Skip to content

Pantheon Vision: Análise Visual e Inspeção de Telas

🇺🇸 English version available: Read in English

O Pantheon Vision conecta modelos multimodais de visão computacional ao OpenCode, permitindo que você compartilhe capturas de tela, designs e layouts para implementação, depuração e inspeção sem atrito.


1. Como Usar no Dia a Dia

Para inspecionar ou ajustar uma interface: 1. Tire uma captura de tela da tela ou do componente com erro/design desejado. 2. No OpenCode (TUI ou Desktop), cole a imagem da área de transferência (Ctrl+V / Cmd+V). 3. Digite sua instrução:

ajustar isso daqui, criar um menu lateral responsivo e atualizar as métricas


2. Zero Artefatos no Chat (Arquitetura Limpa)

Nas versões legadas, colar uma imagem costumava injetar blocos confusos de texto e comentários HTML no meio da sua mensagem:

<!-- pantheon-v2-visual-context -->
[Visual] "clipboard" at "/tmp/pantheon-vision/6ef92982...png" · Q: '...' · relay session_id=...

Na versão moderna do Pantheon: * Sua mensagem permanece 100% limpa: A interface exibe apenas o texto que você digitou. * Injeção Silenciosa em Contexto de Sistema: As referências da imagem e os metadados de inspeção são injetados diretamente no hook session.context (system). O modelo de IA recebe todas as instruções nos bastidores, sem poluir visualmente a conversa.

flowchart TD
    User(["👤 Desenvolvedor"]) -->|"Cola Screenshot (Ctrl+V)"| OpenCode["🖥️ Interface do OpenCode"]
    OpenCode -->|"Hook de plugin session.context"| VisionHook["👁️ Subsistema Pantheon Vision"]

    VisionHook --> ModelCheck{"Modelo ativo suporta Visão?"}
    ModelCheck -->|Sim| NativePass["Envia imagem diretamente pela API multimodal"]
    ModelCheck -->|Puramente Textual| FallbackServer["Aciona MCP pantheon_vision (describeImagesNative)"]

    FallbackServer --> StructuralDesc["Extrai Estrutura, Textos, Cores e Métricas WCAG"]
    StructuralDesc --> SystemContext["Injeta Descrição Estruturada no Contexto de Sistema"]
    NativePass --> SystemContext

    SystemContext --> Agent["🎨 @aphrodite (Frontend) / ⚡ @zeus"]
    Agent --> Implementation["Implementa o código acessível com Zero Poluição no Chat"]

3. Fallback Automático para Modelos Textuais

Se você estiver utilizando um modelo principal que é puramente textual (ou cujo gateway não aceita imagens diretamente): * O Pantheon não falha e não responde que é incapaz de ler a imagem. * O Pantheon invoca automaticamente o servidor multimodal configurado (describeImagesNative / Zen Go), extrai a descrição estruturada da interface (layout, textos visíveis, botões, métricas numéricas e cores) e entrega ao modelo textual. * O modelo textual passa a "enxergar" a tela por meio da descrição de alta fidelidade e prossegue com a implementação normalmente.


4. Configurando seu Modelo de Visão Preferido

Você pode escolher qual modelo realiza a inspeção de imagens:

Opção A — Pela TUI (Interface Gráfica de Terminal)

  1. Abra a TUI com pantheon tui ou acesse a aba de configurações.
  2. Navegue até a aba Settings ➔ sub-aba Preset.
  3. Localize a linha Vision Model (preset.vision_model).
  4. Alterne para o modelo desejado (padrão auto, opencode-go/mimo-v2.6-flash, anthropic/claude-3-5-sonnet, google/gemini-2.5-flash, etc.).
  5. As alterações são salvas automaticamente no arquivo canônico opencode-vision.json.

Opção B — Via Arquivo de Configuração

Crie ou edite .opencode/opencode-vision.json no seu projeto:

{
  "visionModel": "opencode-go/mimo-v2.6-flash"
}

Opção C — Via Variável de Ambiente

export PANTHEON_VISION_MODEL="opencode-go/mimo-v2.6-flash"

5. Boas Práticas ao Trabalhar com a @aphrodite (Frontend)

Ao enviar imagens para alterações visuais: * Uma imagem é contexto, não autorização para reverter trabalho: A @aphrodite compara a imagem com a UI existente e preserva o código funcional já implementado. * Declare a intenção: Indique se a imagem é um design desejado (mockup), um bug visual em produção ou uma referência estética de inspiração. * Acessibilidade primeiro: Ao implementar uma tela baseada em imagem, a @aphrodite sempre aplica conformidade com WCAG (contraste adequado, tags semânticas e acessibilidade de teclado).