# Vision

> Vision Skill

- Skill: `futurediffusion/vision` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add futurediffusion/vision`
- Raw SKILL.md: https://api.skillmd.com/api/skills/futurediffusion/vision/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: futurediffusion (https://skillmd.com/u/futurediffusion)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/futurediffusion/vision

---

# Vision Skill

## Propósito
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
```bash
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