# Ta **Repository Path**: hdisyq/Ta ## Basic Information - **Project Name**: Ta - **Description**: 截屏工具 - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-09-09 - **Last Updated**: 2026-09-09 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README
拓 Ta Logo # 拓 · Ta ### 一千多年前，纸墨拓下碑文。今天，AI 拓下屏幕上的信息。 [![License: MIT](https://img.shields.io/badge/License-MIT-D6402F.svg)](./LICENSE) [![Platform: macOS 14+](https://img.shields.io/badge/macOS-14%2B-1A1A1A.svg)](https://www.apple.com/macos/) [![Swift: 6.2](https://img.shields.io/badge/Swift-6.2-F05138.svg)](https://www.swift.org/) [![Release: v1.0.1](https://img.shields.io/badge/Release-v1.0.1-C98B2E.svg)](https://github.com/kangarooking/Ta/releases/tag/v1.0.1) **AI 原生截图工具：截图、取字、AI 识图、翻译、长截图、钉图与标注，一步完成。** 目前暂时仅支持 **macOS**；Windows 版本正在努力制作中。 [简体中文](./README.md) · [English](./README.en.md) · [日本語](./README.ja.md)
![拓主界面](./docs/brand/Ta-home-preview.png) ## 一千多年前，中国人就有了自己的“截图” 在没有相机、复印机和现代印刷技术的年代，人们遇到过一个很实际的问题：石碑上的字那么好，怎样才能把它带走？ 他们把纸覆在碑上，再用墨包轻轻扑打。纸揭下来，文字便离开石头，跟着人回家。这门手艺叫作**拓印**，已经流传千余年。它像一种古老的截图：看见什么，就把什么留住。 「拓」这个字本身也在讲这件事：`扌 + 石`，一只手按在石头上。中文名为「拓」，读作 `tà`；英文名为 **Ta**。 今天，石碑变成了屏幕。屏幕上的信息更多，也消失得更快。Ta 做的仍是同一件事：框住它，拓下来——文字可以复制、翻译，图片可以标注、钉在眼前；截一张长图，就像把整通碑从头拓到尾；AI 帮你理解内容，就像随身带着一位金石学家。 > 仓颉造字，拓印传字。字被造出来只是开始，被留住、被读懂、被带走，才算完成。 ## 我为什么做 Ta 截图工具是我几乎每天都在使用的软件。市面上的选择很多，有免费的，也有收费的；但用了这么多之后，我始终没有找到一个能满足全部需求的工具：取字、翻译、长截图、钉图、标注和图片美化，往往分散在不同应用和不同操作链路里。 所以，我决定自己做一个。 我也发现，大多数截图软件只是附加了一个 OCR 或 AI 按钮，还没有真正让 AI 深度参与截图后的工作。Ta 希望持续结合 AI，在满足我自己真实需求的同时，也和大家一起把截图这件每天都要做的小事，变得更简单、更聪明。 ## 什么是“AI 原生截图工具” AI 原生，不是给传统截图软件外挂一个聊天框，而是让 AI 从截图完成的那一刻起就参与工作： - **拓下来**：普通截图、窗口内容和滚动长图，都能快速捕获； - **读出来**：使用本地 OCR 或多模态模型提取文字、表格、公式与代码； - **讲明白**：直接翻译、理解和结构化截图中的信息； - **留在手边**：一键复制、钉图、标注、美化、保存或继续处理； - **尊重边界**：本地识别优先，云端处理前明确提示，API Key 保存在 macOS Keychain。 ## 它解决了什么问题 - **截图后还要二次处理**——取字、翻译、复制、保存和标注集中在同一条操作链路。 - **长截图不稳定**——支持手动或自动滚动、重复帧过滤、固定区域消除、接缝检查与人工修正。 - **OCR 方案难以取舍**——Apple Vision、PaddleOCR 与远程视觉模型可以按速度、结构和隐私要求切换。 - **截图标注效率低**——提供接近 Snipaste 的原位标注、对象移动缩放、马赛克涂抹和钉图体验。 - **云端识图缺少边界**——默认本地处理；需要上传时明确提示，并把 API Key 保存在 macOS Keychain。 ## 经典用法 下面的图片均来自 Ta 当前版本的实际运行界面。
框选一次，选择下一步

Ta 通用截图操作栏
截图后直接取字、AI 识图、翻译、复制、钉图、标注、美化或保存。 		配置自己的 AI 模型

Ta AI 模型设置
支持多种 Provider 协议，API Key 只保存在 macOS Keychain。
原位标注

Ta 原位标注工具栏
箭头、文字、高亮、两种马赛克和对象直接缩放，都在截图原位置完成。 		把参考内容钉在眼前

Ta 钉图案例
钉图保持置顶，可移动、缩放、调整透明度，也可双击关闭。
## 它是怎么工作的 Ta 使用一条原生 macOS 截图链路： ```text 全局快捷键 ↓ 框选屏幕区域 ↓ ScreenCaptureKit 捕获（排除 Ta 自身窗口） ↓ ┌───────────────┬────────────────────┐ │ 本地 OCR │ 多模态视觉模型 │ │ Apple Vision │ OpenAI-compatible │ │ PaddleOCR │ Claude / Gemini │ └───────────────┴────────────────────┘ ↓ 复制 · 翻译 · 钉图 · 标注 · 长图 · 保存 ``` 识别期间如果用户已经复制了其他内容，Ta 不会覆盖新的剪贴板内容。没有识别到文字时，可以安全回退为复制 PNG。 ## 核心功能 ### 截图与快捷操作 - 通用截图操作栏：框选后选择取字、AI 识图、翻译、复制、钉图、标注、美化或保存。 - 极速取字、复制图片、截图翻译、截图钉图与滚动长截图均有独立全局快捷键。 - 所有快捷键都可以在设置中录制、检查冲突并恢复默认值。 - 框选过程中可用鼠标右键或 `Escape` 退出，不生成文件也不修改剪贴板。 - 截图时自动隐藏 Ta 的主界面，不抢焦点、不把应用自身截进去。 ### OCR 与 AI 识图 - **Apple Vision**：默认的本地 OCR，支持中英文与常见文本布局。 - **PaddleOCR 增强包**：Apple Silicon 离线运行，支持一键安装、更新、校验、预热和常驻模型复用。 - **DeepSeek-OCR-2**：连接用户自行部署的 vLLM、SGLang 或兼容视觉服务，不在 Mac 上静默下载大型权重。 - **多模态模型**：支持 OpenAI-compatible、Azure OpenAI、Anthropic Claude 与 Google Gemini 协议。 - 任务模板包括精确取字、代码解释、Markdown/CSV 表格、LaTeX 公式与通用识图。 - 支持 OCR、多模态和“本地优先、低置信度再确认上传”的智能路由。 ### 截图翻译 - 源语言与目标语言可自定义，默认自动检测并翻译为简体中文。 - 直接截图翻译后把译文复制到剪贴板。 - 截图工具栏支持纯文字、原图文字替换与原图下方双语对照。 - 图片文字定位和结果合成在本地完成，只把需要翻译的文字发送给配置的模型。 ### AI 美化（开发中） - 面向公众号、社交媒体和产品文档，自动补齐留白、圆角、阴影、背景与常用版式。 - 计划支持智能标注、隐私信息遮挡、多尺寸导出，以及根据截图内容生成匹配的背景或装饰元素。 - 当前版本已经预留“美化”入口，完整的 AI 美化工作流仍在开发中，不会把尚未完成的能力标为可用。 ### 滚动长截图 - 支持浏览器、聊天窗口和常见桌面应用的手动/自动滚动捕获。 - 自动匹配相邻帧、过滤重复画面并识别滚动方向。 - 检测并消除固定标题栏、底栏和输入框。 - 完成前提供接缝检查，可按 `±1` / `±10 px` 人工修正。 - 支持超长图片分段，降低内存和导出压力。 ### 标注与钉图 - 原位半透明遮罩标注，截图保持在原位置。 - 矩形、椭圆、箭头、画笔、高亮、文字、编号、马赛克、模糊、橡皮和局部放大。 - 标注对象可以直接选择、移动、缩放、旋转和重新编辑。 - 马赛克支持框选与画笔涂抹两种方式。 - 钉图支持拖动、缩放、透明度、旋转、翻转、滤镜、裁剪、鼠标穿透、分组、隐藏/恢复与双击关闭。 - 可从截图、剪贴板图片、文字、HTML 或文件生成钉图。 ## 快速开始 ### 环境要求 - macOS 14 或更高版本 - Apple Silicon 或 Intel Mac（PaddleOCR 发行增强包目前面向 Apple Silicon） - Xcode 26，或兼容 Swift 6.2 的工具链 ### 下载安装包 [**下载 Ta v1.0.1（macOS 通用版 DMG）**](https://github.com/kangarooking/Ta/releases/latest/download/Ta-1.0.1-macOS-universal.dmg) 安装包同时支持 Apple Silicon 与 Intel Mac。打开 DMG 后，把「拓」拖入 `Applications` 即可。当前版本尚未完成 Apple notarization；首次启动请在 Finder 中按住 Control 点击「拓」，选择“打开”，再确认一次。 ### 从源码构建 ```bash git clone https://github.com/kangarooking/Ta.git cd Ta swift test ./scripts/build-app.sh open "artifacts/拓.app" ``` 首次运行需要允许“屏幕与系统音频录制”权限。只有使用自动滚动长截图时，才需要额外开启“辅助功能”权限。 ### 默认快捷键 | 功能 | 快捷键 | |------|--------| | 极速取字 | `⇧⌥⌘1` | | 通用截图 | `⇧⌥⌘2` | | 复制图片 | `⇧⌥⌘3` | | 截图并钉住 | `⇧⌥⌘4` | | 滚动长截图 | `⇧⌥⌘5` | | 截图翻译 | `⇧⌥⌘6` | 进入“设置 → 快捷键”可以重新录制任意组合键。冲突快捷键会被拒绝或自动回滚。 ## 让 Agent 调用 Ta Ta 现在也可以作为 Agent 的视觉输入层，以三种形式提供能力： - **Ta Agent Skill**：教支持 Agent Skills 的 Agent 正确组合截图、OCR、识图和翻译流程； - **`ta` CLI**：提供稳定的 JSON 命令，可用于 Shell、脚本和通用 Agent； - **`dsh-ta`**：真正的 DeepSeek Harness 原生 Cordis Plugin + Bundle，直接注册截图与理解工具。 它们共同调用由「拓.app」托管的本机 Bridge。普通 Agent 截图不会弹出拓、抢焦点、移动鼠标或发送键盘事件；权限、模型和 API Key 仍由拓统一管理。 一条命令同时安装或更新 `ta` CLI 与 Ta Agent Skill： ```bash curl -fsSL --retry 3 --retry-all-errors --retry-delay 1 https://github.com/kangarooking/Ta/releases/latest/download/install.sh | bash ``` 安装器会校验 SHA-256，把 CLI 安装到 `~/.local/bin/ta`，并把 Skill 安装到 Codex 与通用 Agent Skills 目录。安装后重新启动 Agent，再检查连接： ```bash ta status --json ta capture frontmost --json ta ocr last --json ``` 在“设置 → Agent”可以关闭自动化、禁止云端、配置隐私 App 黑名单、清理缓存并查看不包含识别正文的最近调用记录。安装 CLI、Skill 和 DeepSeek Harness 插件的完整步骤见 [Agent 集成指南](./docs/agent-integration.md)。 ## 隐私与安全 - 普通截图与 Apple Vision OCR 始终在本机完成。 - PaddleOCR 增强包安装后在本机离线运行。 - 只有主动选择远程 OCR、多模态识图或翻译时，选区或文字才会发送到用户配置的服务。 - 低置信度智能路由不会静默上传，必须由用户再次确认。 - API Key 只保存在 macOS Keychain，不写入偏好设置、日志或仓库。 - Ta 不持续录屏，只读取用户主动框选的区域。 - Agent Bridge 只监听当前用户可访问的本机 Unix Socket；审计不保存请求参数、识别正文或图片数据。 ## 工程结构 ```text Ta/ ├── README.md / README.en.md / README.ja.md ├── Package.swift ├── Resources/ 图标、Info.plist 与品牌资源 ├── Sources/ │ ├── AIScreenshotCore/ │ │ ├── OCR/ Vision OCR、布局与内容分类 │ │ ├── LongCapture/ 位移匹配、拼接与进度检测 │ │ ├── Recognition/ OCR/视觉/翻译 Provider 客户端 │ │ └── Clipboard/ 剪贴板安全提交策略 │ ├── AIScreenshotApp/ │ │ ├── Capture/ 框选、捕获与长截图会话 │ │ ├── Editor/ 标注编辑器 │ │ ├── Recognition/ OCR 增强包与多模态路由 │ │ ├── System/ 快捷键、权限、Keychain、剪贴板 │ │ └── UI/ 主界面、菜单栏、设置、钉图与结果栏 │ ├── TaAgentContracts/ Bridge 协议 │ ├── TaAgentClient/ 本机 Bridge 客户端 │ └── TaCLI/ ta CLI ├── Integrations/ Agent Skill 与 DeepSeek Harness 原生插件 ├── Tests/ Core 与 App 测试 ├── ocr-packs/paddleocr/ 可选 PaddleOCR 增强包构建定义 ├── scripts/ 构建、运行和增强包脚本 └── docs/ PRD、研究、验证记录与实现计划 ``` ## 当前状态 Ta v1.0.1 是当前公开版本，提供同时支持 Apple Silicon 与 Intel Mac 的通用 DMG 和 ZIP。当前发布包尚未完成 Apple notarization，因此首次启动需要在 Finder 中按住 Control 点击 App 并选择“打开”。 已知限制： - 当前区域框选以鼠标所在显示器为主，跨屏框选与窗口自动吸附尚未完成。 - 长截图已具备自动拼接与接缝修正，但持续动画、视频、半透明浮层和大幅重排页面仍可能需要人工调整。 - 图片翻译使用本地遮盖和重绘；复杂纹理、渐变、阴影、竖排文字和极密集排版可能留下覆盖痕迹。 - PaddleOCR 公开仓库包含增强包构建定义，不提交体积较大的本地构建产物。 - v1.0.1 使用 Apple Development 签名；Developer ID 签名和 Apple notarization 仍在推进中。 ## 文档 - [产品需求文档（中文）](./AI截图软件-产品需求文档-PRD-v1.0.md) - [市场与用户痛点调研（中文）](./AI截图软件市场与用户痛点调研.md) - [Alpha 验证记录](./docs/alpha-verification.md) - [长截图验收矩阵](./docs/long-capture-acceptance-matrix.md) - [PaddleOCR 增强包规范](./docs/ocr-enhancement-pack-spec.md) - [Agent Skill、CLI 与 DeepSeek Harness 集成指南](./docs/agent-integration.md) ## 展望：让截图成为 Agent 的眼睛 Ta 不只想成为一个更全的截图工具。未来，我们希望逐步融入更多 **Agent 能力**，让截图从一张静态图片，变成 AI 理解屏幕和执行任务的入口。 例如，Agent 可以在你确认后： - 识别截图中的任务、日期、链接和表格，并整理成待办、笔记或结构化数据； - 理解界面状态，给出下一步操作建议，或串联翻译、标注、美化和导出流程； - 自动发现并遮挡手机号、邮箱、头像等敏感信息； - 把长对话、代码报错、产品页面或研究材料转成可继续编辑的工作成果； - 记住你常用的截图处理方式，把重复操作变成可复用的个人工作流。 Agent 能力仍会坚持明确授权、过程可见、结果可撤销。Ta 希望做的不是替你接管屏幕，而是让你更快地把屏幕上的信息带走、读懂，并继续使用。 ## Roadmap - [x] 原生截图、OCR、复制与自定义快捷键 - [x] 长截图、接缝检查与自动滚动 - [x] 原位标注、马赛克画笔与钉图 - [x] 截图翻译与多 Provider 模型配置 - [x] PaddleOCR 可选离线增强包协议 - [x] Agent Skill、`ta` CLI 与 DeepSeek Harness 原生插件 - [ ] 多显示器跨屏框选与窗口吸附 - [ ] 公众号截图模板与参数化美化 - [ ] AI 美化、智能隐私遮挡与多尺寸生成 - [ ] 历史记录、搜索与结果重新复制 - [ ] 可确认、可撤销的截图 Agent 工作流 - [ ] Windows 版本 - [x] macOS 通用 DMG、ZIP 与校验文件 - [ ] Developer ID 签名与 Apple notarization ## 免费、开源，也希望和大家一起做 Ta 采用 [MIT 协议](./LICENSE) 免费开源。任何人都可以下载源码、构建、使用、修改和分发。 如果你在截图时遇到过 Ta 尚未解决的问题，欢迎提交 Issue；如果你愿意一起完善它，也欢迎发送 Pull Request。开始修改前请阅读 [CONTRIBUTING.md](./CONTRIBUTING.md)，并尽量为行为变化补充测试或验收步骤。 如果 Ta 帮你少切换一次应用、少做一步重复操作，欢迎点一个 **Star**。这就是对项目最直接的支持。 ## 关于作者 **袋鼠帝 kangarooking** — AI 博主，独立开发者。AI Top 公众号「袋鼠帝 AI 客栈」主理人 袋鼠帝个人微信二维码 火山引擎领航 KOL，百度千帆开发者大使，GLM 布道师，Trae 昆明第一任 Fellow | 平台 | 链接 | |------|------| | 𝕏 Twitter（袋鼠帝） | https://x.com/aikangarooking | | 小红书（袋鼠帝） | https://xhslink.com/m/5YejKvIDBbL | | 抖音（袋鼠帝） | https://v.douyin.com/hYpsjphuuKc | | 公众号 | 袋鼠帝 AI 客栈 | | 视频号 | AI 袋鼠帝 | 微信公众号「袋鼠帝 AI 客栈」二维码： ![](https://raw.githubusercontent.com/kangarooking/cangjie-skill/main/assets/kangarooking-gzh.png) 如果你也想交流 Ta 的使用体验、反馈截图痛点，或一起参与 AI 原生截图工具的开发，欢迎加入 Ta 企微交流群： Ta 企微交流群二维码 ## ⭐ Star History 如果 Ta 对你有帮助，欢迎点一个 Star。 Ta Star History Chart ## License MIT，详见 [LICENSE](./LICENSE)。