# VLM

Скилл подключает распознавание картинок через z-ai-web-dev-sdk и CLI z-ai. Пригодится для анализа фото, извлечения текста и сравнения графики на бэкенде.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 343 установки · ★ 26
- Автор: AnswerZhao
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/AnswerZhao/agent-skills/tree/HEAD/glm-skills/VLM/SKILL.md
- Обновлён: 2026-01-15
- HTML: https://affpapa.org/nevibecode/skills/vlm

## Что делает

Скилл добавляет в проект инструкции и шаблоны для интеграции мультимодальных моделей с помощью пакета `z-ai-web-dev-sdk`. Внутри лежат примеры кода вроде `scripts/vlm.ts` и описание команд для терминала. Для быстрых проверок и скриптов автоматизации доступна утилита `z-ai vision`, поддерживающая цепочки рассуждений через флаг `--thinking` и потоковую выдачу.

Пакет `z-ai-web-dev-sdk` рассчитан строго на бэкенд, поэтому запускать вызовы напрямую в клиентском бандле нельзя. Модели принимают изображения форматов PNG, JPEG, GIF, WebP и BMP. Автор рекомендует передавать локальные файлы в кодировке base64, так как это надёжнее передачи внешних URL.

Кроме статичной графики API поддерживает ссылки на видео и документы через типы `video_url` и `file_url`. В одном запросе разрешено совмещать текстовый промпт с несколькими файлами одновременно.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add AnswerZhao/agent-skills --skill vlm -a claude-code
```
```bash
npx skills add AnswerZhao/agent-skills --skill VLM -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/VLM/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/VLM/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add AnswerZhao/agent-skills --skill VLM -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/VLM/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add AnswerZhao/agent-skills --skill VLM -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/VLM/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install AnswerZhao/agent-skills VLM
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/VLM/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add AnswerZhao/agent-skills --skill VLM -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/AnswerZhao/agent-skills --path glm-skills/VLM
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/VLM/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add AnswerZhao/agent-skills --skill VLM -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/AnswerZhao/agent-skills/tree/HEAD/glm-skills/VLM/SKILL.md

## Когда брать
- сравнить два изображения и найти различия
- распознать объекты на локальной фотографии через CLI
- встроить мультимодальный чат в бэкенд на Node.js
- обработать документ или кадр видео вместе с текстовым промптом

## Примеры запросов агенту
- Напиши бэкенд-функцию для описания фото `product.jpg` в base64 через `z-ai-web-dev-sdk`.
- Сравни снимки `before.jpg` и `after.jpg` с помощью консольной команды `z-ai vision`.
- Сделай скрипт с цепочкой рассуждений `--thinking` для подсчёта объектов на схеме.

## Похожие
- [modlens](https://affpapa.org/nevibecode/skills/modlens.md) — скилл · 923 установки
- [vision-analysis](https://affpapa.org/nevibecode/skills/vision-analysis.md) — скилл · 2700 установок
- [gemini-image](https://affpapa.org/nevibecode/skills/gemini-image.md) — скилл · 1200 установок
- [minimax-image-understanding](https://affpapa.org/nevibecode/skills/minimax-image-understanding.md) — скилл · 556 установок
- [linkfox-multimodal-extract-attributes](https://affpapa.org/nevibecode/skills/linkfox-multimodal-extract-attributes.md) — скилл · 409 установок
- [vision](https://affpapa.org/nevibecode/skills/vision.md) — скилл · 13400 установок

Из того же набора: [answerzhao/agent-skills](https://affpapa.org/nevibecode/by/answerzhao/agent-skills.md) — 2 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md