К основному содержанию
скилл CX Codex

configuring-vision — скилл для Claude Code: что делает

Настраивает провайдеров зрения для Watch Skill: подключает OpenAI, Anthropic, Gemini, OpenRouter или локальную Ollama без привязки к одной модели.

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

Что делает configuring-vision

Скилл конфигурирует визуальный бэкенд Watch Skill через команду watch-skill setup-vision. Движок работает с Anthropic, OpenAI, Gemini, OpenRouter и локальной Ollama. При этом скилл запрещает отправлять секретные ключи прямо в чат: параметры передаются через переменные окружения или команду в локальном терминале.

Задачи распознавания можно разделить по стоимости. Для быстрой разметки сцен назначается лёгкая модель через флаг --cheap-model, а для проверки неочевидных ответов — глубокая через --strong-model. Флаг --verify выполняет один тестовый запрос к провайдеру и выводит структурированную ошибку с инструкцией fix в случае сбоя.

Внешний API вообще не является обязательным требованием. Без подключённого провайдера Watch Skill всё равно сохраняет видео, читает субтитры, запускает локальную транскрипцию и OCR, поэтому поиск по таймкодам продолжит работать.

Какие задачи решает

  • подключить API Anthropic, OpenAI, Gemini или OpenRouter к Watch Skill
  • настроить локальную модель зрения через Ollama
  • разделить обработку видео между дешёвой и сильной моделями
  • проверить доступность провайдера с помощью флага --verify

Примеры запросов агенту

  • Настрой зрение в Watch Skill через локальную Ollama
  • Подключи OpenRouter для Watch Skill с дешёвой моделью для сцен и сильной для верификации
  • Проверь подключение к Gemini в Watch Skill с флагом verify

Как установить configuring-vision

1Через Skills CLI (Vercel)

npx skills add oxbshw/watch-skill --skill configuring-vision -a claude-code

2Вручную: положить файлы

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

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

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

Вопросы о configuring-vision

Как установить configuring-vision в Claude Code?

Выполните команду npx skills add oxbshw/watch-skill --skill configuring-vision -a claude-code.

Что делает скилл configuring-vision?

Он помогает настроить распознавание изображений и видео в Watch Skill, подключая внешние API или локальный бэкенд.

Будет ли работать Watch Skill без ключей API?

Да. Без провайдера зрения инструмент продолжает загружать видео, извлекать субтитры, запускать локальную транскрипцию и OCR, выдавая доказательства с таймкодами.

Исходный текст

SKILL.md · MIT
---
name: configuring-vision
version: "1.4.3"
description: The user wants to connect an LLM or vision provider, already has an API key, asks "can I use OpenAI/Anthropic/Gemini/OpenRouter", wants local Ollama, or needs different cheap and strong models. Use this to configure provider-neutral visual understanding without tying Watch Skill to one agent or model vendor.
license: MIT
user-invocable: true
allowed-tools: Bash, Read
---

# Configuring vision

Watch Skill's agent surface and model backend are separate choices. Claude Code,
Codex, Cursor, OpenClaw, framework agents, and REST clients all call the same engine;
the engine can send selected frames to any supported vision provider.

## Supported providers

```bash
watch-skill setup-vision --provider anthropic --api-key <KEY>
watch-skill setup-vision --provider openai --api-key <KEY>
watch-skill setup-vision --provider gemini --api-key <KEY>
watch-skill setup-vision --provider openrouter --api-key <KEY>
watch-skill setup-vision --provider ollama
```

Prefer a key the user already has. Do not claim Ollama is required, and do not ask
the user to reveal a secret in chat. They can set the matching environment variable
or run the command privately in their terminal.

## Route bulk work and verification separately

One model can serve both tiers:

```bash
watch-skill setup-vision --provider openai --api-key <KEY> --model <vision-model>
```

Or use a cheaper model for scene descriptions and a stronger model for uncertain
answers and loop critiques:

```bash
watch-skill setup-vision --provider openrouter --api-key <KEY> \
  --cheap-model <fast-vision-model> --strong-model <strong-vision-model>
```

Add `--verify` to make one live probe call. If it fails, report the structured error
and its `fix`; never echo the key.

## No provider is also valid

Without a vision API, Watch Skill still acquires video, reads captions, runs local
transcription and OCR, indexes evidence, and searches it. Visual synthesis degrades
to timestamped evidence instead of guessing.

© oxbshw · MIT · oxbshw/watch-skill

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
vision kotot Передаёт изображения внешней совместимой с OpenAI визуальной модели, когда у текущего агента нет встроенного зрения. Помогает разбирать скриншоты ошибок, графики и текст со сканов. CX Codex +1 13 400установок qianwen-vision QianWen-AI Разбирает изображения и видео с помощью визуальных моделей Qwen. Скилл распознаёт текст через OCR, читает графики, сравнивает картинки и отвечает на вопросы по видео. CX Codex +1 5 700установок vision-analysis MiniMax-AI Описывает картинки, вытаскивает текст и разбирает интерфейсы через инструмент MiniMax. Пригодится, когда агенту нужно понять, что на скриншоте или макете. CX Codex +1 2 700установок qwencloud-vision QwenCloud Скилл для анализа изображений и видео через модели Qwen VL и QVQ: OCR, чтение графиков и таблиц, сравнение нескольких картинок, визуальные рассуждения. CX Codex +1 1 800установок vision-multimodal TheLobbi Скилл с готовыми шаблонами кода для распознавания картинок, скриншотов и PDF через API Anthropic. Пригодится, когда агенту нужно разобрать чужой интерфейс или вытащить таблицу из скана. CX Codex +1 550установок 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

Из того же набора10

video-memory Постоянный индекс всех видео, которые агент разбирал на этой машине: кадры, OCR, транскрипты и прошлые ответы. Пригодится, когда нужно вспомнить, что было в записи. CX Codex +1 510установок asking-with-evidence Отвечает на вопросы по ранее просмотренным видео из локального индекса с таймкодами и оценкой уверенности. Позволяет проверить детали без повторного запуска анализа. CX Codex +1 506установок extracting-structure Достаёт структуру из уже просмотренного видео: главы с таймкодами, баг-репорт с точным кадром, оценку вступления. CX Codex +1 505установок the-loop Записывает, как ведёт себя интерфейс, анимация или игра, сверяет запись с вашими критериями и повторяет прогон, пока не пройдёт. CX Codex +1 501установок recovering-from-errors Скилл разбирает сбои Watch Skill: читает код ошибки, запускает watch-skill doctor и повторяет упавшую команду один раз. CX Codex +1 498установок learning-from-mistakes Записывает правки пользователя как уроки, чтобы следующие ответы по похожим вопросам были точнее. Показывает, что уже сохранено. CX Codex +1 496установок sharing-results Собирает разбор видео в один offline HTML-файл: кадры, транскрипт и ответы на вопросы со ссылками на таймкоды. CX Codex +1 495установок watch-skill Превращает видеозаписи, аудио и скринкасты в проверяемые улики с таймкодами. Помогает агенту подтверждать результаты работы детерминированными тестами. CX Codex +1 ★ 528звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой