关于 axiom-ios-vision
axiom-ios-vision 是面向使用 Vision framework 的 iOS 开发者的路由技能，将实现、API 参考、Visual Intelligence 集成和故障排查导向相应技能。
主要功能
- 01路由图像与视频分析任务
- 02涵盖姿态、分割与人脸检测
- 03指引 OCR、条码和文档扫描
- 04提供 Visual Intelligence 集成指引
- 05路由检测与性能诊断
适用场景
- 01实现手部或身体姿态检测
- 02识别图像中的文字或条码
- 03构建实时扫描或文档扫描
- 04诊断检测缺失或坐标问题
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/axiom-ios-vision确认已加载。
详细介绍
iOS 计算机视觉路由器
使用 Vision 框架进行任何计算机视觉工作时，都必须使用此技能。
适用场景
在以下场景中使用此路由器：
- 分析图像或视频
- 检测物体、人脸或人物
- 跟踪手部或身体姿势
- 分割人物或主体
- 从背景中抠出主体
- 识别图像中的文字（OCR）
- 检测条形码或二维码
- 扫描文档
- 使用 VisionKit 或 DataScannerViewController
- 集成 Visual Intelligence（iOS 26+ 系统相机功能）
路由逻辑
Vision 工作
实现模式 → /skill axiom-vision
- 主体分割（VisionKit）
- 手部姿势检测（21 个关键点）
- 身体姿势检测（2D/3D）
- 人物分割
- 人脸检测
- 隔离物体并排除手部
- 文字识别（VNRecognizeTextRequest）
- 条形码/二维码检测（VNDetectBarcodesRequest）
- 文档扫描（VNDocumentCameraViewController）
- 实时扫描（DataScannerViewController）
- 结构化文档提取（RecognizeDocumentsRequest，iOS 26+）
API 参考 → /skill axiom-vision-ref
- 完整的 Vision 框架 API
- VNDetectHumanHandPoseRequest
- VNDetectHumanBodyPoseRequest
- VNGenerateForegroundInstanceMaskRequest
- VNRecognizeTextRequest（快速/准确模式）
- VNDetectBarcodesRequest（码制）
- DataScannerViewController 委托
- RecognizeDocumentsRequest（iOS 26+）
- 坐标转换模式
Visual Intelligence 集成 → /skill axiom-vision-ref（参见 Visual Intelligence 集成部分）
- 让 Visual Intelligence 相机能够发现应用内容
IntentValueQuery和SemanticContentDescriptor- 从 Visual Intelligence 结果进行深度链接
诊断 → /skill axiom-vision-diag
- 未检测到主体
- 手部姿势缺少关键点
- 观察结果置信度低
- 性能问题
- 坐标转换错误
- 未识别出文字或字符错误
- 未检测到条形码
- DataScanner 显示空白或没有项目
- 未检测到文档边缘
决策树
- 正在实现（姿势、分割、OCR、条形码、文档、实时扫描）？→ vision
- Visual Intelligence 系统集成（相机功能，iOS 26+）？→ vision-ref（Visual Intelligence 部分）
- 需要 API 参考/代码示例？→ vision-ref
- 正在调试问题（检测失败、置信度、坐标）？→ vision-diag
避免自我说服
| 想法 | 实际情况 |
|---|---|
| “Vision 框架不过是请求/处理器模式” | Vision 涉及坐标转换、置信度阈值和性能陷阱。vision 涵盖了这些内容。 |
| “我不用该技能也能处理文字识别” | VNRecognizeTextRequest 有快速/准确模式和特定语言的设置。vision 提供了相关模式。 |
| “主体分割很简单” | 实例蒙版涉及 HDR 合成和排除手部的模式。vision 涵盖了复杂场景。 |
| “Visual Intelligence 只是相机 API” | Visual Intelligence 是系统级功能，需要 IntentValueQuery 和 SemanticContentDescriptor。vision-ref 包含集成部分。 |
关键模式
vision：
- 使用 VisionKit 进行主体分割
- 手部姿势检测（21 个关键点）
- 身体姿势检测（2D/3D，最多 4 人）
- 隔离物体并排除手部
- CoreImage HDR 合成
- 文字识别（快速与准确模式）
- 条形码检测（码制选择）
- 使用透视校正扫描文档
- 使用 DataScannerViewController 实时扫描
- 结构化文档提取（iOS 26+）
vision-diag：
- 主体检测失败
- 关键点跟踪问题
- 性能优化
- 观察结果置信度阈值
- 文字识别失败（语言、对比度）
- 条形码检测问题（码制、距离）
- DataScanner 故障排查
- 文档边缘检测问题
示例调用
用户：“如何检测图像中的手势？”
→ 调用：/skill axiom-vision
用户：“隔离主体，但排除用户的手”
→ 调用：/skill axiom-vision
用户：“如何从图像中读取文本？”
→ 调用：/skill axiom-vision
用户：“用摄像头扫描 QR 码”
→ 调用：/skill axiom-vision
用户：“如何实现文档扫描？”
→ 调用：/skill axiom-vision
用户：“使用 DataScannerViewController 识别实时文本”
→ 调用：/skill axiom-vision
用户：“主体检测不起作用”
→ 调用：/skill axiom-vision-diag
用户：“文本识别返回了错误字符”
→ 调用：/skill axiom-vision-diag
用户：“未检测到条形码”
→ 调用：/skill axiom-vision-diag
用户：“给我看看 VNDetectHumanBodyPoseRequest 的示例”
→ 调用：/skill axiom-vision-ref
用户：“VNDetectBarcodesRequest 支持哪些码制？”
→ 调用：/skill axiom-vision-ref
用户：“RecognizeDocumentsRequest API 参考”
→ 调用：/skill axiom-vision-ref
用户：“如何让我的应用支持 Visual Intelligence？”
→ 调用：/skill axiom-vision-ref
用户：“用户如何通过摄像头发现我的应用内容？”
→ 调用：/skill axiom-vision-ref