Capturar la pantalla y analizar lo que hay usando Ollama con un modelo
multimodal (gemma4). Compensa la "ceguera" operativa de los modelos.
Archivo principal
analyze_screen.py - Toma screenshot y analiza con Ollama
Uso
analyze_screen.py
python SKILLS/vision/analyze_screen.py
Toma screenshot automáticamente
Lo envía a gemma4 via Ollama
Imprime el análisis en español
Guarda log en LOGS/
Dependencias
Pillow (para captura de pantalla)
Ollama corriendo con gemma4:latest
urllib (stdlib)
Output típico
VISION ANALYSIS
==================================================
[1] Tomando screenshot...
SCREENSHOT: D:\...\WORKSPACE\screenshot_20260415_...
[2] Analizando con gemma4 via Ollama...
ANÁLISIS:
--------------------------------------------------
La imagen muestra una terminal de Windows con...
...
--------------------------------------------------
LOG: D:\...\LOGS\vision_20260415_...
Integración
Se invoca cuando necesito "ver" qué está pasando en pantalla
Útil después de ejecutar comandos para verificar resultados
Reemplaza mi incapacidad de ver el terminal
1---2name: vision3description: Vision Skill4---5# Vision Skill67## Propósito8Capturar la pantalla y analizar lo que hay usando Ollama con un modelo9multimodal (gemma4). Compensa la "ceguera" operativa de los modelos.1011## Archivo principal12- `analyze_screen.py` - Toma screenshot y analiza con Ollama1314## Uso1516### analyze_screen.py17```bash18python SKILLS/vision/analyze_screen.py19```20- Toma screenshot automáticamente21- Lo envía a gemma4 via Ollama22- Imprime el análisis en español23- Guarda log en LOGS/2425## Dependencias26- Pillow (para captura de pantalla)27- Ollama corriendo con gemma4:latest28- urllib (stdlib)2930## Output típico31```32VISION ANALYSIS33==================================================3435[1] Tomando screenshot...36SCREENSHOT: D:\...\WORKSPACE\screenshot_20260415_...3738[2] Analizando con gemma4 via Ollama...3940ANÁLISIS:41--------------------------------------------------42La imagen muestra una terminal de Windows con...43...44--------------------------------------------------4546LOG: D:\...\LOGS\vision_20260415_...47```4849## Integración50- Se invoca cuando necesito "ver" qué está pasando en pantalla51- Útil después de ejecutar comandos para verificar resultados52- Reemplaza mi incapacidad de ver el terminal
Run npx skillmds@latest add futurediffusion/vision in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.
Vision Skill It is listed under AI & ML on SkillMD.
This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.
This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.
Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.
futurediffusion (@futurediffusion) published this skill. Their other Agent Skills are listed on their SkillMD profile.
futurediffusion