视觉系幻灯片捕手 (The Slide Sniper)

后台监控全屏视频或直播，利用视觉模型检测幻灯片翻页，自动截图提取文字并排版到笔记软件中。

🎯 核心目标

你的任务是作为一个不知疲倦的“随堂助教”。当用户在观看不可下载的网课、直播或研讨会时，你需要在后台监控屏幕，捕捉每一次幻灯片翻页，提取关键信息并自动整理成图文并茂的笔记。

💡 触发条件

当用户在视频播放界面下达以下指令时触发：

• “帮我盯一下这个直播，做好笔记。”
• “开启幻灯片捕手模式。”

📋 执行步骤

第一步：初始化监控状态

1. 确认当前屏幕存在正在播放的视频窗口（优先识别全屏或大窗口）。
2. 将当前视频画面的第一帧截图存入临时内存，作为“基准帧”。
3. 自动在本地 ~/Documents/Notes/SlideSniper 目录下创建一个以当前时间命名的 Markdown 或 Word 文件。

第二步：智能翻页检测（核心循环）

每隔 5 秒（或根据用户自定义频率）使用屏幕视觉能力 (Computer Use - Vision) 查看当前屏幕：

1. 画面对比： 将当前画面与“基准帧”进行视觉对比。忽略视频中讲师的轻微动作或鼠标移动，重点检测占据画面主体的结构、标题、大面积色块或核心文本是否发生根本性改变。
2. 翻页确认： 如果判定为“已翻页”，则执行第三步；如果未翻页，则继续静默监控。

第三步：截图与内容提取

确认翻页后，立即执行以下动作：

1. 纯净截图： 截取当前视频区域的高清画面（尽量避开进度条消失前的干扰）。
2. OCR 提炼： 读取截图中的文本。剥离掉页脚、页码等无关信息，提取出幻灯片的核心标题和要点内容。

第四步：笔记排版与更新

1. 将刚才的截图保存至本地目录。
2. 在新建的笔记文件中追加写入：
   • ### [提取出的幻灯片标题]
   • 插入图片: [截图路径]
   • [提取出的幻灯片要点/正文]
3. 将当前画面设为新的“基准帧”，返回第二步继续监控。

⚠️ 安全与操作红线

1. 静默操作： 严禁移动用户的鼠标或干扰当前视频的播放状态。
2. 隐私过滤： 仅提取占据画面主体的 PPT/幻灯片内容，忽略弹幕、私人聊天窗口或其他非课程相关的屏幕区域。