AI改界面别再打字描述了:圈哪改哪,开源工具68天1726星

用 AI 改页面,最费时间的从来不是生成,是改。

按钮偏左 24 像素、卡片间距大了一圈、第三秒的字幕挡住了人脸——你一眼就能看见,却要打一大段字去描述。

描述完,AI 改偏;你再描述,再偏。来回三轮,火气比进度涨得快。

语言描述位置,本来就是一条窄道。“左上角那个按钮往右挪一点”,到底是几个像素?哪算左上角?AI 只能猜。

EditHere 换了个通道:把“往右一点”变成你在画面上的一次拖拽。

它是一个本地优先的截图批注工作台,C++/Qt 写的桌面软件。Windows 全功能,macOS 和 Linux 是预览版,另有一个离线网页版。项目 9 月 11 日建仓,到今天 68 天,1,726 星、107 个 fork。

封面:圈哪改哪,AI 照着改

一、把“位置”变成操作

它提供的批注方式有四种:点批注,精确指向某个点;框批注,手动画出要改的区域;智能选块,悬停给出候选区域、滚轮切换大小;全局意见,写整张画面的要求。

每条意见带编号,与画面位置一一对应。原图保留,批注和坐标独立导出,不会把原图涂得没法看。

AI 拿到的不是一段形容词,而是“编号 1,区域 (600,80) 到 (800,140),意见:把按钮移到标题旁边”。位置、范围、意图都在里面。

这就是它和“截图丢进聊天框”最大的区别:截图只给了 AI 一张画,批注才告诉它画上哪一笔要动。

二、大爆炸:拖一下,就是一条修改意见

这是它最出圈的功能,也是我觉得最像“人话”的设计。

点开大爆炸,画面会被拆成一个个候选矩形块。选中按钮、卡片、导航栏,直接拖到该在的位置,拉边改大小,或者输入精确的 X、Y、宽、高。

移动和缩放本身就是一条修改意见。就算你一个字不写,原始区域和最终位置也会被记录下来。已有批注会跟着组件一起移动,撤销、重做、复位都在。

官方给的 JSON 示例里,一次拖动会记录 source(原区域)、movement(目标区域、dx、dy)。AI 拿到这组坐标,改源码时不用再猜“右边一点”是几个像素。

需要说明的是:大爆炸移动的是图像里的像素区域,原位置会留下透明空洞。它不改代码,也不做语义抠图,真正的页面修改仍由 AI 完成。它负责把意图说清楚,不替你把活干完。

大爆炸布局:把画面拆成组件,拖动后记录原区域与目标区域
大爆炸:拖动组件,位移会自动记成一条批注(官方演示)

三、64 页组图:多页面评审不丢上下文

真实项目很少只有一个页面。首页、设置页、弹窗、空状态、游戏 HUD,一改就是一串。

EditHere 支持一个项目最多 64 页组图集中评审:页面可以重命名、排序、增删;逐页批注之外,还能写一条“整组意见”,用来提跨页面的要求,比如全站按钮圆角统一。

更实用的是复审方式:AI 改完后只替换有变化的截图,没动过的页面原样保留。反馈包也只附有批注或真实位移的页面,其他页面留一个轻量索引,上下文和 token 都省了。

页面 ID 固定,所以可以在同一组图里一轮一轮往下审,不用每次重新收集截图。

组图评审:一个项目最多 64 页,逐页批注后一次提交
组图评审:一个项目最多 64 页,逐页批注后一次提交(官方演示)

四、它不挑画面

很多批注工具绑在前端框架上,靠 DOM 找元素。EditHere 走的是图像路线:不需要页面暴露 DOM,网页、原生应用、游戏 HUD、AI 生成的图,都能用同一套操作。

视频也能批注:暂停在需要改的那一帧,圈出问题,导出会带时间戳、帧截图和该帧的批注。只有真正加了批注或布局变化的帧才进反馈,单纯暂停不会产生空帧。

对做动画、游戏演示、交互流程走查的人,这个细节比“支持视频”四个字值钱。

五、交付方式不止一种

评审完,交付方式有五种:完成并返回 AI(Agent 发起的会话)、复制 JSON 与图片、复制带批注的图片、只复制 JSON、AI 解析。

前四种是给能读图的 AI;最后一种是给只认文字的模型:把截图、批注、布局调整整理成一份可编辑的纯文本修改清单。预设了 OpenAI、Claude、DeepSeek、GLM、Kimi,也支持自定义兼容服务,填自己的 Key 就能用。

这个设计很克制:AI 解析不是默认动作,你点“开始解析”才发送图文;打开窗口不会发请求,测试连接只发送程序内置的小图。

AI 解析:把截图与批注整理成可编辑的纯文本修改清单
AI 解析:把图文批注整理成可编辑的纯文本清单(官方演示)

六、本地优先不是口号

批注、截图、选块、OCR、布局调整全部在本机完成。OCR 直接用系统能力:Windows 用系统 OCR,macOS 用 Vision,Linux 用本机 Tesseract。

API Key 通过 QtKeychain 存进系统凭据库,不写进项目、批注 JSON 或普通设置文件;凭据库不可用时直接报错,不回退明文存储。

DSH 入口的本机服务只监听 127.0.0.1,校验 Host、Origin 和 Sec-Fetch-Site,没有 CORS;浏览器页面拿一次性 256 位 token,Agent 接口另需本机 Bearer key。

这些不是宣传语,是 README 和文档里能逐条对上的实现。

七、工程完成度不像“学生作业”

一个 68 天的个人项目,更新日志里列了 49 个版本。最近 5 天更是连发 5 版:0.13.2 修 Windows HDR 截图全黑,0.13.3 加国内更新源,0.13.4 修缩放断笔,0.13.5 修 macOS 长截图,0.13.6 修窗口最大化。

翻这些记录,能看到很多不性感但致命的问题:高 DPI 下方向键按原生像素走、Wayland 缺 GlobalShortcuts Portal、安装更新卸载共用一套可回滚事务、macOS 长截图要排除自己的窗口。

5 位贡献者,作者本人 295 次提交;社区提交的 HDR 修复被合入,还带了 RTX 5080 实机复测。HelloGitHub 给了推荐位,Gitee、AtomGit 都有镜像。

说实话,这个完成度不太像“学生作业”。

八、我把它的离线版拆了一遍

写这篇之前,我把它的离线 Web 版单独取下来数了一遍。

web/EditHere.html,342,004 个字符,没有任何外部 http(s) 资源引用。没有 CDN、没有 unpkg、没有 jsdelivr,全文唯一一个 http 字符串是 SVG 的命名空间,不是网络请求。

我用无头浏览器直接打开它,界面完整渲染出来:打开图片、组图、精确批注、自由布局、视频时间点都在,底部写着“本地处理,无需账号,也可以直接粘贴图片”。

顺手把 Releases 的下载计数加了一遍:36 个 Release,可执行文件累计下载 6,510 次,所有资产合计 8,827 次。Star 数我盯了一天:成稿时 1,724,发布前再取一次是 1,726;我看到的上一篇介绍里还写着 1,647。

数字不算大。但放在一个 68 天、5 个贡献者的个人项目上,这个曲线不丢人。

离线 Web 版单文件打开后的界面
我本地打开的离线 Web 版:单文件、无外部依赖(自测截图)

九、三个不吹的地方

第一,它不是 OSI 意义上的开源。项目源码公开,但许可证是 PolyForm Noncommercial 1.0.0,属于源码可用(source-available):个人、学习、非商业用途免费;商业用途需要联系作者拿书面授权。公司里用之前,先看 LICENSE,别装完再说。

第二,跨平台还是预览。Windows 10 1809 以上是全功能;macOS 14 以上和 Ubuntu 24.04 标的是预览版,macOS 未公证、实机覆盖有限;Windows 安装包也没有公开信任的签名,首次运行可能弹系统提示。

第三,AI 解析是桌面预览功能,要自己的 API Key,结果也要你核对;Web 版没有内置 OCR 和 AI 解析。它也不是“一键改代码”的魔法——它负责把意图说清楚,改代码的还是你的 AI。

把这三条看完,再决定要不要装,比看十篇吹文有用。

十、想试的话,路径很短

1. 去 Releases 下 Windows 安装包(当前用户安装,不需要管理员权限),或者下免安装 ZIP;只想先摸手感,下 100KB 级的离线 Web 包,双击 EditHere.html。

2. 把官方 AI-SETUP 里的配置提示词丢给 Claude Code、Codex 或 DSH,让它装好 CLI 和 edithere skill。

3. 在项目里说:“用 EditHere 让我标注首页,等我完成后按我的意见修改。”

仓库地址:github.com/Inginnng/EditHere

回到开头那个问题:AI 改界面总差一点,差的往往不是模型能力,是它看不见你看见的东西。

把画面递给它,比再写三百字描述便宜。

下篇我打算拆它的反馈 JSON:一份“人话批注”到底长什么样,AI 又是怎么照着它改代码的。关注别错过。

常见问题

EditHere 免费吗?

A:个人、学习、非商业用途免费,软件本身不提供任何模型额度;商业用途需要作者书面授权。

一定要配 AI 的 API Key 吗?

A:不用。批注、导出、Agent 读取反馈都不需要 Key,只有桌面版可选的“AI 解析”要自己的 Key。

Mac 和 Linux 能用吗?

A:有预览版,要求 macOS 14 以上或 Ubuntu 24.04;Windows 10 1809 以上是全功能。遇到问题可以去仓库提 issue。

它和把截图丢给 ChatGPT 有什么区别?

A:截图只给了 AI 一张画。EditHere 额外给出编号、坐标、布局位移和结构化 JSON,AI 不用猜“哪里”和“改多少”。