SlimSnap：讓AI精準識別你指的按鈕

SlimSnap是一款專為解決AI工具截圖互動痛點而設計的免費Mac應用。其核心功能是將使用者截圖及其上的箭頭註釋轉換為結構化JSON，從而讓AI（如Claude、ChatGPT等）能夠精確理解使用者所指的介面元素，而非猜測畫素塊。

該應用的誕生源於開發者的親身經歷：向Claude Code截圖後，AI總是移動錯誤的輸入框。“原因很直接——它讀取的是原始畫素，根本不知道哪個矩形是我指的，”開發者在新品釋出帖中寫道。SlimSnap透過為每個元素分配唯一ID、座標、OCR文本和顏色資訊，並支援箭頭指向特定元素，從根本上解決了這個問題。

除了準確性的提升，SlimSnap在成本上也優勢明顯。以Sonnet模型為例，處理一張原始截圖需要約1568個Token，而使用SlimSnap生成的JSON僅需約700個Token，節省超過50%；在Opus 4.7+上，原始截圖甚至消耗高達4784個Token。開發者強調，節省Token“只是額外獎勵”。

目前SlimSnap完全執行在裝置端，保障隱私。其JSON模式（MIT協議）和Claude Code自動載入技能均在GitHub上開源。對於Claude Code使用者，技能可自動載入最新截圖JSON，無需手動貼上；其他工具如Cursor、Lovable、ChatGPT Vision等，則需要手動複製JSON到對話中。

釋出一週內，SlimSnap收到了大量使用者反饋，社群討論了多個待開發功能，包括：滾動內容和下拉選單的截圖支援、巢狀元素層次結構、置信度和重疊指示器、混合模式（JSON+原始影像）、Windows版本以及原生Mac應用截圖支援。開發者正在根據使用者投票決定下一優先項。

對於使用者關心的多按鈕混淆問題，開發者解釋：每個元素有唯一ID，即使螢幕上出現五個“提交”按鈕，它們會被標記為e_button_5、e_button_8等，箭頭註釋精確指向其中一個。僅在無標籤的浮動元素或畫布應用中可能存在挑戰，但對95%的UI場景有效。

SlimSnap目前免費提供，未來可能根據使用者需求擴充套件至Windows等平臺。開發者正積極收集反饋，以確定下一個自動載入器應該首先支援哪個AI工具。