Open GGOOAI 开源项目
agent-vision-toolkit
Skills编程视觉
项目解读
AI 解读 · 1 个月前更新这个项目是什么？
给只会读文字的编码代理装上一双眼睛：用视觉工具和技能识别图片、理解多图，并处理截图或界面。
解决了什么问题？
原本文本模型看不到粘贴图片，遇到图片问答、长截图或界面操作就会卡住；它把这些视觉任务交给工具处理，再让代理继续工作。
可以用来做什么？
可拿来问图片内容、识别长截图文字、按参考图还原前端页面，或自动操作GUI。比如把网页截图交给代理，让它先读图再还原界面。
README 已更新，当前暂时展示上一版摘要。
正在读取最新信息…
正在读取评论…
