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。
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。
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。
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。
- 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。
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 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 支持多种 Provider 协议，API Key 只保存在 macOS Keychain。 |
|
原位标注 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 钉图保持置顶，可移动、缩放、调整透明度，也可双击关闭。 |
Ta 使用一条原生 macOS 截图链路：
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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
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。
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。
| 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。
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；
taCLI：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：
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：
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。
- 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。
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
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。
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。
- 原生截图、OCR、复制与自定义快捷键
- 长截图、接缝检查与自动滚动
- 原位标注、马赛克画笔与钉图
- 截图翻译与多 Provider 模型配置
- PaddleOCR 可选离线增强包协议
- Agent Skill、
taCLI 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
- macOS 通用 DMG、ZIP 与校验文件
- Developer ID 签名与 Apple notarization
Ta 采用 MIT 协议 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，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。
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
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：
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：
如果 Ta 对你有帮助，欢迎点一个 Star。
MIT，详见 LICENSE。