Перейти к содержимому
TakoAPI
Назад к навыкам

nvidia-kimi-vision

от miladnoo

Web & Frontend Development
527Число загрузок по данным clawskills.sh
0Просмотры
0 лайковВойдите, чтобы поставить лайк навыку
—Ещё нет оценок
Ваша оценка

Кратко

Analyze images using NVIDIA Kimi K2.5 vision model via NVIDIA NIM API.

Описание

Что делает этот навык

Analyzes images using the Kimi K2.5 multimodal model via NVIDIA NIM API. Useful for adding vision capabilities to agents or models that lack native image understanding. Supports PNG, JPG, JPEG, and WebP formats.

Gives any agent or model image understanding without requiring a native vision model, using NVIDIA NIM's free tier for fast inference.

Когда его использовать

  • Extract text from a screenshot
  • Describe what's in a photo
  • Analyze a meme or diagram
  • Identify objects in an image
  • Add vision to a non-vision LLM workflow

Пример сценария

ВВОД

User asks: What does this receipt say?

АГЕНТ
  1. 1

    Receives the image path and prompt from the user

  2. 2

    Checks for an NVIDIA NIM API key in ~/.config/nvidia-kimi-api-key

  3. 3

    Calls the Kimi K2.5 model via NVIDIA NIM API with the image and prompt

  4. 4

    Returns the extracted text from the receipt

ВЫВОД

Itemized list of purchases and totals read from the receipt image

Требования

  • NVIDIA NIM API key from build.nvidia.com (free tier available)

Установка

clawhub install miladnoo/nvidia-kimi-vision

Выполните команду CLI или вставьте промпт в Claude Code, Cursor, Codex — любой кодинг-агент, которым пользуетесь.

Ссылки