Hi, 请登录     我要注册     找回密码

开源截图工具 Kiri 发布：支持标注、本地 OCR 与 GIF 录屏

分类：未分类 阅读() 评论(0)

开发者近日在 V2EX 分享了一款名为 Kiri 的免费开源截图工具，支持 macOS 与 Windows 双平台，源码托管于 GitHub。该工具围绕截图、标注、文字识别和录屏四类高频需求设计：按下快捷键后可选择窗口或框选区域截图，支持添加箭头、文字和马赛克标注；内置 OCR 可直接识别并复制图片中的文字；录屏可导出为 MP4 或 GIF 格式。隐私设计是该项目的一大特点：OCR 默认在本机运行，图片数据不上传；若用户自行配置远程 OCR 服务，每次上传前也需手动确认。截图和录屏文件存入本地图库，支持按名称和标签检索。官网提供操作演示，安装包在 GitHub Releases 发布。目前工具要求 macOS 14 及以上或 Windows 11 x64 系统。需要说明的是，macOS 安装包尚未通过 Apple 公证，首次打开需在「隐私与安全性」中手动允许；Windows 安装包也缺少 Authenticode 签名，可能触发 SmartScreen 提示。开发者表示该项目投入了大量时间打磨，将持续迭代，欢迎用户反馈问题时附上系统版本和复现步骤。

事件分析

Kiri 的技术看点在于将截图、标注、OCR、录屏整合进单一轻量客户端，且 OCR 完全本地化运行，契合端侧 AI 处理趋势，相比调用云端识别接口，本地推理在延迟与隐私上更具优势，代价是受限于本机算力；代码开源也便于社区审计与二次开发。产业层面，macOS 与 Windows 系统自带截图能力持续增强，第三方工具的生存空间取决于更细的场景打磨，如本地 OCR、GIF 导出、标签化管理等。后续走向上，补齐 Apple 公证与代码签名是提升装机量的关键一步；若 OCR 引入端侧模型能力，在复杂版面与多语言识别上仍有提升空间，也可能向快捷指令、API 集成方向延伸。

核心观点：截图工具的竞争已从功能堆叠转向本地化与隐私，端侧 OCR 正成为个人开发者切入效率赛道的差异化卖点。

原文链接：V2EX 分享发现

C code80.ai · AI 编码 API 聚合 Claude / GPT 多模型统一接入,稳定不限速,按量计费,几行配置接入 Claude Code。 了解一下 ›

相关推荐

抢沙发

评论前必须登录！

立即登录   注册

易安
易安作者
长期关注 AI Agent、软件工程、自动化工作流与个人生产力系统。喜欢把复杂技术拆成普通人也能上手的实践教程,也记录自己在工具链、编程、内容创作和知识管理上的真实折腾。
  • 分享 AI 工具、Agent 工作流与提示词工程的实战经验
  • 记录从想法到产品、从代码到上线的完整实践过程
  • 关注普通人如何用 AI 放大能力,而不是被工具牵着走
阅读作者的全部文章 ›
文章目录

    置顶推荐

    Code80 · AI 编程巴士

    前沿哨所

    • 开源 edgeTTS：免费语音合成服务兼容 OpenAI 接口，改 Base URL 即可用

      开发者在 GitHub 上开源了一款名为 edgeTTS 的语音合成服务，该项目基于微软 Edge TTS 免费接口封装而成，代码仓库地址为 github.com/DejavuMoe/edgeTTS。其核心亮点在于协议兼容：完整支持 OpenAI 标准的 /v1/audio/speech 接口格式，已接入 OpenAI 语音合成能力的客户端无需修改代码，仅需替换 Base URL 即可切换至该服务。针对长文本合成易失败的痛点，项目内置文本分段切片与音频流拼接机制，可自动处理超长文本请求。同时，服务支持声音映射与参数微调，方便用户自定义音色与语速等参数；项目还提供 Docker 镜像，支持一键部署，降低了自建门槛。Edge TTS 是微软 Edge 浏览器内置的免费语音合成能力，音色自然且无需付费。该项目将其封装为标准化 API 服务后，为开发者提供了一个零成本的 OpenAI 语音接口替代方案，可应用于文字转语音、播客生成、有声内容制作、应用配音等场景。该项目已在 V2EX 分享发现板块发布，受到社区关注。

      事件分析

      该项目的思路是接口协议层面的平替工程：OpenAI 的 /v1/audio/speech 已成为语音合成接口的事实标准，与其格式对齐可最大程度复用现有客户端生态，迁移成本近乎为零。技术实现上，分段切片加音频流拼接是应对上游长文本限制的常规手段，真正的不确定性在于 Edge TTS 属于微软未公开承诺的内部接口，存在被风控策略限制或调整的风险，服务稳定性无法获得官方保障。从产业视角看，兼容 OpenAI 格式正在成为开源推理与语音类项目的基础配置，反映出 API 生态标准由头部商业厂商定义、开源社区低成本跟随的格局。后续可关注其与本地开源 TTS 模型结合的可能性，以在成本、音质与可控性之间取得更好平衡。

      核心观点：兼容 OpenAI 接口正成为开源 AI 服务的标配打法，生态标准定义权比技术本身更能决定项目的采用价值。

      原文链接：V2EX 分享发现

    • Claude攻克理论物理前沿难题：千美元预算完成九圈散射振幅计算

      理论物理学家、科普作家Matt von Hippel曾向AI公司发出挑战：用学术机构级别的计算资源，解决散射振幅领域的一个重大未解难题，例如将N=4超对称杨-米尔斯理论推进到九圈。一个月后，Anthropic的两位物理学家Liam Fitzpatrick和Siddharth Mishra-Sharma通过Claude Science平台使用Fable 5.1模型完成了这一挑战。团队仅给Claude一条简单问题指令，之后只需定时发送’继续工作’的提示。Claude分别以bootstrap方法和形状因子方法独立完成计算并交叉验证，总成本约1000至2000美元，其中bootstrap计算仅花费约100美元，相当于96个CPU运行一周。SLAC国家加速器实验室的Lance Dixon独立验证了结果正确性，并评价Claude对其团队多年研究论文的理解可能超过任何人类。几乎同时，中科院Song He团队借助GPT-6辅助也完成了大部分计算。von Hippel总结，AI并未发明新物理方法，而是以更充足的算力和更好的软件工程实践执行了人类已知的成熟技术，这表明科学领域的’低垂果实’远比专家预期的更多，AI已能可靠地自主完成前沿科学计算。

      事件分析

      技术层面，此次突破并非源于新物理方法，Claude使用的是领域内成熟的bootstrap技术与既有计算框架，真正值得注意的是执行可靠性——整个计算链路极为脆弱，任何环节出错都会导致全盘失败，而AI在无科研人员深度干预下一次性跑通全程。产业层面，Claude Science这类harness架构（LLM叠加结构化规则与提示词）正在成为AI科研的主流范式，竞争焦点从底层模型转向工程化封装。一个常被忽视的细节是，Claude选用Python+SymPy而非物理学界惯用的Maple或Mathematica，软件工程生态的代差可能是AI表现超出专家预期的原因之一。后续值得关注的走向包括：真实世界散射振幅计算是否同样存在低垂果实、其他实验学科能否复制这种自主长时计算模式，以及学术界如何建立针对AI产出的系统性验证机制。

      核心观点：AI尚未学会创造新方法，但已能廉价可靠地执行人类最难的计算——科学界的低垂果实远超专家预期。

      原文链接：Hacker News

    • 用Claude开发3D格斗游戏实测：AI能写代码，却搞不定一只手

      一位开发者在Linux.do社区分享首次使用Claude Opus开发3D第一人称格斗游戏的经验，核心难点集中在手部手指动作的生成上。开发过程中，开发者设定了严格约束：不提供动态捕捉数据，也不提供自己的手部照片，完全依赖AI模型自主完成手指动作开发。经过四轮迭代尝试，开发者总结出一条清晰的改进路径。第一轮，在不加任何约束的情况下，模型默认采用Python计算的方式处理手指动作，效果很差。第二轮，让AI搜索图片并进行扫描参考，效果略有提升。第三轮，让AI通过Blender MCP接口直接操作三维软件进行尝试，同样只有小幅提升。第四轮，要求AI在Blender中执行严格的穿模检测，即检测手指模型与其他物体或模型自身的穿插碰撞问题，效果获得显著提升，但开发者评价最终效果仍与理想状态相差较大。该案例在社区引发了关于AI能否胜任复杂3D动画开发任务的讨论。从实验结果看，当前大模型在处理高自由度、精细化的三维空间问题时存在明显短板，而引入专业三维软件工具链，并以穿模检测等硬性质量约束构建验证环节，成为弥补AI能力不足的可行路径，也为AI辅助游戏开发提供了可复用的方法论参考。

      事件分析

      该案例折射出当前大模型在三维空间推理上的结构性短板：文本与代码生成能力很强，但对骨骼绑定、运动学、碰撞体积等3D底层概念缺乏内在理解，手指这类高自由度关节恰好是暴露短板的典型场景。迭代路径本身更具参考价值，相比让模型开放生成，为其引入外部验证环节（穿模检测）形成了生成、检测、修正的闭环，这种约束式开发思路与AI编程领域的反馈机制一脉相承。Blender MCP的接入则体现了MCP协议在垂直工具链中的落地价值，让模型能够直接操作专业三维软件而非纸上谈兵。后续走向上，随着3D生成模型与游戏引擎结合加深，AI开发3D内容的瓶颈或将从代码生成转向空间理解，开发者角色可能更多转向流程设计与质量把控。

      核心观点：大模型能写代码却难以真正看见3D空间，外部验证闭环才是AI攻克精细内容开发的真正杠杆。

      原文链接：Linux.do

    • 用户实测Muse：AI智能体上云，Claude与Codex可在云端VM无人值守运行

      Muse是一款官方定位为“个人AI智能体”的产品，一位用户在连续使用两天后分享了体验心得。该用户认为Muse更像一款“超级云端APP”或“超级工作流”，其核心能力在于将AI编程工具的运行环境整体迁移到云端虚拟机。具体使用方式上，该用户将自建的中转API接入Muse的云端VM，Muse可在VM内自行安装Claude CLI，而Codex CLI则为Muse自带组件。这意味着用户无需依赖本地电脑或VPS，即可同时操控Codex与Claude两个AI命令行工具，且对任务的把控更加精准。Muse的任务执行采用云端异步模式：用户在App中下达任务后可直接关闭应用，无需保持前台运行，所有任务均在云端执行，重新打开App即可收到任务完成通知。此外，Skill插件的安装也完全脱离实体机，全部部署在智能体的云端空间，节省本地磁盘资源。该用户还计划进一步测试用Muse控制Claude进行视频生成。作者预计国内厂商将快速跟进这类“超级App”形态，先入局者有望获得资本追捧，但对其创新能力持保留态度，认为部分大厂入局更多出于资本运作考量。该帖引发社区关于云端AI智能体形态的讨论。

      事件分析

      Muse代表的产品形态是将Claude Code、Codex等AI CLI工具封装进云端虚拟机，通过移动App远程下发任务，属于AI Agent从本地部署向云端托管迁移的一次探索。技术看点有二：其一，以VM为隔离环境承载各类CLI工具，并支持用户自带API中转接入，降低了接入门槛与环境配置成本；其二，任务异步执行与完成通知机制，使AI工作流摆脱对本地设备长时间在线的依赖，弱化终端算力角色。产业层面，若该模式跑通，开发者使用AI编程工具的方式可能被重塑——运行环境与算力由服务商托管，手机等终端仅作交互入口，但同时对服务方的延迟控制、计费模式与安全隔离提出更高要求。后续走向取决于生态开放程度：能否支持更多模型与工具链、能否沉淀可复用的工作流模板，将决定这类产品是短期尝鲜品还是长期基础设施。国内已有厂商布局相近方向，竞争焦点预计集中在云端环境稳定性与Token成本控制上。

      核心观点：AI智能体的竞争正从模型能力转向云端环境托管，谁能托管开发环境，谁就掌握下一代人机交互入口。

      原文链接：Linux.do

    • Claude封号潮将至？开发者分享申诉解封成功模板

      近期大量用户准备订阅Claude，社区预计Anthropic将出现新一轮封号潮。Linux.do论坛一位用户分享了此前申诉成功的解封模板，供遇到封号的开发者参考。该用户总结的申诉要点有三：第一，不要承认任何未知违规行为，而是明确要求Anthropic根据账号异常当日的实际访问与活动日志重新核查，这一点被认为最为关键；第二，强调账号一直在Anthropic官方支持的地区使用，从未通过受限制地区的IP访问；第三，申诉态度应坚定，不宜低姿态恳求解封。模板正文分为两部分：在回答账号用途时，说明主要用于软件开发、编程辅助、调试和技术研究等合法用途；在补充说明中，要求官方人工核查异常日期的登录与访问日志，指出相关活动并非本人发起，并声明账号始终在非受限地区的网络环境下使用。发帖人同时附上了收到的解封邮件，表示该模板此前已帮助账号成功解封，并提醒使用者可根据具体封号原因对内容进行补充修改。

      事件分析

      Anthropic的账号风控主要依赖IP归属地、登录日志与行为模式检测，封号往往在订阅用户高峰期集中触发，反映出平台在合规压力与商业增长之间的持续权衡。此次社区流传的申诉思路，本质上是引导用户将争议焦点从’是否违规’的定性问题转向’日志证据核查’，要求平台出示具体的访问记录作为封号依据，这一策略在自动化风控误伤场景中具有一定针对性。从行业视角看，Claude在编程场景的需求持续攀升，与官方地区限制政策之间的矛盾长期存在，账号风控已成为Anthropic用户运营中难以回避的议题。后续可关注此轮封号潮的实际规模、申诉成功率的变化，以及官方是否会推出更透明的风控说明与申诉机制。

      核心观点：封号潮背后是合规风控与真实需求的结构性冲突，申诉成功的关键在于倒逼平台以日志证据说话。

      原文链接：Linux.do

    • 一条20字提示词一次成型：网友用AI十分钟上线拼豆工具站

      一位 V2EX 网友分享了自己借助 AI 快速开发并上线工具网站的完整经历。该用户原本想制作一个拼豆（Perler Bead）图案设计工具，仅输入了一条不超过 20 字的提示词，AI 便一次性生成了完整可用的成品，无需多轮修改，作者对结果表示满意，随即将该工具部署上线，体验地址为 gridbead.com。拼豆是一种流行的手工像素画创作形式，此类工具通常需要实现网格画布、调色盘、颜色映射与图案导出等交互功能，此前需要开发者编写相当规模的代码。作者在帖子中自嘲是’废人’，并表示以这种方式’年上百站 So Easy’，不过这些项目大多’为爱发电’，并未带来直接收益。该分享在社区引发了对 AI 编程效率的讨论：过去一个个人小工具从想法到上线往往需要数天甚至数周，如今借助大模型的代码生成能力，从输入提示词到可访问的网站可能只需十分钟。此类案例体现了当前 AI 编程工具在中小型项目上的成熟度，也展示了普通用户无需专业编程背景，即可将一个具体创意转化为在线产品并公开运营的完整路径。

      事件分析

      从技术角度看，’一条提示词一次成型’的背后是大模型代码生成能力的显著提升。前端交互类应用因技术栈成熟、界面模式固定，已成为 AI 编程成功率最高的场景之一。拼豆工具属于典型的网格编辑器应用，需求结构清晰、边界明确，恰好落在当前模型能力边界内的’甜点区’。产业层面，此类案例正在推动个人软件浪潮：开发门槛降至提示词水平后，长尾的个性化需求得以被低成本供给满足，V2EX 等开发者社区近年涌现大量类似’为爱发电’的 AI 生成站点。后续值得观察的是可持续性问题：生成容易，但后续维护、迭代与边界情况处理仍需工程能力，此类站点能否从玩票走向稳定运营乃至商业化，将是检验 Vibe Coding 实际价值的试金石。

      核心观点：AI 把想法到产品的距离压缩至一条提示词，竞争焦点正从'写得出来'转向'想得到需求、养得起产品'。

      原文链接：V2EX 分享发现

    最新文章

    热门专题

    热门标签

    AI编程claude大模型AIAI Agent人工智能开源项目Gemini开发者工具开源GitHubClaude Code开源工具AI工具开发工具谷歌openaideepseek提示词工程cursor网络安全anthropicAI应用ChatgptAI开发agentAI安全自动化智能体AI智能体

    网站统计

    • 日志总数：28645
    • 评论总数：7
    • 标签总数：17903
    • 用户总数：3675
    • 最后更新：2026-09-26