识屏 Shiping
屏幕上的内容，截一下，AI 就看懂：题目、代码、报错、图表、外文资料，按下快捷键就有解答；听对话时，对方说完就有提示。屏幕共享时对方看不到窗口。
改名说明：本项目原名「截屏解题助手」（仓库 interview-coder-cn），2026 年 10 月起改名为「识屏 Shiping」（仓库 shiping）。功能不变，升级后原有设置自动保留。为什么改、改了哪些，见关于改名。
版本说明：v3 起新增对话模式，此后只维护 v3（main 分支）。只有截图解题的 v2 版本保留在 v2 分支，不再更新，安装包见 v2.1.0。
两种模式
- 截图模式（核心）：按下快捷键截取屏幕，视觉模型实时理解屏幕上的内容，流式给出解答；可以追加截图、追问，保持上下文连续
- 对话模式：实时识别对方说的话，对方说完一句就给出简短的回答提示——一句能直接说出口的开场，加上几个要点
| 截图模式 | 对话模式 |
|---|
| 解决什么 | 屏幕上的内容：题目、代码、报错、图表、外文 | 对方说的话：面试、答辩等语音沟通 |
| 怎么触发 | 按快捷键截图 | 对方说完一句自动出提示，也可以按快捷键 |
| 适合的模型 | 能识图的模型 | 关闭思考的快模型，越快越好 |
| 额外需要 | 无 | 阿里云百炼 API Key（语音识别） |
两种模式各自选用 AI 配置和提示词，可以随时切换：比如线上面试时先聊项目用对话模式，对方一共享题目，按快捷键切到截图模式就能解题。
为什么选它
- 截屏即理解：不用复制粘贴、不用切换窗口，屏幕上看得到的内容截一下就能问
- 两种模式一体：看屏幕和听对话在同一个窗口里，各自选模型、各自配提示词
- 适配国内生态：中文界面；硅基流动、DeepSeek 等国内平台开箱即用，支持支付宝付款；语音识别用阿里云百炼
- 屏幕分享隐身：即使被要求共享屏幕，对方也看不到本助手的窗口
- 不打扰手上的事：窗口置顶半透明，当前页面不会失焦；支持鼠标穿透，快捷键冲突时还可以用悬浮工具条点按钮操作
- 开源、自带 Key、没有订阅费：直接调用你自己的 AI 平台，花多少钱看得见
- 追求快：可以关闭模型思考；对话模式不等停顿结束就出提示，对方没说完会自动重写
适用场景
| 场景 | 用法 |
|---|
| 看不懂的代码 / 报错 | 截图模式「通用问答」：解释含义，指出原因和改法 |
| 外文资料 / 图表 / 文档 | 截图模式「通用问答」：翻译、总结、提炼要点；常用的话可以新增一个自定义场景 |
| 算法笔试 / 在线编程题 | 截图模式「解算法题」：给出思路和完整代码，题目长就追加截图，代码可自动复制或保存 |
| 技术面试（视频 / 语音） | 对话模式「技术面试」；面试官共享编程题时，切到截图模式「解算法题」 |
| HR 面 / 主管面 | 对话模式「行为面试」：按 STAR 给出经历类问题的回答要点 |
| 英文面试 | 对话模式「英文面试」：给出英文回答要点，并用中文说明对方问的是什么 |
| 英语机试 | 截图模式「英语考试」，听力题可以配合语音转录 |
| 能力测评 / 行测 | 截图模式「能力测评」：逻辑、图形、数字推理，直接给出选项和关键依据 |
| 其他在线考试 | 截图模式「通用问答」：单选、多选、解答等通用题型 |
| 以上都不是 | 在设置里新增自定义场景，写自己的提示词 |
截图模式的编程题默认用 TypeScript 作答，题目指定了语言时按题目要求。
快速开始
1. 下载安装
到 Releases 下载安装包：Windows 用 setup.exe，macOS 用 .dmg（目前只提供 Apple 芯片版本，Intel 芯片的 Mac 请从源码运行）。安装和首次打开的注意事项见 Wiki 教程。
2. 配置 AI
首次打开会提示填写 API Base URL 和 API Key。任何兼容 OpenAI API 的平台都可以，如国内的 硅基流动、DeepSeek，国外的 OpenRouter，或 OpenAI 官方（只填 API Key 即可）。
在「设置 → AI 模型」里可以保存多套配置，再到「截图模式」「对话模式」两组里分别选用：
- 截图模式要发截图给模型，需要能识图的模型，设置里会标出不能识图的模型
- 对话模式只发文字，建议选一个打开「关闭思考」的快模型，出提示更快
常用平台的地址和模型名怎么填，见 Wiki 的对照表。
部分平台或网关除了 API Key 还要求额外的请求头（如 Azure 的 api-key、Cloudflare AI Gateway 的 cf-aig-authorization），可以在配置的「高级 → 自定义请求头」里每行填一个 名称: 值。
网络代理
在「设置 → 网络代理」里选择 AI 请求的连接方式：
- 自动（默认）：跟随 Windows / macOS 系统代理（含 PAC）。代理客户端调整端口后无需重新填写；点「检测系统代理」可查看当前 API 地址实际使用的规则，再点「使用系统代理并应用」。
- 自定义代理：输入完整地址，例如
http://127.0.0.1:20808 或 socks5://127.0.0.1:20808，使用代理客户端实际监听的端口。支持 HTTP、HTTPS 和 SOCKS5，暂不支持需要账号密码的代理。本机回环和链路本地地址保留 Chromium 的默认直连规则，以测试显示的请求路由为准。
- 直连：忽略系统代理，直接连接 API。
「测试连接」使用当前正在编辑的 AI 配置访问 /models，显示请求路由、耗时和 HTTP 状态，最长等待 10 秒，不生成回答。401 / 403 表示网络已收到响应，需要继续检查密钥、权限或网关限制；404 表示该地址没有模型列表接口，不代表聊天一定不可用。测试不会保存代理设置，确认后点「保存并应用」。
设置会保留到下次启动，应用于两种模式的 AI 请求和模型列表；测试和切换代理不会中断已开始的回答。不修改操作系统或其他软件的代理，也不接管语音转录、手机同步和软件更新的连接。
3. 开始使用
- 截图模式：按
⌥ Enter（Windows 为 Ctrl+Enter）截图解题
- 对话模式：
- 在百炼平台控制台创建 API Key，填到「设置 → 语音」
- 点窗口顶部的「对话」切换过去（或按
⌥⇧M / Ctrl+Shift+M）
- 按
⌥ T（Windows 为 Ctrl+T）开始监听，对方说完一句话，右侧就会出提示
语音识别使用阿里云百炼的 Fun-ASR 实时模型，约 0.02 元/分钟，新用户有免费额度，以百炼官网为准。
对话模式怎么出提示
- 自动（默认）：对方说完一句话立刻出提示。如果对方其实还没说完，这条提示会先撤回，等说完后重写到同一张卡里；「好的」「嗯」这类太短的句子不会触发
- 手动：只在按「出提示」快捷键时出
- 两种方式下都可以随时按「出提示」立即出，不等对方说完；没有新内容时再按一次，会把上一条换个说法重出
- 左边是对方说的话，右边是提示；鼠标移到某条提示上，左边会高亮它对应的问题
- 对话模式采集的是系统音频，线上面试时就是会议里对方的声音，自己说话不会触发提示。「说完判定」的停顿时长和触发字数可以在「设置 → 对话模式 → 高级」里调整
- 想复盘的话，在「设置 → 对话模式」打开「保存对话记录到本地」：对方说的话和提示会自动保存成 Markdown 文件（默认在 文档/Shiping），一段对话一个文件，清空对话后另起一个
让 AI 参考你的资料
在「设置 → 资料库」导入简历、项目笔记（PDF、Word、Markdown、TXT），或把准备好的问答直接粘贴成文本，AI 作答时会优先参考：
- 经历类问题结合简历里的项目和数据，用第一人称回答；资料里有现成回答的问题，按你准备的要点和说法来
- 每份资料可以分别选择用于截图模式、对话模式
- 资料只保存在本机，但会随每次请求发给该模式使用的 AI 平台。资料越多回答越慢、费用越高，建议每个模式不超过 3 万字；DeepSeek、OpenAI 等平台会自动缓存重复的前缀，连续提问时这部分更快也更便宜
在手机上看答案
在「设置 → 手机同步」打开后，截图模式的解答和对话模式的提示会实时同步到手机浏览器，手机只看不操作，不用装 App。适合把手机立在一旁看，电脑屏幕上不留任何窗口：
- 局域网：手机和电脑连同一个 Wi-Fi，扫设置页里的二维码即可
- 公网中转：手机用流量也能看，需要一台自己的服务器跑中转服务，部署见 relay/README.md
使用时注意：
- 电脑上按翻页快捷键（
⌘J / ⌘K，Windows 为 Ctrl+J / Ctrl+K），手机跟着翻页，不用碰手机
- 电脑能打开、手机打不开，多半是防火墙没放行：
- 换了 Wi-Fi，电脑的地址会变，需要重新扫码
- 二维码只显示在设置页里，共享屏幕时对方看不到。二维码链接相当于只读密码，别外发；泄露了就点「更换二维码」（公网中转则换服务器的密钥）
- 地址是
http:// 时内容明文传输，在公共 Wi-Fi 上留意；公网中转可以按 relay/README.md 加上 HTTPS
常用快捷键
| 操作 | macOS | Windows |
|---|
| 截图解题（新开对话） | ⌥ Enter | Ctrl+Enter |
| 框选一块区域截图解题 | ⌥⇧ S | Ctrl+Shift+S |
| 追加截图 | ⌥⇧ Enter | Ctrl+Shift+Enter |
| 对话模式：出提示 | ⌥ G | Ctrl+G |
| 对话模式：切换自动 / 手动 | ⌥⇧ G | Ctrl+Shift+G |
| 语音转录 / 开始停止监听 | ⌥ T | Ctrl+T |
| 停止生成 | ⌥ . | Ctrl+. |
| 切换截图 / 对话模式 | ⌥⇧ M | Ctrl+Shift+M |
| 隐藏 / 显示窗口 | ⌥ H | Ctrl+H |
| 鼠标穿透 | ⌥ M | Ctrl+M |
| 上翻 / 下翻（手机同步翻） | ⌘J / ⌘K | Ctrl+J / Ctrl+K |
所有快捷键都可以在「设置 → 快捷键」里修改，完整列表见应用内的「帮助中心」。
遇到问题
先看报错原文：截图模式在答案区顶部的「API 调用失败」下面，对话模式在提示卡片的「生成失败：……」里。常见问题按类别整理在 Wiki 里，每条都有原因和解决办法：
没找到答案再提 Issue，请附上软件版本、操作系统、所用平台和模型，以及报错原文（API Key 记得打码）。
v3 新变化
- 新增对话模式：根据面试官说的话实时出提示，不需要截图
- 设置页改为分组导航：通用设置（AI 模型、语音、界面与隐私、快捷键）和两种模式的设置分开，不常用的项收进「高级」
- AI 配置按模式选用：配置列表共用，两种模式各选一个。在「AI 模型」里点选配置现在只是打开它来编辑，要改某个模式用哪个配置，请点配置里的「用于」或到该模式的设置组里选。升级后两种模式都沿用你原来在用的配置
- 提示词场景按模式分开，对话模式新增「技术面试」「行为面试」「英文面试」三个预设
- 自 v2.1 以来的其他改进：多显示器选择截图屏幕、只截固定区域、关闭模型思考、自定义请求头、快捷键切换提示词场景、预设场景可删除、答案渲染数学公式、代码自动复制/保存、状态栏显示解题耗时
完整更新日志见 Releases。
关于改名
为什么改
- 本项目的核心能力一直是「截屏 + AI 理解」：截取屏幕上的任意内容，交给视觉模型理解并作答。它从面试助手起步，但实际能用的地方远不止面试和考试，读代码、查报错、看图表、读外文资料都可以。新名字「识屏」直接说明它做什么
- 原来的名字和仓库名突出「面试」「解题」，容易让人只把它当成面试、考试工具；从合规角度看，这样的定位也不利于项目长期发展。后来加入的对话模式是辅助功能，不改变「截屏 + AI 理解」这一核心
改了什么
| 项目 | 原来 | 现在 |
|---|
| 名称 | 截屏解题助手 | 识屏 Shiping |
| GitHub 仓库 | ooboqoo/interview-coder-cn | ooboqoo/shiping |
| 安装包文件名 | interview-coder-cn-<版本>-setup.exe 等 | shiping-<版本>-setup.exe 等 |
| 应用名（程序、快捷方式、Dock） | 截屏解题助手 | 识屏 |
| 截图模式的标题 | 截屏解题 | 截屏解答 |
| 截图、对话记录的默认保存目录 | 图片/InterviewCoder、文档/InterviewCoder | 图片/Shiping、文档/Shiping |
升级须知
- 设置、AI 配置、提示词场景、资料库都会在新版首次启动时自动迁移，不用重新配置
- 旧的仓库地址、Issue 和 Wiki 链接会自动跳转到新地址；Windows 版照常收到自动更新，安装位置不变，开始菜单和桌面快捷方式改名为「识屏」
- macOS：新版是「识屏.app」，装好后可以删掉旧的「截屏解题助手.app」。签名证书和应用标识没变，一般不用重新授权；如果系统音频没声音，到「系统设置 → 隐私与安全性 → 屏幕与系统音频录制」里重新打开「识屏」。v3.3.0 在仓库改名后收不到新版本提示，请到 Releases 手动下载
- 打开了自动保存截图或对话记录、又没有指定目录的，新文件会存到新的默认目录，旧文件留在原处
- Windows 上用局域网手机同步的，程序文件名变了，防火墙可能要重新放行一次（见上文在手机上看答案）
- 自己部署的手机同步中转服务不受影响，不用改动
关于隐身能力的说明
目前隐身功能适配市面上大部分会议软件（如腾讯会议等），但很少部分软件和浏览器可能无法正常隐身。请务必在正式使用前，用「当前电脑」+「当前会议软件」自行测试。
本项目仅供学习与研究使用，请遵守考试、面试等场合的相关规定，使用本软件产生的一切后果由使用者自行承担。相关问题欢迎到 #21 讨论。
从源码运行
项目运行依赖 Node.js。
$ npm install
$ npm run dev
也可以在项目根目录创建 .env 文件预配置 AI 平台，程序启动后会自动读取作为默认值：
API_BASE_URL="https://openrouter.ai/api/v1" # 聚合服务的 API 地址，这里以 OpenRouter 为例
API_KEY="sk-1234567890" # 你的 API Key，这里只是示例
MODEL="gpt-5-mini" # 可选，指定模型
自己打包安装包：
$ npm run build:mac # macOS
$ npm run build:win # Windows
更多使用教程和视频请到本项目的 Wiki 查看。
许可协议（License）
本项目采用 CC BY-NC 4.0 协议许可。
您可以自由使用、复制、修改本项目代码，但 禁止任何形式的商业用途，包括但不限于售卖、集成入商业产品、SaaS 服务等。
如需商业授权，请联系作者获得书面许可。
类似项目
原 Interview-Coder 项目在网络上爆火之后，出现了很多类似的项目（本项目也是其中一个），每个项目都各有特色，这里列举一些比较火的项目供参考。
