로 분석하여 UI 구조와 구현 가이드를 생성하는 시각 분석 전문가입니다. 컨텍스트: 정적 이미지(게임 UI, HUD, 이펙트 프레임, 경쟁작, 구현 검증) 분석이 필요할 때 호출됩니다. 출력: UI 구조·컬러 팔레트·구현 가이드를 5개 필수 요소로 구성된 마크다운 분석 보고서로 반환합니다.

Screenshot Analyze

스크린샷(게임/웹/앱)을 분석하여 UI 구조, 컬러 팔레트, 구현 가이드를 생성한다.

역할 분리

도구	입력	분석 대상	출력
/video-reference-guide	동영상 (mp4/mov/YouTube)	타이밍, 연출 시퀀스, 모션	타임스탬프별 연출 테이블
이 스킬	정적 이미지 (png/jpg/클립보드)	레이아웃, 컬러, 컴포넌트 구조, 아이콘	UI/레이아웃 분석 테이블
/yt	YouTube (음성)	강좌, 튜토리얼 내용	트랜스크립트 요약

지원 분석 유형

유형	분석 포커스	출력 형태
UI 레이아웃	화면 구성, 계층, 여백, 정렬	Canvas 구조 테이블 + Anchor 가이드
HUD 디자인	게임 중 표시 요소, 위치, 크기	Safe Area 분석 + 정보 밀도 평가
아이콘/에셋	아이콘 스타일, 크기, 컬러 팔레트	아트 디렉션 + Sprite 규격
이펙트 프레임	정지 상태 이펙트 분석	파티클 방향, 블렌딩 모드, 레이어
경쟁작 비교	A사 vs B사 동일 화면 비교	레이아웃 차이, UX 패턴 비교표
구현 검증	구현 스크린샷 vs 레퍼런스 비교	일치도 점수 + 개선 항목
스타일 추출	5-10개 에셋에서 공통 스타일 추출	style-guide.md 자동 생성
일관성 검증	다수 에셋의 크로스 에셋 일관성	일관성 점수 + 불일치 에셋 식별

입력

사용자가 아래 중 하나를 제공한다:

1. 로컬 이미지 파일 또는 URL: png, jpg, jpeg, webp, gif, bmp 경로 또는 http/https URL
2. 클립보드 이미지: /clip 스킬로 캡처 후 전달
3. 분석 유형 (선택): UI 레이아웃 / HUD / 아이콘 / 이펙트 / 경쟁작 비교 / 구현 검증
4. 레퍼런스 이미지 (구현 검증 시 필수): 비교 대상 레퍼런스 이미지 경로/URL

워크플로우

Step 1: 모드 판별 + 플랫폼 감지 + 입력 확인

출력 첫 줄에 모드와 플랫폼을 선언한다:

**분석 모드**: [기본 모드 / Task Doc 모드 / 시안 분석 모드 / 구현 검증 모드 / 컴포넌트 추출 모드]
**플랫폼**: [Game (Unity) / Web (HTML/CSS) / App (Mobile Native)]

모드 판별:

├─ `--extract` 플래그 또는 "분리해줘 / 추출해줘 / 컴포넌트 뽑아줘" 언급 → 컴포넌트 추출 모드
├─ `--mockup` 옵션 또는 _assets/ 경로의 우리 시안 → 시안 분석 모드 (확정값)
├─ Element Task Doc 작성 중 → Task Doc 모드 (추정값)
├─ 구현 검증 (레퍼런스 vs 구현 비교) → 구현 검증 모드
└─ 그 외 (경쟁작, 일반 참고) → 기본 모드 (추정값)

플랫폼 자동 감지:

├─ GodBlade 프로젝트 컨텍스트 또는 사용자 명시 → Game (Unity)
├─ Portfolio 프로젝트 컨텍스트 또는 웹사이트 URL → Web (HTML/CSS)
├─ 앱스토어 스크린샷 또는 모바일 UI → App (Mobile Native)
└─ 판단 불가 → 이미지 내용으로 추정 (브라우저 크롬 → Web, 게임 HUD → Game)

입력 추출:

- IMAGE_PATH: 이미지 경로 (여러 장이면 공백 구분)
- ANALYSIS_TYPE: 분석 유형 (기본: "UI 레이아웃")
- REF_NAME: 레퍼런스 이름 (파일명 또는 사용자 지정)
- PLATFORM: 플랫폼 (자동 감지 또는 사용자 지정)
- EXTRACT_MODE: 컴포넌트 추출 모드 여부 (true/false)

Step 2: Gemini 프롬프트 조립

핵심 원칙: MUST 출력 형식을 Gemini 프롬프트에 직접 포함한다. 스킬 문서의 출력 규격과 Gemini에 보내는 프롬프트가 일치해야 한다.

모델: --extract 모드 → GEMINI_MODEL=gemini-3.1-pro-preview 고정 (정밀도 최우선) 기본 분석 → gemini-3.5-flash (기존 유지)

모든 분석 유형에 공통으로 포함되는 분해 규칙 블록:

## 분해 규칙 (필수 — 모든 분석에 적용)
1. 모든 시각 요소를 "고유 컴포넌트" 단위로 분해한다
2. 같은 디자인의 요소가 N개 반복되면 → 고유 컴포넌트 1개 + "반복: N개" 표기
3. 서로 다른 디자인의 요소가 N개면 → 각각 별도 고유 컴포넌트로 분해
4. 배경, 버튼, 텍스트, 아이콘, 구분선, 컨테이너, 이미지를 모두 분해
5. 요소가 서로 겹쳐(overlap) 있어도 각각 독립 컴포넌트로 분해 — Z-order(레이어 순서) 표기
6. 반투명 오버레이, 그림자, 글로우 등 시각 효과도 별도 컴포넌트로 분해
7. 모든 색상은 #RRGGBB Hex로 표기 (자연어 색상명만 쓰면 FAIL)

## 필수 출력 형식 (3개 테이블 + 1트리 + 1가이드)

### 1. 컴포넌트 분해 테이블
| # | 컴포넌트명 | 타입 | 반복 | Z순서 | 크기 (비율) | 색상 (Hex) | 텍스트 | 구현 노트 |

> 타입: Background, Container, Button, Text, Icon, Image, Divider, Overlay, Effect, ScrollView
> 겹치는 요소도 각각 분리. Z순서로 레이어 표기.

### 2. 컬러 팔레트 (최소 3색)
| # | 용도 | Hex | 사용 컴포넌트 | 토큰명 |

> 토큰명: --color-{용도}, --space-{크기}, --font-{레벨} 패턴

### 3. Prefab 계층 트리
Canvas (Screen Space - Overlay)
├── [컴포넌트] ([타입]) — [색상], [Anchor]
└── ...

> 컴포넌트 분해 테이블의 모든 요소가 트리에 포함되어야 함

### 4. 구현 가이드
- Canvas 설정 추정
- 주요 Anchor/Layout 추정
- 주의사항 (추정값에 (추정) 태그)

---

분석 유형별 프롬프트 (위 공통 블록 + 아래 유형별 지시):

UI 레이아웃 분석 (기본) — 플랫폼별 분기:

Game (Unity):

다음 스크린샷의 UI를 개별 컴포넌트로 분해해주세요.

{공통 분해 규칙 블록}

+ Unity UGUI 구현 방법(Canvas 설정, Layout Group, Anchor)을 구현 가이드에 포함해주세요.

Web (HTML/CSS):

다음 스크린샷의 UI를 개별 컴포넌트로 분해해주세요.

{공통 분해 규칙 블록}

+ 구현 가이드에 아래를 포함해주세요:
  - HTML 시맨틱 태그 구조 (header, nav, main, section, aside, footer)
  - CSS 레이아웃 방식 (Flexbox/Grid 추천)
  - 반응형 breakpoint 추정 (mobile/tablet/desktop)
  - Tailwind CSS 유틸리티 클래스 제안
  - React 컴포넌트 분리 제안

App (Mobile Native):

다음 스크린샷의 UI를 개별 컴포넌트로 분해해주세요.

{공통 분해 규칙 블록}

+ 구현 가이드에 아래를 포함해주세요:
  - 네비게이션 패턴 (Tab Bar, Drawer, Stack)
  - Safe Area / Status Bar 처리
  - 터치 타겟 크기 (최소 44pt)
  - 플랫폼 디자인 가이드라인 준수 여부 (HIG/Material)

HUD 분석:

다음 게임 스크린샷에서 HUD(Head-Up Display) 요소를 분석해주세요.

{공통 분해 규칙 블록}

추가 요구:
- 각 HUD 요소의 Safe Area 기준 위치
- 가독성 평가 (대비 비율, 폰트 크기 추정)
- Unity Canvas Scaler 설정과 Anchor Preset 제안

아이콘/에셋 분석:

다음 스크린샷에서 아이콘과 시각 에셋을 분석해주세요.

{공통 분해 규칙 블록}

추가 요구:
- 아이콘 스타일(플랫/스큐어모픽/아웃라인)
- 크기 규격(px 추정)
- 아트 디렉션 키워드
- Sprite Atlas 구성 제안

이펙트 프레임 분석:

다음 스크린샷에서 시각 이펙트(파티클, 글로우, 블러 등)를 분석해주세요.

{공통 분해 규칙 블록}

추가 요구:
- 이펙트 방향, 블렌딩 모드(추정), 강도
- Unity Particle System 또는 Shader Graph 재현 방법

경쟁작 비교:

다음 스크린샷들을 비교 분석해주세요.

{공통 분해 규칙 블록}

추가 요구:
- 레이아웃 구조, 정보 배치, 컬러 사용, UX 패턴의 차이점과 공통점
- 각 접근법의 장단점 평가

구현 검증:

다음 두 스크린샷을 비교해주세요.
첫 번째는 레퍼런스(목표), 두 번째는 실제 구현 결과입니다.

비교 항목:
1. 레이아웃 일치도 (위치, 크기, 비율)
2. 컬러/스타일 일치도
3. 누락된 요소
4. 추가된 요소 (의도적 변경인지 누락인지)
5. 전체 완성도 점수 (1-10)
6. 개선 필요 항목

출력 형식:
| 항목 | 레퍼런스 | 구현 | 일치도 | 비고 |

컴포넌트 추출 모드 전용 — bbox JSON 추가 지시 블록 (--extract 시 공통 분해 규칙 블록 뒤에 추가):

## 컴포넌트 추출 JSON (필수)

분석 결과 마지막에 아래 형식의 JSON 코드블록을 반드시 포함하라.

규칙:
1. bbox는 이미지 전체 크기 대비 정규화 좌표 (0.0~1.0)
2. bbox는 반드시 컴포넌트를 완전히 포함해야 한다 — 엣지 클리핑(잘림) 절대 금지
3. 인접한 다른 컴포넌트 영역을 침범하지 않는다 (형제 컴포넌트 겹침 최소화)
4. Background 타입은 반드시 {"x":0,"y":0,"w":1.0,"h":1.0}
5. id는 타입 접두어 사용: bg_*, btn_*, icon_*, overlay_*, text_*, img_*
6. 최대 50개 고유 컴포넌트

```json
{
  "components": [
    {
      "id": "bg_main",
      "name": "메인 배경",
      "type": "Background",
      "bbox": {"x": 0.0, "y": 0.0, "w": 1.0, "h": 1.0},
      "z_order": 0
    },
    {
      "id": "btn_attack",
      "name": "공격 버튼",
      "type": "Button",
      "bbox": {"x": 0.72, "y": 0.80, "w": 0.20, "h": 0.08},
      "z_order": 3
    },
    {
      "id": "icon_hp",
      "name": "HP 아이콘",
      "type": "Icon",
      "bbox": {"x": 0.05, "y": 0.04, "w": 0.06, "h": 0.06},
      "z_order": 2
    }
  ]
}

**컴포넌트 추출 모드 — Agent Teams 실행 구조**:

[오케스트레이터 — Sonnet]

Pass 1 (병렬): ├─ [Analyzer Agent × N] (gemini-3.1-pro-preview) │ → 이미지 N장 동시 분석, 각각 초안 bbox JSON 생성 └─ [OverlapDetector] (내부 처리) → bbox 취합 후 형제 IoU 사전 검사

Pass 2 — 정밀 검증 (병렬, CRITICAL): └─ [Verifier Agent × M] (gemini-3.1-pro-preview) → 각 초안 bbox 크롭을 Gemini 재전송 → 질문: "이 컴포넌트가 완전히 포함됐는가? 잘린 부분이 있는가?" → 잘림 감지 시: 확장 방향(상/하/좌/우) + 확장량(px) 반환 → bbox 보정

병렬 실행: ├─ [Extractor Agent] (Sonnet) → 보정 bbox → extract-components.py 실행 └─ [Evaluator Agent] (내부) → 루브릭 5항목 자기평가

### Step 3: 분석 실행

`analyze-screenshot.sh`를 호출하여 Gemini Vision API 분석을 실행한다.

**단일 이미지 분석:**
```bash
bash ~/.claude/scripts/analyze-screenshot.sh \
  "{IMAGE_PATH}" \
  "docs/assets/screenshot-refs/{YYYY-MM-DD}-{REF_NAME}-analysis.md" \
  "{Step 2에서 조립한 전체 프롬프트 — 공통 블록 포함}"

멀티 이미지 비교 분석 (경쟁작 비교, 구현 검증):

bash ~/.claude/scripts/analyze-screenshot.sh \
  "{IMAGE1_PATH}" \
  "docs/assets/screenshot-refs/{YYYY-MM-DD}-{REF_NAME}-compare.md" \
  "{비교 분석 프롬프트}" \
  "{IMAGE2_PATH}" \
  "{IMAGE3_PATH}"  # 선택

멀티 이미지: 2-3장을 한 번의 API 호출로 Gemini에 전송하여 직접 비교. 기존 순차 분석 → 텍스트 비교 대비 정확도와 일관성 향상.

모델 선택 (환경변수 GEMINI_MODEL):

# 기본: gemini-3.5-flash (빠르고 저렴)
# 고품질: gemini-2.5-pro (정밀 분해, 복잡한 UI)
GEMINI_MODEL=gemini-2.5-pro bash ~/.claude/scripts/analyze-screenshot.sh ...

Step 3.5: 컴포넌트 추출 실행 (--extract 모드 전용)

Pass 1 분석 완료 후, Pass 2 Verifier와 Extractor를 Agent Teams로 병렬 실행한다.

Pass 2 — Verifier (각 컴포넌트 병렬, gemini-3.1-pro-preview):

각 컴포넌트 bbox로 원본 이미지를 임시 크롭 → Gemini 재전송:

# 임시 크롭 생성
python3 -c "
from PIL import Image
img = Image.open('{IMAGE_PATH}')
w,h = img.size
bbox = {bbox_dict}
left = int(bbox['x']*w); top = int(bbox['y']*h)
right = int((bbox['x']+bbox['w'])*w); bottom = int((bbox['y']+bbox['h'])*h)
img.crop((left,top,right,bottom)).save('/tmp/verify_{comp_id}.png')
"

# Gemini 재확인
GEMINI_MODEL=gemini-3.1-pro-preview bash ~/.claude/scripts/analyze-screenshot.sh \
  "/tmp/verify_{comp_id}.png" \
  "" \
  "이 이미지에서 '{comp_name}'({comp_type}) 컴포넌트가 완전히 포함되어 있는가?
   잘린 부분(엣지 클리핑)이 있으면 JSON으로 응답:
   {\"clipped\": true, \"expand\": {\"top\": 0, \"bottom\": 0, \"left\": 0, \"right\": 0}}
   잘림 없으면: {\"clipped\": false}"

잘림 감지 시 bbox를 expand 값만큼 원본 이미지 기준으로 보정 후 재크롭.

Extractor (Verifier 완료 후 즉시, Sonnet):

GEMINI_MODEL=gemini-3.1-pro-preview \
python3 ~/.claude/scripts/extract-components.py \
  --image "{IMAGE_PATH}" \
  --analysis "{ANALYSIS_MD_PATH}" \
  --output "docs/assets/screenshot-refs/{YYYY-MM-DD}-{REF_NAME}-components"

Kill Conditions:

• bbox JSON 미포함 → 재프롬프트 1회 → 실패 시 텍스트 분석만 반환 (폴백)
• Gemini API 오류 → 즉시 폴백, 오류 메시지 출력
• 이미지 20MB 초과 → 추출 모드 차단
• 크롭 결과 0개 → 오류 + 안내

Canary:

🟢 Green  = 루브릭 5항목 PASS (커버리지≥60% / 컴포넌트 2~50 / 크기≥16px / 파일정상 / 중복없음)
🟡 Yellow = 1~2항목 WARN
🔴 Red    = bbox JSON 없음 OR 추출 0개

Step 4: 결과 검증 + 출력

Gemini 응답에서 아래 5개 필수 요소를 검증한다. 하나라도 누락되면 해당 섹션을 AI가 직접 보완한다.

#	필수 요소	검증 기준
1	컴포넌트 분해 테이블	마크다운 테이블, 최소 5행
2	컬러 팔레트	#RRGGBB Hex 최소 3색
3	Prefab 계층 트리	트리 구조 코드 블록
4	구현 가이드	Canvas/Anchor 설정 포함
5	(추정)/(확정) 태그	모든 추정값에 태그

--extract 모드 추가 검증 (루브릭 5항목):

#	항목	PASS 기준	FAIL 시
1	bbox JSON	json {"components":[...]} 블록 존재	재프롬프트 1회 → 없으면 폴백
2	bbox 커버리지	컴포넌트 면적 합계 ≥ 화면 60%	누락 컴포넌트 경고
3	컴포넌트 수	2 ≤ N ≤ 50	0~1: 재시도 / 51+: 상위 50개
4	파일 생성	추출 PNG 정상 저장	실패 목록 출력
5	겹침 상태	_overlap-report.json GREEN	YELLOW/RED 경고 출력

출력 모드별 포맷

기본 모드: 위 5개 요소를 순서대로 출력

시안 분석 모드 (--mockup): 모든 값을 (확정) 태그로 추출

추가 출력:

Section 16-1 — 시안 바인딩 테이블

시안 경로	시안 내 요소	매핑 대상 섹션	매핑 파라미터	확정값

Section 10 — 디자인 토큰 바인딩 (확정)

요소	토큰명	값	출처

토큰명: 프로젝트 style-guide.md 기존 토큰 매칭 우선. 없으면 --color-{용도} 패턴.

Section 7 — Prefab 계층 구조 (확정)

트리 구조 + 컴포넌트 테이블 (기본 모드와 동일 형식, 값은 (확정))

---

Task Doc 모드: Element Task Doc 섹션 형식으로 직접 출력 (경쟁작/참고 자료 — 추정값):

Section 7 — Prefab 계층 구조

UI 프레임워크: [분석에서 감지된 프레임워크, 예: uGUI / NGUI]

Canvas (Screen Space - Overlay)
├── [관찰된 영역 A] (RectTransform) — [위치 설명]
│   ├── [자식 요소] ([컴포넌트 추정]) — [역할]
│   └── ...

오브젝트	컴포넌트 (추정)	역할	Anchor 추정	Pivot 추정	비고

Section 10 — 디자인 토큰 바인딩

요소	토큰명	값	출처

토큰명: --color-{용도}, --space-{크기}, --font-{레벨} 패턴.

Section 16 — 레퍼런스 바인딩

레퍼런스 유형	원본 경로	참고 구간	적용 대상	분석 결과 요약

---

Step 5: 저장 + 후속

1. 구조화된 분석 결과를 사용자에게 출력
2. docs/assets/screenshot-refs/에 분석 파일 저장
3. --extract 모드: 추출 결과를 아래 경로에 저장

   docs/assets/screenshot-refs/{YYYY-MM-DD}-{REF_NAME}-components/
   ├── _manifest.json         ← 컴포넌트 메타데이터 + 픽셀 bbox
   ├── _overlap-report.json   ← IoU 겹침 경고 + 상태(GREEN/YELLOW/RED)
   ├── backgrounds/           bg_*.png
   ├── buttons/               btn_*.png
   ├── icons/                 icon_*.png
   ├── overlays/              overlay_*.png
   ├── text/                  text_*.png
   ├── images/                img_*.png
   ├── containers/            container_*.png
   └── etc/                   기타
   

4. GDD/Spec 작성 중이면 해당 섹션에 삽입 안내
5. --extract 모드 후속: _manifest.json 경로를 game-asset-generate 스킬에 전달 가능 (추출된 컴포넌트를 에셋 생성 레퍼런스로 바로 활용)

Trine 연동

Phase	사용 시점	행동
S3 (GDD)	6.3 UI/UX 가이드, 3.3 화면 상세	경쟁작 UI 비교 분석
S4 (UI/UX 기획서)	와이어프레임 + 레퍼런스	레퍼런스 분석 → 기획서에 삽입
Trine Phase 2 (Spec)	Section 9.5 UI 상태	목업/스크린샷 기반 UI 구조 정의
Phase 2 (Element Task Doc)	Complex UI 요소 상세 명세 시	스크린샷 분석 (Task Doc 모드) → Section 7 + 10 + 16 직접 출력
Trine Phase 3 (구현)	구현 시 레퍼런스 참조	분석 파일 재참조
Trine Phase 3 (역비교)	구현 완료 후 Check 3 PASS 후	구현 스크린샷 vs 레퍼런스 비교 (구현 검증 모드)

AI 행동 규칙

1. 이미지 분석 요청 시 Element Task Doc 작성 컨텍스트인지 먼저 판단한다
2. Element Task Doc 작성 컨텍스트에서 호출되면 Task Doc 모드를 자동 적용한다
3. 기본/Task Doc/시안/구현검증 모드 선택을 사용자에게 묻지 않는다 — 컨텍스트로 자동 판단한다
4. 분석 전 "X 분석 → [모드] 모드로 실행합니다" 한 줄 선언 후 실행한다
5. Gemini 응답에 필수 요소가 누락되면 AI가 직접 보완한다 — 누락 상태로 출력 금지

스타일 추출 모드 (P0)

/style-train 스킬에서 호출되는 전용 모드. 5-10개 기존 에셋에서 공통 시각 패턴을 추출한다.

분석 항목:

• 컬러 팔레트 (Primary/Secondary/Accent/Background)
• 아트 스타일 키워드 (flat/minimal/painted 등)
• 일관성 패턴 (테두리, 여백, 그림자, 텍스처)
• 타이포그래피 추정 (폰트 스타일/크기)

출력: style-guide-template.md 형식에 맞춘 초안

일관성 검증 모드 (P4)

에셋 5개 이상이 생성된 후, 전체를 컴포지트 이미지로 배치하여 "같은 프로젝트의 에셋으로 보이는가?"를 검증한다.

검증 항목:

1. 컬러 팔레트 일관성
2. 아트 스타일 일관성 (선/채색/텍스처)
3. 비율/크기 규격 준수
4. 조명 방향 통일

출력: 일관성 점수 (High/Medium/Low) + 불일치 에셋 목록

AI 크리틱 모드

에셋 생성 후 4항목 자동 검증:

1. 계층 (Hierarchy): 시각적 중요도 순서가 명확한가?
2. 일관성 (Consistency): style-guide.md 키워드/규격과 일치하는가?
3. 안티패턴 (Anti-pattern): ai-anti-patterns.md 항목에 해당하지 않는가?
4. 브리프 부합 (Brief Compliance): art-direction-brief.md와 일치하는가?

환경 요구사항

• GEMINI_API_KEY 환경변수 설정 필수
• ~/.claude/scripts/analyze-screenshot.sh 스크립트 존재
• Python 3 (JSON 파싱용)
• curl (API 호출용)

주의사항

• 이미지 분석은 Gemini API 크레딧을 소비한다 — 불필요한 반복 분석 방지
• 캐싱: output-file이 이미 존재하면 API를 호출하지 않는다
• 이미지 크기 제한: 20MB 이하
• 비교 분석 시 멀티 이미지 모드(2-3장 동시 전송)를 우선 사용, 4장 이상은 순차 분석

보안 주의사항

이 스킬은 이미지 전체를 base64로 인코딩하여 Google Gemini API로 전송한다. 아래 유형의 이미지는 전송 전 확인이 필요하다:

주의 대상	이유	대안
미공개 게임/앱 기능 스크린샷	사전 공개 위험	출시 후 또는 공개 베타 버전만 사용
경쟁사 NDA 적용 베타 화면	제3자 정보 무단 전송	공식 스토어/사이트 스크린샷만 사용
PII가 포함된 화면	개인정보 유출	캡처 전 민감 정보 마스킹 처리

권장: 경쟁사 분석에는 App Store, Google Play, 공식 웹사이트의 공개 스크린샷만 활용한다.

Workflow 통합 (계획서 P1)

병렬/다단계 실행 = Workflow 도구로 컨텍스트 격리 + resume 지원. 패턴: Codex Vision→Gemini fallback.

실행: Workflow({ script: Bash("cat ~/.claude/skills/screenshot-analyze/workflow.js"), args: { imagePath, intent, crMode } })

CLAUDE_CODE_DISABLE_WORKFLOWS=1 시 기존 방식 fallback.

--cr 옵션 (crMode)

Codex Vision 사용 여부를 제어한다. caller는 ~/forge/shared/scripts/cr-mode.sh 조회 후 args.crMode로 전달한다.

값	동작
on (기본)	Codex Vision primary → Gemini fallback (현재 동작)
degrade	Codex Vision 스킵 → Gemini Vision 직행
off	Codex Vision 스킵 → Gemini Vision 직행

로그: [cr] screenshot Codex Vision skipped (crMode=<value>) → Gemini

⚠️ Phase 0 전제: Codex/Gemini Vision용 approve-worker 토큰 외부 선발행 필수 (Workflow는 셸 직접 호출 불가).