Vision Bridge Skill
SlXiaMi/vision-bridge-skill
Adiciona capacidade de visão a modelos de IA não-multimodais
Ver no GitHubSkill que permite modelos de IA sem suporte nativo a visão analisar imagens, PDFs, screenshots e gráficos. Implementa protocolo de comunicação entre IA e oferece recursos como OCR, processamento em lote, comparação multi-imagem e marcação de confiança.
Instalação
npx convez-ai SlXiaMi/vision-bridge-skill1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Análise de screenshots e imagens em fluxos de automação
- Extração de texto de documentos PDF e gráficos via OCR
- Comparação e validação de múltiplas imagens em pipelines
- Processamento em lote de conteúdo visual para modelos sem visão
Veredito

Solução técnica sólida para contornar limitações de modelos sem multimodal. Útil em cenários de automação onde processamento visual é necessário, mas exige configuração e pode adicionar latência comparado a modelos nativamente multimodais.
README
A tradução para o português deste README ainda está na fila.
vision-bridge-skill
让不支持多模态的 AI 也能"看懂"视觉内容。
Give AI models without vision the ability to "see" visual content.
快速开始 / Quick Start:
git clone https://github.com/SlXiaMi/vision-bridge-skill.git ~/.claude/skills/vision-bridge-skill
cd ~/.claude/skills/vision-bridge-skill
cp vision-bridge-config.example.json vision-bridge-config.json
# Edit config, then verify
python scripts/vision-bridge.py --check
支持 / Features: 照片分析 / 截图识别 / PDF 查阅 / 图表解读 / OCR 文字提取 / 批量处理 / 多图对比 / 流式输出 / 置信度标记 / 格式纠偏重试
Photo analysis / Screenshot recognition / PDF documents / Chart reading / OCR / Batch processing / Multi-image comparison / Streaming / Confidence markers / Format-correct retry
License
MIT