开发者在Linux.do社区发布开源项目EditHere，定位为一款帮助用户精准修改AI生成内容的交互工具，覆盖AI生图、前端页面、游戏和视频等场景。项目的出发点在于：使用AI开发应用或生成内容时，用户往往只能通过对话框用自然语言描述修改需求，难以传达精确的调整意图。现有批注工具如Agentation仅适用于已组件化的HTML结构，需要工具先读取组件再向AI表达修改意见，无法覆盖无法直接获取结构的前端或画面。EditHere采用相反思路：直接对画面截图，由用户在截图上批注，工具将批注结果转换为JSON格式后交给AI，由AI自行理解组件和修改意见。作者称该方式适用于所有前端页面，并可扩展至AI生图和视频制作。在生图场景中，该工具支持一次性表达多个修改需求及位置关系变化，通过减少修改次数来保留原图细节；在视频和游戏引擎场景中亦有对应用例演示。项目强调自身不绑定特定Agent，而是作为用户与Agent之间的通用交互接口，代码已在GitHub上完整开源，并遵循社区的开源推广规范。
事件分析
该项目的核心看点在于交互范式的转换：传统批注工具需先解析组件结构再传递修改意见，而EditHere将理解结构的负担转移给AI，仅传递视觉层面的批注信息。这种思路与多模态大模型能力提升的趋势相吻合——当模型的图像理解足够强时，截图加批注的低保真输入即可支撑精准修改。从产业视角看，此类工具反映了Vibe Coding工作流中反馈环节的空白：生成能力强、迭代反馈弱的矛盾正催生一批中间件型工具，EditHere选择做通用接口而非绑定特定Agent，是较为务实的卡位。潜在挑战包括批注JSON的表达精度上限、复杂布局歧义的处理能力，以及能否与主流Agent框架形成稳定集成。若实际效果得到验证，’视觉批注即输入’的模式有机会成为人机协作开发流程中的标准环节。
核心观点：把’描述需求’变成’标注画面’，多模态时代的人机开发协作正从语言接口走向视觉接口。
原文链接：Linux.do
评论前必须登录！
立即登录 注册