目录 / 视觉能力

agent-vision-toolkit

为纯文本模型"看图“设计更好的视觉工具箱和技能，支持多图理解，图片问答，前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode

作者

Anionex

Stars

829

许可证

MIT

来源

https://github.com/Anionex/agent-vision-toolkit

更新

2026/8/14

说明