核心定位
Screenshot-to-Prompt 是一款面向前端开发场景的视觉语义转换工具，核心解决"用户有截图但不会描述给 AI"的痛点。它通过 Vision 模型解析页面截图，输出结构化的页面识别报告 + 可直接投喂给 coding agent 的实现指令。
核心能力
三层解析链路：
1. 视觉理解层 — 识别布局方式（栅格/卡片/左右结构）、固定/滚动区域、信息层级
2. 组件抽象层 — 提取 UI 组件类型（表单/表格/弹窗/统计卡等）、嵌套关系、可复用区块
3. 指令生成层 — 按工程规范输出含「实现范围/页面结构/组件构成/状态交互/布局要求/拆分建议/UI 策略」的完整 Prompt
多图状态归并：支持多张状态截图对比，自动识别默认态、选中态、空态、加载态等状态差异，避免重复实现。
三级 UI 策略：
- 骨架模式：快速搭结构，不纠结视觉
- 自由发挥 UI：基于截图结构优化视觉，保持现代简洁
- 设计稿还原：严格匹配 Figma，保持间距层级一致
显著优点
- 工程导向：输出非产品文档，而是直接可用的 coding agent 指令，减少中间翻译成本
- 防御性设计：内置完善的异常处理（无截图/模糊截图/矛盾请求/vision 模型不可用），避免幻觉生成
- 合理推断边界：明确允许基础状态推断，禁止编造业务规则，平衡智能性与准确性
- 双语原生：中英文版本独立维护，非翻译产物，技术术语处理地道
潜在局限
- 依赖 vision 能力：核心功能依赖多模态模型，纯文本环境需降级为「用户描述→Prompt」模式
- 复杂交互盲区：截图静态特性导致难以捕捉动效、手势、复杂联动逻辑
- 设计系统耦合：策略 C（设计稿还原）需要项目已有设计系统支撑，否则"还原"沦为空谈
- 非代码生成器：明确不直接输出代码，需配合 coding agent 使用，增加一步交互成本
适合人群
- 前端开发者：有设计稿/竞品截图，需快速启动页面搭建
- 技术负责人：统一团队「截图→实现」的沟通规范
- AI 辅助编码用户：希望减少与 coding agent 的反复澄清
常规风险
- 幻觉风险：低质量截图可能导致组件类型误判，需人工复核结构识别结果
- 策略选择失误：用户未指定时默认骨架模式，可能误伤"需要高保真"的场景
- 版本漂移：UI 组件库更新后，生成的组件建议可能过时