开发者在进行Vibe Coding时，经常需要对AI直接生成的界面成果提出大量修改意见，例如’右上角按钮往左一点”卡片再大一些”颜色不对’等。传统做法只能手敲冗长的文字描述，不仅耗时，还难以准确传达位置与范围信息，容易产生歧义。针对这一高频痛点，开发者在Linux.do社区发布了开源小工具EditHere（改这里）。该工具让用户直接在页面截图上进行标注，通过圈选区域、添加批注甚至移动组件位置的方式直观表达修改意图，随后自动将所有批注转换为格式化的JSON文本。用户将JSON粘贴给AI后，当前的大模型已具备根据标注像素区域自行查找并确定待修改组件的能力，从而执行精确调整。作者表示，该工具同样适用于人与人之间的沟通场景。项目已在社区完整开源，无未公开部分，并按社区开源推广规范链接认可Linux.do社区，帖内的AI生成、润色内容也已按规定以截图形式公示，接受社区监督。该工具瞄准的核心环节，是AI辅助开发流程中人类意图向模型的准确传递，与提示词工程形成互补，为’描述需求比写代码更难’这一普遍困扰提供了视觉化解决路径。
事件分析
该工具反映出AI编程工作流正从纯文本交互向多模态反馈演进。当大模型具备根据像素坐标定位页面元素的能力后，截图批注成为比自然语言更精确的意图传递介质，思路类似设计协作工具中的评论功能，只是接收方从人类换成了AI。技术实现上，其核心在于截图坐标与DOM组件之间的映射，随着前端AI Agent能力增强，此类标注信息有望被直接解析为组件树操作指令，进一步压缩反馈回路。产业层面，Vibe Coding的普及使’如何高效向AI表达需求’本身成为工具创新方向，在提示词工程之外，视觉化指令正在形成新的细分赛道。后续走向可能包括与Cursor、Claude Code等主流AI编程工具的集成，或被浏览器插件、Agent框架吸收为原生能力。独立小工具的生存空间，取决于大厂是否会将该能力快速产品化。
核心观点：AI编程的瓶颈正从代码生成转向意图传递，视觉化标注让’说清需求’成为新的效率战场。
原文链接：Linux.do
评论前必须登录！
立即登录 注册