Shotcache开源：Chrome扩展配Windows程序实现截图直投AI

背景

在当前的 AI 交互工作流中，向大语言模型（LLM）输入视觉素材（如截图、代码片段、文档图片）是一个高频但体验割裂的场景。传统的操作流程往往涉及“截图 -> 切换应用 -> 粘贴 -> 切换回原应用”的循环，这种碎片化的操作不仅效率低下，还受限于剪贴板只能保留单条数据的特性，导致多张素材难以一次性整理发送。

虽然微信等桌面应用提供的截图工具（如 Alt+W）提供了优秀的“热键唤起、屏上框选、即时标注”体验，但其缺点在于截图后不留存记录，且无法直接集成到 AI 对话流中。另一方面，纯 Chrome 扩展受限于 Manifest V3 (MV3) 的安全策略，无法在浏览器外部触发全局热键，也无法在系统层面进行全屏覆盖层的框选，导致浏览器内的截图体验远不如原生桌面应用流畅。

为了解决这一痛点，开发者 Robinxplorer 开源了 Shotcache 项目，旨在通过“Chrome 扩展 + Windows 伴生程序”的混合架构，结合两者的优势，打造一种接近微信截图体验、同时能无缝服务于 AI 工作流的截图工具。

核心内容

Shotcache（中文名：截存）是一个开源项目，其核心设计理念是将“截图与标注”的交互体验下沉至 Windows 原生程序，而将“存储与注入”的逻辑保留在 Chrome 扩展中，从而服务于 AI Agent 的上下文构建。

工作流体验

Shotcache 试图还原甚至超越微信截图的操作流畅度：

1. 热键唤起：用户可在任意应用状态下按下 Ctrl+Alt+A（支持自定义）触发截图。
2. 零干扰框选：系统出现全屏覆盖层，用户可直接在屏幕上框选区域。
3. 即时标注：框选区域旁出现工具条，支持矩形、椭圆、箭头、文字、马赛克、表情等标注，提供 8 种颜色和 3 档粗细选择。标注完成后按回车确认。
4. 焦点恢复：整个过程中零弹窗、零标签页切换，操作完成后焦点自动回到用户原本的应用程序。

数据存储与注入

截图完成后，数据会同时进入两个通道：

• 剪贴板：立即可用，支持直接粘贴。
• 托盘暂存：截图及备注信息会保存在系统托盘中，保留期为 7 天。

在托盘界面，用户可以勾选多个条目（包括截图、链接、备注、代码片段），然后一键注入到 Claude、ChatGPT 或 Gemini 的输入框中。对于代码片段，系统会自动将其包裹在 Markdown 代码块（```）中，确保格式正确。

高级功能

• 滚动长截图：支持在框选后手动滚动页面，系统通过图像匹配去重算法自动拼接长图，完成后进入编辑器进行标注。
• 编辑能力：编辑器具备“选择”工具，允许用户选中已绘制的标注进行修改，而非仅支持新建。

技术架构与安全性

• 双端架构：
  • Windows 伴生程序：使用 C# WinForms 开发，利用 Windows 原生 API 实现全局热键和屏幕覆盖层。
  • Chrome 扩展：基于 WXT + TypeScript 开发，遵循 MV3 规范，零 UI 框架。
• 通信机制：两者通过一条常驻的 native messaging 端口通信，并内置了断线指数退避重连机制。
• 开源与审计：伴生程序使用 Windows 自带的 csc.exe 编译，仓库中不包含任何二进制文件，用户需 clone 代码后自行编译，确保代码完全可审计。
• 权限最小化：
  • 注册表操作仅限 HKCU（当前用户），无需管理员权限，无开机自启（随 Chrome 启停）。
  • 扩展权限极小，不包含 <all_urls>、activeTab 或 scripting 权限，仅拥有三个特定 AI 站点（Claude/ChatGPT/Gemini）的 host 权限。
• 降级方案：如果不安装 Windows 伴生程序，扩展仍可运行，但会降级使用 Chrome 自带的屏幕选择器，体验略逊于原生方案。

目前该项目仅支持 Windows 伴生程序，macOS 和 Linux 用户仅能使用扩展的降级功能。项目采用 LGPL-2.1 开源协议，尚未上架应用商店，需通过 npm run build 手动加载未打包的扩展。

关键要点

• 痛点解决：解决了 AI 交互中截图素材管理碎片化、多素材难以批量发送、以及浏览器扩展无法提供全局截图体验的问题。
• 混合架构：采用“Windows 原生程序（负责交互）+ Chrome 扩展（负责存储与注入）”的模式，兼顾了桌面级的流畅体验和 Web 端的自动化能力。
• 无缝集成：支持一键将多张截图、代码、备注注入到 Claude、ChatGPT、Gemini 等主流 AI 工具的输入框，并自动处理代码格式化。
• 安全透明：
  • 伴生程序源码开放，需用户自行编译，无预编译二进制，杜绝后门风险。
  • 扩展权限严格控制，仅针对特定 AI 站点，无广泛浏览权限。
  • 无管理员权限需求，无开机自启，隐私侵入性极低。
• 功能丰富：支持全局热键、屏上框选、多种标注工具、滚动长截图拼接、以及标注的二次编辑。
• 局限性：目前仅支持 Windows 平台的完整体验（macOS/Linux 仅支持扩展降级功能）；站点选择器需随 AI 平台改版而手动维护；长截图拼接算法仍有优化空间。

意义与影响

Shotcache 的出现标志着 AI 辅助工作流工具正从“单一功能插件”向“系统化上下文管理层”演进。

1. 重新定义人机交互边界：它打破了浏览器沙箱的限制，证明了通过合法的 Native Messaging 机制，Web 应用可以安全地调用原生系统能力，从而提供媲美原生应用的交互体验。这对于需要深度集成系统功能的 Web 扩展开发具有参考价值。
2. 提升 AI 数据摄入效率：对于开发者、研究人员和内容创作者而言，快速、结构化地摄入视觉和代码上下文是提升 AI 使用效率的关键。Shotcache 提供的“截-存-注-投”一体化流程，显著降低了上下文构建的认知负荷和操作成本。
3. 开源社区的实践典范：该项目在安全性（权限最小化、代码可审计）和用户体验（微信级流畅度）之间取得了良好的平衡，并主动寻求社区反馈以优化站点适配和长截图算法，体现了开源协作的价值。
4. 对 AI Agent 生态的补充：随着 AI Agent 的发展，对多模态输入的需求日益增长。Shotcache 作为一个轻量级的“上下文输入层”，为构建更智能、更高效的 AI 工作流提供了基础设施层面的支持。