DDDFXYqiming

Pseudo Vision Skill — Development skill for Claude Code

Development community

Local OCR, color-statistics, pixel-scan, and metadata bridge as a cross-framework skill for text-only agent models; no external vision API.

How to install Pseudo Vision Skill

This entry records only its repository, not the path inside it, so there is no exact command to give. Open DDDFXYqiming/pseudo-vision-skill and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

What Pseudo Vision Skill does

Local OCR, color-statistics, pixel-scan, and metadata bridge as a cross-framework skill for text-only agent models; no external vision API. Algorithm-identical to dsh-pseudo-vision / pi-pseudo-vision.

Alternatives in Development

Screenshot — Capture desktop, app windows, or pixel regions across OS platforms 14.6k ★
Product Vision — Brainstorm inspiring, achievable product vision statements 7.8k ★
JWT Scan — JWT attack toolkit (offline) — alg:none forgery, RS256→HS256 algorithm confusion, weak-secret crack, static cl 4.5k ★

README

简体中文 | [English](README.en.md)

pseudo-vision-skill

一个跨框架的"工具层视觉" skill。图片在本机被拆成四路证据，OCR 文字、颜色统计、像素扫描和元信息，纯文本模型的智能体拿到这包证据就能读图。同一套算法层可以装进 Claude Code / pi / Hermes / WorkBuddy 等任何支持 skill 的框架，**无需逐个开发插件**。计算全程发生在本机，**无外部视觉 API**。

**算法与 [dsh-pseudo-vision](https://github.com/DDDFXYqiming/dsh-pseudo-vision) / [pi-pseudo-vision](https://github.com/DDDFXYqiming/pi-pseudo-vision) 插件完全同源**。算法只有一份权威源（pi 仓库），改完用 `sync-from-pi.mjs` 一键同步过来。

**实机验证通过**。pi 加 kimi-for-coding 这样的纯文本模型，配上本 skill，完整读图成功。OCR 全对（含中文），深色主题判断正确，布局定位到了行级。

为什么是 skill 而不是插件

dsh 的准入校验极严，粘贴图片时直接拒绝发给 text-only 模型，要接住这条路只能靠插件级路由接管，所以 dsh-pseudo-vision 保留插件形态
其他框架（pi / Claude Code / Hermes 等）不拦截。text-only 模型能感觉到面前有一张图，只是自己读不出来，这种情况一个 skill 就够了
一份实现，装遍所有框架。算法改动只发生在算法源仓库，跑一次 sync 就分发到位

提供的能力（CLI 模式 ↔ 插件工具对照）

CLI 模式	等价插件工具	作用	实现
`full`（默认）	`pseudo_vision_convert`	四件套聚合为单一证据块（缓存 + 32K 封顶 + 分块 + OCR 失败写回）	sharp + tesseract.js
`--mode ocr`	`vision_ocr`	预算预处理 OCR + 低置信度重试 + 数字复核通道（IP/URL/端口 `0↔6/9/8` 字形重识别）	tesseract.js（chi_sim + eng）
`--mode colors`	`vision_color_stats`	9 桶（白/黑/灰/红/绿/蓝/黄/青/品红/其他）像素占比 + 平均亮度	sharp + 直方图
`--mode scan`	`vision_pixel_scan`	`target` 找指定颜色行；`universal` 输出全部非背景色行/列（背景豁免 + 部分带 surfaced）	sharp raw pixel
`--mode meta`	`vision_meta`	尺寸、格式、色彩空间、四角/中心采样	sharp metadata

文件护栏（v0.1.0）。所有入口先过一道 64MB 大小上限加 PNG/JPEG/WebP/GIF magic-number 嗅探，任意二进制或文本文件进不了 OCR 管线。

离线 OCR（v0.1.0）。`tessdata/` 内置语言包，配合 `PV_TESSDATA` 环境变量（`langPath + gzip:false`），首次运行不再从 CDN 拉语言包，完全离线可用。

安装

git clone https://github.com/DDDFXYqiming/pseudo-vision-skill.git
cd pseudo-vision-skill && node setup.mjs   # 一键：npm 依赖 + 离线语言包

**装进你的框架**，任选其一。目录结构本身就符合 skill 规范，`SKILL.md`、`scripts/` 和 `src/` 一样不缺。

# 通用（pi / Claude Code 等支持 ~/.agents/skills 约定的框架）
cp -r pseudo-vision-skill ~/.agents/skills/pseudo-vision

# pi
cp -r pseudo-vision-skill ~/.pi/agent/skills/pseudo-vision