Screenshot Reading Agent (Агент чтения скриншотов)

Система автоматического анализа скриншотов с использованием локального AI (Ollama/Llava) для распознавания интерфейсов, текстов и программного кода.

🚀 Возможности

• Анализ из буфера обмена: Мгновенный захват скриншота (Win+Shift+S) и его описание.
• Анализ файлов: Поддержка прямой обработки изображений через аргументы командной строки.
• Drag-and-Drop: Просто перетащите изображение на .bat файл для получения результата.
• Локальный AI: Полная конфиденциальность — данные обрабатываются локально через Ollama (модель Llava).
• Распознавание:
  • Элементы интерфейса и заголовки окон.
  • Кириллический и латинский текст.
  • Программный код на скриншотах.
  • Ошибки операционной системы.
• Автоматизация: Все результаты сохраняются в папку results/ с меткой времени.

🛠 Требования

• ОС: Windows (тестировалось на Windows 10/11).
• Python: Версия 3.9 или выше.
• Ollama: Установленная система Ollama с загруженной моделью llava.

📦 Установка

1. Клонируйте репозиторий:

   git clone https://github.com/drycool/Screenshot-Reading-Agent.git
   cd Screenshot-Reading-Agent

2. Установите зависимости Python:

   pip install Pillow

3. Подготовьте Ollama: Убедитесь, что Ollama запущена, и скачайте модель:

   ollama pull llava

🖥 Использование

Способ 1: Из буфера обмена (рекомендуемый)

1. Сделайте скриншот (нажмите Win + Shift + S).
2. Запустите файл скриншот_в_ollama.bat.
3. Результат появится в консоли и сохранится в папке results/.

Способ 2: Перетаскивание (Drag-and-Drop)

Просто перетащите файл изображения (.bmp, .png, .jpg) на файл скриншот_в_ollama.bat.

Способ 3: Командная строка

python clipboard_ollama.py --file путь/к/файлу.png

📂 Структура проекта

• clipboard_ollama.py — основной скрипт обработки.
• скриншот_в_ollama.bat — запускной файл для Windows.
• results/ — история анализов.
• memory/ — контекст проекта и логи сессий.
• qwen.md — стандарты формирования ответов.

📝 Лицензия

MIT