给纯文本大模型补上视觉能力的工具箱，支持多图理解、长截图 OCR、前端 UI 还原和 GUI 自动化，可无缝接入 Claude Code、Codex 等主流 agent。

给纯文本大模型补上视觉能力的工具箱，一行安装即可粘贴图片识别、多图问答、长截图 OCR 和截图还原前端 UI，还能做像素对比与元素定位。

MIT-Princeton 开源的 Amazon Picking Challenge 2016 视觉工具箱，用 RGB-D 卷积网络做物体分割和 6D 位姿估计，帮机器人完成抓取任务。