Skip to main content

vision

You **MUST** use the vision skill when when the your model is text-only (e.g. glm-5.2, deepseek-v4-pro) AND: (1) the user's message contains images; (2) OR the user's message contains URLs or paths to images; (3) OR the user asks to visually verify/check something ("visually verify", "screenshot shows", "centered/visible/hidden", "looks right", "matches the design"); (5) OR a tool result contains an image attachment the current model cannot see (attachments[].mime = "image/png", url = "data:image/png;base64,..."); (4) OR you think it is necessary to READ any visual contents; Triggers on screenshots from chrome-devtools_take_screenshot, playwright_browser_take_screenshot, cua-driver_get_window_state/zoom/take_screenshot and cannot see images itself. Extracts the visual intent from context, designs a prompt-local JSON response template for that specific task, delegates, and parses the returned JSON.

インストールへ移動

ソース情報

リポジトリ
WeZZard/opencode-vision
ソースの最終更新活動
2026年7月23日 22:22
検出された SKILL.md の言語
英語
スター
26
フォーク
0

インストール方法

デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。

ソースファイルを確認

インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。