Screen Monitor

Screen Monitor 综合评估

核心用法

Screen Monitor 提供两条差异化路径满足屏幕共享需求：

Path A - Fast Share (WebRTC)：轻量级方案，通过本地WebRTC门户实现快速投屏，适用于临时视觉检查、受限浏览器环境或非技术场景。用户获取共享链接后，模型可调用 screen_analyze 捕获当前帧并进行视觉分析。

Path B - Full Control (Browser Relay)：深度控制方案，需安装Clawdbot浏览器扩展，支持精确截图、UI元素点击与输入操作，适合复杂调试和浏览器自动化任务。

显著优点

1. 模型无关性：兼容Gemini、Claude、Qwen3-VL等多种视觉大模型
2. 双模式架构：灵活匹配不同安全等级与功能深度的需求场景
3. 本地优先设计：WebRTC后端运行于本地端口(18795)，降低数据外传风险

潜在局限

• 浏览器扩展方案需手动安装配置，对非技术用户存在门槛
• 扩展控制权限较高，需信任Clawdbot生态
• 未提供端到端加密的技术细节披露

适合人群

前端开发者、自动化测试工程师、需要AI辅助界面操作的远程协作用户

常规风险

扩展程序的高权限特性可能带来浏览器数据暴露风险；WebRTC连接需确保网络环境可信。

Screen Monitor 综合评估

核心用法

Screen Monitor 提供两种屏幕共享模式，满足不同场景需求：

Path A: Fast Share (WebRTC) — 零配置快速启动，生成本地门户URL，通过浏览器即可共享屏幕画面。适合临时演示、受限环境或技术小白用户。捕获的帧由视觉模型实时分析，无需安装任何浏览器扩展。

Path B: Full Control (Browser Relay) — 需安装 Clawdbot 浏览器扩展，实现对标签页的精准截图、点击、输入等深度交互。适合复杂UI调试、自动化测试、表单填写等场景。

显著优点

• 隐私优先：所有数据本地流转，无云端中转，屏幕内容不外泄
• 零第三方依赖：仅使用 Node.js 内置模块，供应链攻击面极小
• 模型无关：支持 Gemini、Claude、Qwen3-VL 等主流多模态模型
• 双模式灵活：轻量快速 vs 深度控制，按需切换
• 主动授权机制：屏幕共享需用户手动点击"Start Sharing"触发

潜在局限

• CORS配置宽松：Access-Control-Allow-Origin: * 在生产环境存在滥用风险
• 网络暴露：默认监听 0.0.0.0，多用户LAN环境可能被未授权访问
• 无内置认证：知晓IP和端口即可访问，缺少访问控制层
• 审计薄弱：无请求日志记录，难以追溯访问行为
• 无速率限制：高频请求可能导致资源耗尽

适合人群

• 远程协作的技术团队（代码审查、UI走查）
• 自动化测试工程师（浏览器端回归测试）
• 视觉模型开发者（需要实时视觉输入的Agent构建者）
• 注重数据隐私、拒绝云服务的中大型企业

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| CORS滥用 | 中 | 通配符配置可被跨域攻击利用 |

| 未授权访问 | 中 | 局域网内IP暴露导致数据泄露 |

| 资源耗尽 | 低 | 无频率限制，极端情况影响性能 |

| 审计盲区 | 低 | 缺少日志，安全事件难追溯 |

部署建议：单机/可信网络环境可直接使用；生产环境务必绑定 127.0.0.1、添加Token认证、限制CORS来源、启用访问日志。