SlimSnap

这个AI会把你的截图当作一个像素块来识别，并猜测你想点击哪个按钮。而SlimSnap则会将截图和你的标注转化为结构化的JSON格式：每个元素都有坐标、ID，并且你的箭头指向特定的元素。处理大约700个字符，而Sonnet则需要1,568个原始字符。这是一个免费的Mac应用程序。它的架构和Claude代码技能都是开放的MIT许可。整个过程完全在设备上运行。