Capso - 最新版
Capso是一款开源的 macOS 截图与录屏工具，一个免费、原生的 CleanShot X 替代品，使用 Swift 6.0 和 SwiftUI 构建，支持 macOS 15.0+。
Ad Skipper 是一款基于 Android 无障碍服务的开源应用，通过四层本地检测策略自动跳过开屏广告，全程无需联网或上传数据。
核心机制为分层降级短路：L1（无障碍文本匹配，<10ms）→ L2（ML Kit中文OCR，~100ms）→ L3a（内置YOLO11n按钮检测，20-300ms）→ L3b（可选VLM Grounding，2-4s），命中即停止后续层级。APK仅52MB（含5MB YOLO模型），VLM需手动下载（推荐InternVL3-2B Q4_K_M约1.5GB）。开屏窗口期（启动后8秒内）采用固定节奏轮询（跳过前500ms过渡期，每750ms检测一次，最多重试3次），窗口期外仅L1/L2事件驱动生效以防误点。服务以前台常驻保活，支持关键词/白名单自定义及调试悬浮窗。
已知限制：FLAG_SECURE页面（如银行App）截图黑屏时仅L1有效；VLM效果依赖模型选择与bbox解析容错。
四层检测架构详解
| 层级 | 技术栈 | 延迟 | 触发条件 | 优势/局限 |
|---|---|---|---|---|
| L1 | 无障碍节点文本匹配 | <10ms | 始终启用 | 最快最省资源；依赖App暴露UI树，Flutter/Unity等无效 |
| L2 | ML Kit本地中文OCR | ~100ms | L1未命中 | 覆盖无UI树场景；纯文字按钮有效，图形化按钮失效 |
| L3a | YOLO11n (ncnn Vulkan/CPU) | 20-300ms | L2未命中 | 识别倒计时圆环/混淆按钮/纯图按钮；val mAP50=0.992，基准19/20命中0误点CTA |
| L3b | VLM Grounding (llama.cpp) | 2-4s | L3a未命中+用户下载模型 | 兜底疑难场景；精度依赖模型，InternVL3-2B基准16/20命中 |
关键设计决策
- 短路执行：高层级仅在低层级失败时激活，避免不必要的算力消耗
- 轮询vs事件：开屏广告常延迟渲染且不发无障碍事件，固定轮询确保捕获；普通界面切回事件驱动防误触
- GPU自适应：YOLO优先Vulkan加速，驱动异常自动回退CPU/NEON；超时4s放弃防卡死
- VLM可选化：APK不内置大模型，用户按需下载，平衡体积与能力
部署配置与模型管理
基础使用
- 安装APK → 开启无障碍服务（设置→无障碍→广告跳过）
- 默认L1/L2/L3a全开，L3b需手动下载模型
- 调试悬浮窗可实时显示命中层级与坐标，验证检测逻辑
VLM模型选择指南
| 模型 | 大小 | 输入分辨率 | 基准命中 | 适用场景 |
|---|---|---|---|---|
| InternVL3-2B (Q4_K_M) | ~1.5GB | 896px | 16/20 | 首选：最小可用模型，精度足够 |
| Qwen2.5-VL-3B | ~2.8GB | 672px | ≈16/20 | 备选：精度相当但体积更大 |
| 自定义GGUF+mmproj | 可变 | 可变 | 未知 | 高级用户：SAF导入，自动切换 |
⚠️ 下载源优先级：ModelScope（国内直连）→ hf-mirror（HuggingFace镜像）；失败自动回退
⚠️ bbox解析容错：支持0-1 / 0-100 / 0-1000三种归一化格式，适配不同模型输出
YOLO模型替换（开发者）
# 训练/微调后导出NCNN格式
yolo export format=ncnn # 产出 yolo.ncnn.param + yolo.ncnn.bin
# 替换 core/src/main/assets/ 下同名文件，重新编译APK
当前模型基于2400张合成数据+300张真实负样本微调，val mAP50=0.992；真实场景召回率未系统验证，收集真实截图微调是最高收益改进方向。
已知限制与风险管控
硬性约束
- FLAG_SECURE黑屏：银行/支付类App禁止截图，L2/L3完全失效，仅L1文本匹配可用
- NPU未支持：当前仅Vulkan/CPU后端，NPU加速留作未来扩展
- VLM格式敏感：bbox输出需符合三种归一化之一，非标格式将解析失败
- OEM后台清理：虽用specialUse前台服务保活，部分厂商仍可能强杀，需手动锁定
安全与隐私保障
- ✅ 全本地处理：无网络请求、无数据上传、无遥测
- ✅ 开源可审计：代码透明，模型来源明确（Ultralytics官方导出/ggml-org托管）
- ✅ 权限最小化：仅需无障碍服务，无存储/相机/位置等敏感权限
- ⚠️ 代理配置注意：Gradle不读
*_PROXY环境变量，需在~/.gradle/gradle.properties单独配置，勿提交仓库
效果优化建议
- 新装App首次启动时观察调试悬浮窗，确认L3a是否命中；未命中则尝试下载VLM
- 白名单添加无需跳过的App（如 launcher、系统设置），减少无效检测
- 关键词列表补充小众App的跳过文案变体（如“关闭广告”“立即进入”）
- 遇误点立即反馈至Issue，附调试截图与App包名，助力负样本积累
相关软件
AudioRouter - 最新版
AudioRouter 是 第一个第三方Win11 可视化节点音频路由工具，内置丰富音效、支持 VST 隔离加载、局域网跨机音频传输；自带 MCP/API，本地运行不收集数据，直播和播客场景非常实用。
FlowFinder - 最新版
FlowFinder（中文名：流方达）是一款专为 macOS 打造的原生文件管理器，采用 Swift & AppKit 构建用户界面，Rust Core 提供高性能后端引擎，通过 FFI（C ABI）实现跨语言调用。相较于前代 Tauri + React 版本，原生架构带来了 10-30 倍的目录读取性能提升、更低的内存占用，以及与 macOS Finder 一致的视觉和交互体验。
Ollama - 最新版
Ollama 是一个开源的框架，专门设计用于简化在本地机器上部署和管理大语言模型，Ollama 提供了简单的命令行界面（CLI），用户可以通过一条命令快速启动和运行大型模型，支持多种预构建的模型。
AigcPanel - 最新版
AigcPanel 是一个一站式 AI 数字人系统，整合了多种开源模型，包括 CosyVoice、MuseTalk、LatentSync 和 Wav2Lip 等，旨在为用户提供简单易用的数字人生成和管理工具。它支持视频合成、声音合成、声音克隆等功能，简化了本地模型管理，并提供一键导入和使用 AI 模型的能力。
STABLE PROJECTORZ - 最新版
STABLE PROJECTORZ是一款免费工具，用于通过StableDiffusion制作纹理和3D内容。它提供了丰富的功能，包括保留UV、通过笔刷混合图层、通过文本或图像生成提示，以及3D修复。
VideoLingo - 最新版
VideoLingo 是一站式视频翻译本地化配音工具，能够一键生成 Netflix 级别的高质量字幕，告别生硬机翻，告别多行字幕，还能加上高质量的克隆配音，让全世界的知识能够跨越语言的障碍共享。
小旺AI截图 - 最新版
小旺AI截图是首款接入DeepSeek大模型的AI截图神器，核心优势集中在「轻巧、免费、无广告、功能全」——安装包比同类软件小80%，无需登录即可使用，所有功能终身免费，且不接入任何第三方广告，提供纯净无干扰的使用体验。
PasteMD - 最新版
PasteMD是一个常驻系统托盘的小工具，能自动将剪贴板中的 Markdown 或 HTML 富文本，转换为 Word/WPS 可用的 DOCX 格式，并智能识别表格插入 Excel。
