起因：终端不能看图，太痛苦了
我一直用 Claude Code 写代码，它是终端版的 AI 助手。但有个硬伤——终端读不了图片。
每次我遇到界面问题、设计稿、或者报错截图，都要：
- 先截图
- 再手动粘贴到对话框
- 还得打字描述"你看这个图..."
- 等 Claude 分析完再问具体的
太麻烦了。特别是跟网页版的一比（网页版直接黏贴图片就行），感觉回到原始时代。
而且 Claude Code 接 DeepSeek 之类的模型时，终端根本传不了图片，体验很差。
第一次尝试：托盘截图工具
最开始我打算做一个系统托盘程序，常驻后台，一键截图自动分析。
方案设计
想法很简单： - 系统托盘里放个蓝色图标 - 按 Ctrl+Shift+Z 调出截图选框 - 选完区域自动发到 MiMo API 分析 - 结果弹窗显示，能复制、能追问
踩坑记录
第一个坑：托盘图标不显示
我用 Python 的 pystray 库做了托盘图标，结果： - 双击启动后啥也没看到 - 调试发现进程确实在跑 - 原来图标藏在系统托盘折叠区（^ 箭头下面） - 而且还启动了多个重复进程，托盘区出现了好几个蓝色 M 图标
第二个坑：最大化窗口闪退
中间有次我点终端最大化，结果 PowerShell 直接崩溃了。
查日志发现是 conhost.exe 的 BEX64 缓冲区溢出 bug：
应用程序: conhost.exe
异常类型: BEX64 (0xc0000409)
最后通过设置 Windows Terminal 为默认终端解决了，也不用担心再崩溃了。
第三个坑：热键冲突
设置 Ctrl+Shift+Z 做截图快捷键，结果半天没反应—— 原来这个组合键被输入法占用了，根本触发不到我的程序。
换了 Ctrl+Shift+F1、Ctrl+Shift+F2，还把热键库从 pynput 换成 keyboard 又换成 Windows API RegisterHotKey。
第四个坑：弹窗闪退循环
好不容易能截图分析了，结果弹窗关了又自动弹——
原因：分析完后清除剪贴板的逻辑没写好，剪贴板里的图又被检测到了，陷入无限循环 "分析→弹窗→关→分析→弹窗→关..."
最终方案是分析完后 echo off | clip 清掉剪贴板 + 3 秒冷却时间。
第二次尝试：去托盘化
托盘程序太折腾了，干脆去掉 pystray，改成纯后台热键监听。
用 keyboard 库注册全局热键，控制台窗口显示"就绪"状态。
结果 keyboard 库在 Windows 后台也时不时掉线，热键监听不稳。
最后换成 Windows 原生 API GetAsyncKeyState 轮询 + RegisterHotKey 消息循环，终于稳定了。
第三次尝试：剪贴板监听模式（最终版）
我突然想通了——既然用户截图就是为了给我看，为什么还要多此一举按热键？
改成这样：
- 用户按 Win+Shift+S（或设好的截图快捷键）
- 后台程序自动检测到剪贴板有新图片
- 保存到固定位置 ~/.claude/screenshot/last_screenshot.png
- 用户直接来对话框问我
- 我读图分析，回答，删除截图
没有弹窗，没有多余的步骤，没有要用户复制粘贴。
最终的架构
用户截图 (Ctrl+Shift+X)
↓
watcher.py (后台监听剪贴板)
↓
保存到 last_screenshot.png
↓
用户来对话框问问题
↓
Claude 检测到新截图
↓
analyze.py 通过 API 分析
↓
回答用户，删除截图
只需要 pip install pillow requests 两个依赖，不需要托盘、不需要 X11、不需要任何额外服务。
做成 Skill，分享给更多人
这个工具不只能我自己用——所有用终端 Claude Code 的人都有这个痛点。
所以我把它做成了 ECC Skill（/screenshot-tool），并且改造成通用多 API 支持：
支持的多模态 API
| 服务商 | 接入方式 |
|---|---|
| 小米 MiMo | provider=mimo，原生支持 |
| 硅基流动 | provider=openai |
| 阿里 Qwen | provider=openai |
| 智谱 GLM | provider=openai |
| DeepSeek | provider=openai |
| OpenAI GPT-4o | provider=openai |
| Anthropic Claude | provider=anthropic |
安装方式
# 1. 装依赖
pip install pillow requests
# 2. 复制配置文件
cp ~/.claude/screenshot/config.sh.template ~/.claude/screenshot/config.sh
# 3. 编辑配置文件，填自己的 API Key
vim ~/.claude/screenshot/config.sh
# 4. 启动监听器
pythonw ~/.claude/screenshot/watcher.py &
# 5. 截图，来问 Claude
核心代码
watcher.py — 剪贴板监听器（约 50 行）：
import PIL.ImageGrab, subprocess, time
while True:
img = PIL.ImageGrab.grabclipboard()
if img and not seen:
img.save("last_screenshot.png")
subprocess.run(["cmd.exe", "/c", "echo off|clip"])
time.sleep(1)
analyze.py — 通用视觉 API 调用器（支持 MiMo/OpenAI/Anthropic）：
if provider == "mimo" or provider == "openai":
# OpenAI 格式调用
requests.post(f"{base}/chat/completions", json={"model": ...})
elif provider == "anthropic":
# Anthropic 格式调用
requests.post(f"{base}/messages", headers={"x-api-key": ...})
自动启动
为了让每个新对话都能自动使用，我把配置写进了 CLAUDE.md：
每次新会话自动检查 watcher 是否在运行，不在则启动。 用户不需要手动点任何东西。
遇到的坑总结
Windows 终端崩溃
点最大化按钮时 PowerShell 崩了，查日志确认是 conhost.exe 的 BEX64 异常。这是 Windows 10 传统控制台宿主的历史 bug。安装 Windows Terminal 后解决。
Python 后台进程管理
用 pythonw.exe 可以无窗口运行 Python 脚本。但调试时进程容易重复启动，退出清理也不干净。需要 taskkill 手动杀。
热键方案演变
从 pynput → keyboard → GetAsyncKeyState 轮询 → RegisterHotKey Windows API。最终结论：在 Windows 上做全局热键，用原生 API 最靠谱。
剪贴板循环
分析完后不清剪贴板 → 又被检测到 → 死循环。解决：分析完后执行 echo off | clip 清空剪贴板，再加冷却时间。
API 适配
MiMo 和 OpenAI 的接口格式几乎一样，但 Anthropic 的 Claude API 格式完全不同（用 x-api-key 头 + 不同的 request body）。analyze.py 里做了分支处理，让用户切换 provider 只需改配置文件。
总结
从崩溃前的托盘程序，到最终的剪贴板监听器，虽然绕了不少路，但学到了很多东西：
- Windows 终端编程的坑 — conhost.exe 崩溃、热键冲突、后台进程管理
- Python GUI 编程 — tkinter 选框、pystray 托盘
- Windows API — RegisterHotKey、GetAsyncKeyState、消息循环
- 多 API 适配 — OpenAI 格式 vs Anthropic 格式的差异
- 产品思维 — 从"我做了一个功能给你用"到"让用户在不知不觉中用完"
最重要的是想清楚了一个道理：工具应该适配人的习惯，而不是让人去适配工具。
所有的代码都在 GitHub 和 Gitee 上，欢迎围观和吐槽。
下一期预告：这个工具的思路还可以扩展——不仅是截图，能不能监听剪贴板里的文件、代码片段？做一个小型的"剪贴板 AI 管家"？敬请期待。