和 AI 一起改界面时，描述位置往往比改动本身更费劲：说「右上角那个按钮再往左一点」，AI 可能把整块工具栏挪了地方；想让它把某张卡片放大两成，拿回来的却是另一个尺寸。文字里没有坐标系，形容得越细越容易走偏，一处两处还能忍，十几处堆在同一段话里就开始互相打架。EditHere 换了一种交付方式——把意见直接写回画面：点中元素、拖出选框，或者把组件拖到想要的位置，再由程序把干净原图连同像素坐标与位移量打包成一份 JSON，交给能读写本地文件的 AI。它不解析网页结构，也不调用任何模型，屏幕上看得到的东西都能标：网页、原生桌面软件、游戏画面、AI 生成的图，乃至视频里的某一帧。下面讲清它到底怎样记录你的意图、装上要几步、非商业与商用之间那条线划在哪，以及它在哪些画面上会失灵。
EditHere 是什么？
EditHere（中文名「改这里」）是一个面向 AI 的视觉批注与布局修改工具，用 C++ 与 Qt 写成，作者是署名「印迹」的学生个人开发者。仓库 2026 年 9 月创建，当前版本 v0.12.3 于 2026 年 10 月 28 日发布，GitHub 上有 963 星与 69 个 fork，另被 HelloGitHub 月刊第 127 期收录。它本身不调用模型、不生成页面代码，只做一件事：把「改哪里、改成什么样」翻译成机器能读的结构化数据——原始画面、批注的像素坐标、组件移动前后的真实区域，打包成 JSON 与图片一并交付。与截图画框相比，它的批注不画进图里，细节不会被红框遮住；与浏览器里的页面批注相比，它不依赖 DOM，画面离开网页也照样能标。许可采用 PolyForm Noncommercial 1.0.0，性质是源码可用，并非开源。
核心功能
功能围绕「把意见变成可执行的数据」铺开：先在画面上指出位置，再用拖拽表达位移，最后把编号化的清单交出去。它照顾的是频繁和 AI 一起改界面、又总觉得说不清的人；如果你一天只改一处按钮颜色，用截图加一句话就够，装个客户端反而绕。
- 四种批注——智能选块点中识别出的元素、点批注精确到像素、框批注圈任意范围、全局意见针对整张画面，每条自动编号并与画面位置对应。
- 大爆炸拖拽——画面按识别出的区域拆成可独立操作的矩形块，拖动、等比缩放、输入精确坐标都行，每次操作自动记下移动前后的区域，原位置留透明棋盘格交给 AI 决定补背景还是重排。
- 视频按帧批注——导入 MP4、MOV、WebM，暂停在出问题的那一帧写意见，时间轴标签随时回看，导出时每条带时间戳与帧截图，没写过批注的帧不会混进清单。
- 完成并返回 AI——配合仓库内的 `edithere` 技能与 `edithere-cli`，AI 执行命令打开画面后等你操作，点「完成并返回 AI」即刻收到反馈；取消或超时不会把没提交的草稿当成修改要求。
- 截屏与贴图——全局快捷键冻结屏幕，悬停给出候选区域、滚轮换大小，工具条里调圆角、阴影、边框，贴图可缩放旋转并支持多张置顶。
- 本地文字识别——框选区域后按行列出文字，点一行就在原图上高亮位置，走系统自带引擎，不上传也不添依赖；写批注时还会自动把框内文字附进反馈，帮 AI 确认框住的是什么。
- 长截图——框选滚动区域后边滚边拼，右侧缩略预览随内容延伸，固定顶栏只保留一次，采完可直接进批注。
- 项目与结构化反馈——`.edithere` 项目内嵌原图、批注与编辑状态，随时打开接着改；导出的 JSON 把原图校验值、批注点位、框选区域与位移分开存放，附 SHA-256 便于收件方确认原图没被替换。
使用场景
它解决的是「意图难以言传」这一类活：界面元素的位置、比例与留白，用坐标说话比用形容词准得多。适合每天和 AI 反复对稿的前端与独立开发者、要改原生控件却拿不到 DOM 的桌面与游戏开发、需要在一张图上标十几处细节的 AI 生图用户，以及走查交互动画的团队。
| 人群/角色 | 场景描述 | 推荐指数 |
|---|---|---|
| 前端与独立开发者 | 让 AI 改了首页布局后，直接在画面上圈出要挪的卡片，位移量随意见一起回传 | ★★★★★ |
| 桌面与游戏 UI | Qt、WPF、Electron 或游戏 HUD 没有可解析的页面结构，看得见就能标 | ★★★★★ |
| AI 生图精修 | 一张图同时标出十几处细节，或把元素拖到新位置，用原图重出而不是反复涂抹覆盖 | ★★★★☆ |
| 视频与动效走查 | 暂停在有问题的帧上写意见，时间轴标签回看，导出带时间戳的清单 | ★★★★☆ |
| 设计稿还原验收 | 用坐标读数与取色量化差异，把「差一点」变成具体像素值交给开发 | ★★★★☆ |
操作指南
流程很短：装好、截屏、标、交出去。真正需要留意的是首次安装的授权与 PATH，踩过一遍之后每次只剩三个动作。
- 打开 EditHere 仓库页，在 Releases 里按平台取包；Windows 推荐「安装器 EXE」，也可以下免安装 ZIP 完整解压后运行 `EditHere.exe`。
- 安装器默认装到当前用户目录、不要管理员权限，组件页可以勾「登录时启动」与「加入 PATH」；装完要重开终端与 AI 工具，新的 PATH 才会生效。
- 想让 AI 主动发起标注，把仓库里那段配置提示词交给 Codex、Claude Code 这类能操作本机的工具，让它按指南装好程序、`edithere-cli` 与 `edithere` 技能。
- 按 `Alt + Shift + 2` 冻结屏幕，鼠标悬停会出现候选区域，滚轮切换更大或更小，也可以手动拖框；按 `C` 进入取色，方向键逐像素移动指针。
- 进入批注后用「智能选块」点元素，或「框批注」圈范围，在大爆炸里拖动组件；左侧工具栏可切换点、框、箭头与文字。
- 在右侧批注栏写意见，需要精确数值时看框选区右上角的坐标读数，写完核对编号与画面是否一一对应。
- 交给 AI：点「完成并返回 AI」等它读取，或点「复制 JSON 与图片」手动粘贴给任意对话窗口。
（Windows 安装包尚未代码签名，SmartScreen 可能拦一下，选「仍要运行」前建议先核对随包提供的 SHA-256。macOS 首次截图要授予屏幕录制权限，元素识别另需辅助功能权限。）
支持平台
桌面端是主力。Windows 10 1809 及以上为正式支持，安装器 26.2MB、免安装压缩包 27.1MB，在 Windows 11 上开发与测试。macOS 14 及以上提供通用版 DMG，48.2MB，覆盖 Apple Silicon 与 Intel，目前仍是预览版且尚未公证。Linux x86_64 为预览版，AppImage 约 49.8MB，目标环境 Ubuntu 24.04，X11 下支持自动纵向滚动，Wayland 下要先授权显示器再手动长截图。网页版是单个 HTML 文件，解压即用或放到静态站点，另有一个 Web Agent 包用于接入支持 MCP Apps 的宿主。没有手机端。
产品定价
免费，但免费边界按用途划，不按人头划。原创代码与图标采用 PolyForm Noncommercial 1.0.0：个人使用、学习实验、爱好项目，以及教育、研究、慈善、政府等非商业机构，都可以免费使用、修改与分发，条件是随附许可文本与作者预留的 Required Notice。商业用途不在授权范围内，包括把 EditHere 内置进对外销售或收费的产品、用它提供付费服务；需要商用要联系作者取得书面授权。名称与标识不随许可授予。许可里含专利授权与专利报复条款，首次收到书面违规通知后有 32 天补救期。
常见问题
Q：截图和批注会不会被上传？
不会。截图、区域识别、文字识别与编辑都在本机完成，程序不内置模型调用。联网只发生在两处：你手动检查更新，以及默认开启的启动检查会查 GitHub 与 Gitee 的发行版，后者可以在设置里关掉。反馈发不发、发给谁由你决定；一旦交给某个 AI 工具，是否上传取决于那个工具。
Q：免费能用到什么程度，商用要怎么算？
非商业用途免费，功能上并不削减，桌面版与网页版都是完整能力。商用需要作者书面授权，把程序打进自家收费产品、或拿它对外提供付费服务都属于这一类。判断标准是用途而非身份——营利公司内部做非商业性的实验，与把程序嵌进对外售卖的产品，结论不一样。
Q：元素识别准不准，网页版和桌面版差多少？
识别不是语义理解：程序结合系统公开的元素边界与本地图像分析给出候选区域，遇到没框准的地方手动画框补上即可，这一点官方在问答里写得很直接。网页版保留批注、大爆炸与视频批注，但受浏览器沙盒限制，不能跨应用截屏，也没有内置 OCR、长截图、贴图置顶与托盘；日常高频使用还是装桌面版。
开发者小结
EditHere 切中的是一个被长期将就的环节：与 AI 协作改界面时，人其实很清楚要改哪里，缺的只是一个能把意图连坐标一起交出去的方式。它把这件事拆成「标、拖、交」三个动作，用编号清单和像素坐标替代形容词，还顺手把截图、OCR、长截图这些零散工具收进同一个窗口，本地优先的设计也让画面不必离开本机。它适合每天和 AI 对稿的前端与独立开发者、要改拿不到 DOM 的原生界面与游戏的人，以及需要在一张图上标注大量细节的生图用户。不适合只想改一处颜色、或主要工作在手机上的人。需要提前看清的是许可：非商业免费不等于可商用，准备把它接进对外产品之前，先确认授权范围。
相关文章
