SlimSnap：让AI精准识别你指的按钮

SlimSnap是一款专为解决AI工具截图交互痛点而设计的免费Mac应用。其核心功能是将用户截图及其上的箭头注释转换为结构化JSON，从而让AI（如Claude、ChatGPT等）能够精确理解用户所指的界面元素，而非猜测像素块。

该应用的诞生源于开发者的亲身经历：向Claude Code截图后，AI总是移动错误的输入框。“原因很直接——它读取的是原始像素，根本不知道哪个矩形是我指的，”开发者在新品发布帖中写道。SlimSnap通过为每个元素分配唯一ID、坐标、OCR文本和颜色信息，并支持箭头指向特定元素，从根本上解决了这个问题。

除了准确性的提升，SlimSnap在成本上也优势明显。以Sonnet模型为例，处理一张原始截图需要约1568个Token，而使用SlimSnap生成的JSON仅需约700个Token，节省超过50%；在Opus 4.7+上，原始截图甚至消耗高达4784个Token。开发者强调，节省Token“只是额外奖励”。

目前SlimSnap完全运行在设备端，保障隐私。其JSON模式（MIT协议）和Claude Code自动加载技能均在GitHub上开源。对于Claude Code用户，技能可自动加载最新截图JSON，无需手动粘贴；其他工具如Cursor、Lovable、ChatGPT Vision等，则需要手动复制JSON到对话中。

发布一周内，SlimSnap收到了大量用户反馈，社区讨论了多个待开发功能，包括：滚动内容和下拉菜单的截图支持、嵌套元素层次结构、置信度和重叠指示器、混合模式（JSON+原始图像）、Windows版本以及原生Mac应用截图支持。开发者正在根据用户投票决定下一优先项。

对于用户关心的多按钮混淆问题，开发者解释：每个元素有唯一ID，即使屏幕上出现五个“提交”按钮，它们会被标记为e_button_5、e_button_8等，箭头注释精确指向其中一个。仅在无标签的浮动元素或画布应用中可能存在挑战，但对95%的UI场景有效。

SlimSnap目前免费提供，未来可能根据用户需求扩展至Windows等平台。开发者正积极收集反馈，以确定下一个自动加载器应该首先支持哪个AI工具。