不截屏不点坐标，也能让 Agent 操作桌面软件
上个月我在给一套财务对账流程做自动化。老系统没有 API，只有界面，每天要把几十张单子的数字抄进 Excel。我先试了“截图 + 视觉模型”那条路。分辨率一换、系统缩放一改、弹窗一挡，坐标就全废，模型还会很有礼貌地告诉我“已点击”。
ArcGIS JS 基础教程（12）：视图截图 takeScreenshot
ArcGIS JS 基础教程（12）：视图截图 takeScreenshot零、写在前面一、功能介绍二、功能实现2.1 基础截图2.2 指定输出格式2.3 自定义图片尺寸2.4 下载截图为图片文件2.5 在新窗口预览截图2.6 格式与质量对比2.
我刚试的免费流程图工具 同样10张图 比官方快108倍
周五下午四点，周会要用的流程图上还挂着上周的旧逻辑。打开常用的在线画图站，拖了十几个框、把箭头一根根连上，点导出高清图时弹出一句会员提示：要么带着水印发出去，要么明天再说。更难受的是下周流程一改，这一整套还得重画。问题的根子不在画图，在图和文字分了家。
AI不再只会聊天！Anthropic推出新工具，瞄准普通人的日常工作
过去两年，我们使用AI的方式大多是提问、获取答案，再自己动手完成剩下的工作。但AI行业正在出现一个明显变化：一些产品开始尝试让AI直接参与工作流程，而不仅仅是生成一段文字。
港大实测千问3.7：手机成功率从50飙到63
香港大学团队在arXiv论文2609.35671里提出PhoneCLI：不碰App内部接口、不做埋点、也不重新训练模型，把安卓App里反复走的界面导航离线编译成可调用的命令；线上先选命令再核验，命中就确定性回放，亚秒级完成、零视觉模型开销，失败再回退到纯视觉智能体。
这个免费的 Skill，用 Opus 5.5整理了 98 种视频风格提示词！
一个叫 lemo-opuscar 的 Skill 把视频风格提示词整理成清单，往下拉点开【All 98 styles】，就能看到 98 种风格都在里面了，2D、2.5D 和 3D 全覆盖，复制就能直接用。
这个截图工具很特别！AI打码、标注、翻译、长截图，功能多到爆炸
Snapok 是一款用 Swift 和 AppKit 编写的 macOS 原生截图工具，AGPL-3.0 协议开源，要求 macOS 14 及以上，提供 Apple Silicon 与 Intel 通用包。