К основному содержанию
скилл CX Codex

axiom-vision — скилл для Claude Code: компьютерное зрение на Vision

Скилл для работы с Vision framework: сегментация объектов, позы, OCR, штрихкоды. Пригодится, когда пишете фичу распознавания на Apple-платформах.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add CharlesWiltgen/Axiom --skill axiom-vision -a claude-code
Открыть на GitHub

Что делает axiom-vision

Скилл включается, когда в проекте появляется любая задача компьютерного зрения на Vision framework. Внутри — три справочника: skills/vision-framework.md для реализации, skills/vision-ref.md для API и skills/vision-diag.md для отладки. Выбор идёт по таблице симптомов и дереву решений.

Реализация закрывает сегментацию объектов через VisionKit, детекцию позы руки и тела, распознавание текста в быстром и точном режимах, штрихкоды с выбором символики, сканирование документов и живое сканирование через DataScannerViewController. Отдельно описано исключение рук при выделении объекта и HDR-композитинг на CoreImage.

Диагностика разбирает типовые поломки: объект не найден у края кадра, потеряны ориентиры позы, низкая уверенность наблюдений, зависание интерфейса во время обработки, путаница с координатами. Про группировку лиц в людей по всей библиотеке скилл отправляет в axiom-media — Vision детектирует лица в одном изображении, а кластеризацию личностей делает MediaIntelligence. Обработку на главном потоке авторы прямо называют ошибкой: на старых устройствах интерфейс замирает.

Какие задачи решает

  • вырезать объект с фото и убрать руки из маски
  • распознать текст на снимке в точном режиме
  • считать QR-код камерой в реальном времени
  • найти ориентиры позы руки на изображении
  • починить конвертацию координат между системами отсчёта

Примеры запросов агенту

  • Как определить позу руки на изображении?
  • Выдели объект на фото, но исключи руки пользователя
  • Распознавание текста возвращает неверные символы — помоги разобраться

Как установить axiom-vision

1Через Skills CLI (Vercel)

npx skills add CharlesWiltgen/Axiom --skill axiom-vision -a claude-code

2Вручную: положить файлы

~/.claude/skills/axiom-vision/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/axiom-vision/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора27

axiom-apple-docs Скилл находит официальные markdown-руководства Apple и разъяснения ошибок компилятора Swift внутри локального Xcode. CX Codex +1 1 500установок axiom-swiftui Скилл для работы с SwiftUI: разбирает вёрстку, навигацию, анимации, жесты и просадки производительности по конкретным симптомам. CX Codex +1 1 500установок axiom-networking Скилл с правилами и справочниками для сетевого кода в Apple-приложениях. Внутри — маршрутизация по типу задачи, диагностика сбоев и паттерны для URLSession и Network.framework. CX Codex +1 1 500установок axiom-design Скилл помогает принимать решения по дизайну приложений Apple: сетки HIG, эффекты Liquid Glass, подбор SF Symbols, шрифты и переключение экранов авторизации. CX Codex +1 1 400установок axiom-xcode-mcp Помогает подключить Xcode к MCP-клиенту и работать с инструментами IDE: сборкой, тестами, файлами и предпросмотром. CX Codex +1 1 400установок axiom-shipping Скилл для публикации iOS-приложений: чек-листы перед отправкой, разбор отказов App Review, метаданные, privacy manifest и триаж крашей. CX Codex +1 1 400установок axiom-concurrency Скилл для работы с конкурентностью в приложениях на платформах Apple: акторы, @MainActor, Sendable, гонки данных. CX Codex +1 1 300установок axiom-integration Маршрутизирует интеграции с системными службами Apple — от Siri, виджетов и StoreKit до фоновых задач и пушей. Помогает подключить нативные функции платформы к коду проекта. CX Codex +1 1 300установок

Похожие

vision-framework dpearson2699 Скилл для распознавания текста, лиц и штрихкодов в iOS-приложениях. Пригодится, когда нужно добавить OCR или сканирование камерой. CX Codex +1 3 800установок fal-vision nexu-io Скилл подключает модели fal.ai для анализа изображений, сегментации объектов, OCR и визуальных ответов на вопросы. Пригодится при автоматической обработке картинок через агента. CX Codex +1 2 700установок azure-ai-vision-imageanalysis-java Microsoft Скилл по Azure AI Vision SDK для Java: подсказывает агенту, как писать код для подписей к картинкам, OCR, детекции объектов и умной обрезки. ★ 3 148звёзд репо computer-vision-opencv Mindrally Скилл задаёт агенту рамки работы с изображениями и видео: OpenCV, PyTorch, аугментации, трекинг. Пригодится, когда в проекте есть пайплайны обработки кадров. CX Codex +1 3 800установок senior-computer-vision Alireza Rezvani Скилл помогает проектировать пайплайны компьютерного зрения: детекцию объектов, сегментацию и развёртывание моделей. Подойдёт для задач с PyTorch и YOLO. 1 152установок Computer Vision aj-geddes Скилл для задач компьютерного зрения: классификация изображений, детекция объектов, сегментация и оценка позы на PyTorch и TensorFlow. CX Codex +1 499установок

Рядом в теме «Мобильная разработка»

Всё по теме «Мобильная разработка» →

Вопросы о axiom-vision

Как установить axiom-vision в Claude?

Выполните npx skills add CharlesWiltgen/Axiom --skill axiom-vision -a claude-code. Скилл окажется в ~/.claude/skills/axiom-vision/SKILL.md.

Что делает axiom-vision?

Подсказывает, какой API Vision framework взять под задачу, и даёт готовые паттерны для сегментации, поз, OCR, штрихкодов и сканирования документов. Отдельный справочник помогает, когда распознавание уже сломано.

Чем axiom-vision отличается от axiom-media?

Vision детектирует лица в одном изображении. Если нужно сгруппировать лица в людей по всей библиотеке или вытащить ключевые кадры видео, скилл отправляет в axiom-media.

Исходный текст

SKILL.md · MIT
---
name: axiom-vision
description: Use when implementing ANY computer vision feature — image analysis, pose detection, person segmentation, subject lifting, text recognition, barcode scanning.
license: MIT
---

# Computer Vision

**You MUST use this skill for ANY computer vision work using the Vision framework.**

## Quick Reference

| Symptom / Task | Reference |
|----------------|-----------|
| Subject segmentation, lifting | See `skills/vision-framework.md` |
| Hand/body pose detection | See `skills/vision-framework.md` |
| Text recognition (OCR) | See `skills/vision-framework.md` |
| Barcode/QR code detection | See `skills/vision-framework.md` |
| Document scanning | See `skills/vision-framework.md` |
| DataScannerViewController | See `skills/vision-framework.md` |
| Structured document extraction (iOS 26+) | See `skills/vision-framework.md` |
| Isolate object excluding hand | See `skills/vision-framework.md` |
| Tap-to-segment any object `OS27` | See `skills/vision-ref.md` |
| Vision on watchOS `watchOS27` | See `skills/vision-ref.md` |
| Vision tools for Foundation Models (BarcodeReaderTool, OCRTool) `OS27` | See `skills/vision-ref.md` |
| Vision framework API reference | See `skills/vision-ref.md` |
| Visual Intelligence integration (iOS 26+, iPadOS27/macOS27) | See `skills/vision-ref.md` |
| Sensitive content classification (nudity/gore/violence), categorized via `detectedTypes` (`OS27`) | See `skills/vision-ref.md` |
| Group/cluster faces into people across a library, video highlights/key frames (`OS27`) | Use axiom-media (skills/media-intelligence.md) instead — MediaIntelligence clusters identities; Vision detects faces in one image |
| Subject not detected | See `skills/vision-diag.md` |
| Hand/body pose missing landmarks | See `skills/vision-diag.md` |
| Low confidence observations | See `skills/vision-diag.md` |
| UI freezing during processing | See `skills/vision-diag.md` |
| Coordinate conversion bugs | See `skills/vision-diag.md` |
| Text not recognized / wrong chars | See `skills/vision-diag.md` |
| Barcode not detected | See `skills/vision-diag.md` |
| DataScanner blank / no items | See `skills/vision-diag.md` |
| Document edges not detected | See `skills/vision-diag.md` |

## Decision Tree

```dot
digraph vision {
    start [label="Computer vision task" shape=ellipse];
    what [label="What do you need?" shape=diamond];

    start -> what;
    what -> "skills/vision-framework.md" [label="implement feature"];
    what -> "skills/vision-ref.md" [label="API reference"];
    what -> "skills/vision-ref.md" [label="Visual Intelligence"];
    what -> "skills/vision-ref.md" [label="tap-to-segment / watchOS / FM tools (27)"];
    what -> "skills/vision-diag.md" [label="something broken"];
}
```

1. Implementing (pose, segmentation, OCR, barcodes, documents, live scanning)? → `skills/vision-framework.md`
2. Visual Intelligence system integration (camera/screenshot search; iOS 26+, iPadOS27/macOS27)? → `skills/vision-ref.md` (Visual Intelligence section)
3. Tap-to-segment, Vision on watchOS, or Vision tools for Foundation Models (27 cycle)? → `skills/vision-ref.md`
4. Need API reference / code examples? → `skills/vision-ref.md`
5. Debugging issues (detection failures, confidence, coordinates)? → `skills/vision-diag.md`

## Critical Patterns

**Implementation** (`skills/vision-framework.md`):
- Decision tree for choosing the right Vision API
- Subject segmentation with VisionKit
- Isolating objects while excluding hands (combining APIs)
- Hand/body pose detection (21/19 landmarks)
- Text recognition (fast vs accurate modes)
- Barcode detection with symbology selection
- Document scanning and structured extraction (iOS 26+)
- Live scanning with DataScannerViewController
- CoreImage HDR compositing

**Diagnostics** (`skills/vision-diag.md`):
- Subject detection failures (edge of frame, lighting)
- Landmark tracking issues (confidence thresholds)
- Performance optimization (frame skipping, downscaling)
- Coordinate conversion (lower-left vs top-left origin)
- Text recognition failures (language, contrast)
- Barcode detection issues (symbology, size, glare)
- DataScanner troubleshooting (availability, data types)

## Anti-Rationalization

| Thought | Reality |
|---------|---------|
| "Vision framework is just a request/handler pattern" | Vision has coordinate conversion, confidence thresholds, and performance gotchas. vision-framework.md covers them. |
| "I'll handle text recognition without the skill" | VNRecognizeTextRequest has fast/accurate modes and language-specific settings. vision-framework.md has the patterns. |
| "Subject segmentation is straightforward" | Instance masks have HDR compositing and hand-exclusion patterns. vision-framework.md covers complex scenarios. |
| "Visual Intelligence is just the camera API" | Visual Intelligence is a system-level feature requiring IntentValueQuery and SemanticContentDescriptor. vision-ref.md has the integration section. |
| "I'll just process on the main thread" | Vision blocks UI on older devices. Users on iPhone 12 will experience frozen app. 15 min to add background queue. |

## Example Invocations

User: "How do I detect hand pose in an image?"
→ See `skills/vision-framework.md`

User: "Isolate a subject but exclude the user's hands"
→ See `skills/vision-framework.md`

User: "How do I read text from an image?"
→ See `skills/vision-framework.md`

User: "Scan QR codes with the camera"
→ See `skills/vision-framework.md`

User: "Subject detection isn't working"
→ See `skills/vision-diag.md`

User: "Text recognition returns wrong characters"
→ See `skills/vision-diag.md`

User: "Show me VNDetectHumanBodyPoseRequest examples"
→ See `skills/vision-ref.md`

User: "How do I make my app work with Visual Intelligence?"
→ See `skills/vision-ref.md`

User: "Let users tap an object in a photo to cut it out"
→ See `skills/vision-ref.md` (Iterative Segmentation)

User: "Can I use Vision in my watchOS app?"
→ See `skills/vision-ref.md` (Vision on watchOS)

User: "RecognizeDocumentsRequest API reference"
→ See `skills/vision-ref.md`

User: "Group faces into people across my library" / "cluster faces on-device into persons"
→ Use `axiom-media` (`skills/media-intelligence.md`) — identity clustering across assets, not per-image detection

© CharlesWiltgen · MIT · CharlesWiltgen/Axiom

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой