屏幕阅读助手
产品介绍
给 AI 装上眼睛和手，让它看得见你的屏幕、动得了你的鼠标键盘。它会截屏（整屏/指定窗口/局部放大），自己翻页把长文档、网页、几百页扫描件从头翻到尾并边读边理解；还能分清多窗口环境下该点哪个软件——标题匹配到多个窗口时它拒绝猜测，列出候选让你指认。适合三类事：让它把长文档自己看完、不会装的软件一步步教、几百页银行流水与财务账本扫描件逐页审阅对账。判断永远由 AI 做，动作由脚本做准。 【权限与隐私，如实说明】全部行为在本机完成，不访问网络、不上传任何数据，无第三方依赖（仅需 Pillow）。具体包括：1）屏幕截图（整屏/指定窗口/局部放大）；2）模拟真实按键与鼠标点击、滚轮；3）枚举窗口、激活目标窗口到前台、读前台窗口标题与类名；4）以 python 运行本技能自带的两个脚本，用 ctypes 调 Windows 系统 API；5）在指定输出目录写入截图与阅读状态文件。截图会进入 AI 对话上下文供分析。 【安全机制】遇到"删除""支付""提交""格式化""确认转账"这类危险按钮强制停下询问用户，绝不自动执行；每次点击与翻页前强制校验目标窗口在前台，用户切换窗口即当场中止；窗口标题匹配到多个候选时拒绝猜测，必须由用户显式指定。所有动作都在 AI 对话中由用户发起，技能自身不做任何自动后台任务。 【已知限制】手写体与模糊扫描件的单字识别不可靠，对账类任务必须保留人工复核；少数自绘界面（游戏、部分 Qt 软件）可能不响应键鼠事件；有电子文件（PDF/Excel）时优先直读文件，零识别误差。
资源信息
许可证信息摘自官方源，可能过时或缺失。商用前请以原仓库的 LICENSE 文件为准。
信息边界说明
本页信息摘自官方文档，仅作技术信息呈现，不代表本站的判断或推荐。价格、配额、可用性以官方最新说明为准。你离开本站后的任何行为（申请 Key、付费、部署、商用），本站不做任何承诺与担保。
同类推荐
Agent Browser
官方未说明用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
Find Skills
需申请 Key帮助用户发现和安装智能体技能，当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时
self-improving agent
官方未说明记录自身发现以实现自我改进的技能
Agent Browser
官方未说明用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
WorkBuddy签到助手
官方标注收费需申请 KeyWorkBuddy签到助手（WorkBuddy「Buddy 加油站」每日签到自动化 Skill，接口直签，跨平台 Windows/macOS/Linux）。当用户说"每天自动签到 / 每日签到 / 自动领 Buddy 加油站积分 / 现在签个到 / 帮我签到一次 / WorkBuddy 打卡 / 检查签到环境 / 派猫猫旅行 / 猫猫旅行 / 领旅行奖励 / 自动派猫猫 / Buddy 在旅行吗 / 推送签到结果 / 签到通知发钉钉 / 客户端更新后签不了 / 5.6.2 签到失败 / 登录态加密了 / Mac 上签不了 / 需要授权 / 长效令牌 / refreshToken / 不开客户端签到 / 令牌自动续期"时使用。三通道自动择一：本机登录态可用（如 Windows）零配置直签；无法本地解密（如 macOS）走一次性网页授权；或一次性保存长效令牌后自动续期，客户端不开也能签。支持派猫猫旅行全自动闭环（先领后派）、桌面通知与 12 类渠道推送（钉钉/飞书/企业微信/微信等），对齐 totorosir-push-message，可设每日 09:00 自动签到。
Proactive Agent
免费增值需申请 Key将 AI 代理从任务执行者转变为能够预见需求、持续优化的主动伙伴。现已支持 WAL Protocol、Working Buffer、Autonomous Crons 及经过实战验证的模式。属于 Hal Stack 🦞。
什么是技能
技能（Skill）是封装好的单项能力，比如文字识别、文档摘要、关键词提取。开发者把调用逻辑和提示词打包，使用者像用插件一样加载即可，无需了解底层模型。启枢技能 收录大量技能，可直接试跑或编入方案。