screenclaw（screenclaw 命令行） Skills下载安装命令和教程

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：screenclaw（screenclaw 命令行）
来源仓库：https://github.com/ginsing1226/screenclaw
仓库路径：skills/screenclaw
安装命令：
npx skills add https://github.com/ginsing1226/screenclaw --skill screenclaw
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills

npx skills add https://github.com/ginsing1226/screenclaw --skill screenclaw

简介

screenclaw 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息。

适合在 Codex、Claude、Cursor、Gemini CLI 中围绕仓库状态和协作事项进行整理。
通过 npx skills add 命令从指定仓库安装并使用。
建议确认权限范围和维护状态，避免触发不必要的联网或文件操作。
具体用法请参考原始 README 和项目文档。

SKILL.md

screenclaw

你的目标

深入学习本技能，结合用户需求，拆解任务步骤，模拟人类通过视觉操控软件，实现用户目标

核心原则

目标驱动：明确自己为什么要做某个行动，并告诉用户，让他跟上你思路，不要让他疑惑你在干什么。提高主观能动性，主动尝试多种解法实现目标，多重阅本文档
规划-执行-验证：先规划任务步骤，以待办跟进行动。以截图验证结果，结果不佳就重新读文档，重新行动。多次不佳就重新规划
在任务中学习。在任务过程中，你通过理解图片、行动案例里持续学习。例如，某元素的涵义、坐标等
坐标决定成败。视觉操作的核心，在于精准控制。看得准，你才能帮到用户
关键内容要显性复述。你学到的内容、坐标、关键行动，都要输出给用户看。显示输出能抵抗上下文膨胀和压缩
谦卑，不怕困难。保持谦虚，不能依赖直觉，不要偷懒，重读文档能解决你很多问题。不要害怕失败，不要追求简单，准确地实现目标是唯一要求，必要时向用户提问。

核心概念

1. 坐标

ScreenClaw 对软件截图时，会在截图上叠加一层坐标网格。在网格交叉点上，有坐标数字。即，图片上自带了坐标，不需要你计算或归一化模型内部坐标，你只需要读出来。坐标格式为 XxY（如 50x35），表示截图中距左边界X%、距上边界Y%的位置。

目标元素的坐标，就是某个网格交叉点覆盖到它，这个交叉点的坐标就是目标元素的坐标。坐标的准确性取决于网格参数（密度、透明度、颜色）、数字参数等。

注意：坐标数字通过"x"字符来分隔，X坐标 x Y坐标。坐标数字范围是0-100

2. 窗口

窗口是展示视觉页面GUI的容器，是我们的操作对象。一个软件进程可能有多个窗口，操作过程中也会产生新窗口。不同窗口可能有不同内容。

3. 操作模式

模式	说明	使用场景
`background`	通过PostMessage/SendMessage注入事件，不激活窗口，不抢夺用户鼠标和键盘	优先使用，大多数场景
`hijack`	短暂激活目标窗口，闪电劫持用户的键鼠操作，执行完后会恢复劫持前原样。持续性操作会被打断，例如恢复后中文输入法候选面板会消失	满足下方3个条件才能切换
`delegated`	接管电脑，物理输入，不恢复焦点和鼠标，无需逐次确认。持续性操作能保持，例如中文输入法候选面板会保持	用户主动要求时进入，会话级持续到退出

任务步骤

1. 理解需求

目标：明确用户要操作哪些软件、达成什么目标
输入：用户需求
处理：分析需求，结合screenclaw的能力，形成对任务的理解
输出：结合screenclaw，精简描述任务目标，告诉用户你的理解
异常：需求不清晰 → 向用户提问，与用户讨论确认，不要猜

2. 拆解待办

目标：明确任务的具体步骤和要求，防止在执行过程中迷失或走偏
输入：步骤1的具体需求
处理：将目标拆解成可执行的步骤序列，用 TodoWrite 创建待办清单。 守则：遵守screenclaw技能，忘记就重新查阅skill.md | 脚本py→ps1→sh→curl | 关键内容显性复述

- 守则行格式（始终 in_progress，抗压缩）： - 步骤行格式（状态 in_progress → done，记录步骤内容）。步骤需要足够具体，能指导你执行。例如，不要写“获取坐标”，而是写“在截图上找到目标元素，读出覆盖它的网格交叉点的坐标数字” - 一个步骤里如果还包含多个步骤，就继续拆解，直到每个步骤都足够具体可执行 - 步骤可以随着任务进展不断调整，但要保持待办清单的更新，确保它始终反映你的下一步行动计划

输出：完整的待办清单，守则行在最前面，每步记录在案
异常：

- 任务有变更 → 回到步骤1重新理解需求，回到步骤2重新拆解待办 - 人机协同/人在回路干预后，要重新回到待办并调整。不要被带着走

3. 健康检查

目标：操作前确认服务可用，避免无效行动
输入：任务开始信号
处理：调用 health API，确认服务状态
输出：服务状态、服务器时间
异常：服务不可用 → 详见 references/api/health.md

4. 检查场景模板

目标：搜索是否有匹配当前任务的场景模板，有则复用，减少重复劳动
输入：任务目标
处理：搜索 references/scenarios/ 下的场景模板，匹配任务目标和步骤，找到则复用
输出：匹配的场景模板，按照模板执行
异常：没有匹配的场景模板 → 继续后续步骤

5. 生成配置

目标：生成API所需的全局参数，为后续调用做准备
输入：任务开始信号
处理：查阅 references/config.md 获取 api_url 和 token；生成ai_app_type 和 session_id
输出：全局参数，每次API调用时需传入
异常：配置缺失 → 向用户询问

6. 获取并评估目标窗口

目标：获取与任务相关的软件窗口列表，了解其内容。记录候选窗口，用于后续调整全局的窗口参数
输入：全局参数
处理：

- 调用 get_window_list API，筛选出符合任务要求的主窗口、子窗口作为初步候选窗口列表 - 对初步窗口列表，逐个调用 screenshot API 获取截图，评估内容，确认各个窗口有哪些内容

输出：候选窗口列表，包含window_id、main_window_id、窗口内容等信息。后续调整窗口id时，从候选窗口里选择，减少重复调用
异常：任务开始时找不到窗口、任务过程中找不到窗口等，重读 references/api/get_window_list.md

7. 截图（循环起点）

每个操作指令，都从这里开始，直到步骤10验证通过。

目标：对目标窗口截图，以便后续读坐标和验证操作结果
输入：任务需求、API全局参数
处理：查阅 references/api/screenshot.md，根据任务需求，选择合适的参数调用 screenshot API 获取截图

- 如果要读坐标，就带网格截图 - 如果需要了解窗口内容，或将图片作为输出材料供用户查看，就不带网格截图 - 如果需要预览某坐标位置，就带标记点截图（可以传多个标记点） - 如果需要整体了解窗口内容，且窗口内容很多很长，就滚动长截图 scroll_screenshot - 如果需要看清图片细节，就裁剪放大截图 crop_zoom_screenshot

输出：截图图片路径
异常：截图参数极大影响读坐标的准确性。重新读并深入理解 references/api/screenshot.md ，分析应该调整哪个参数获取更合适的截图

8. 读坐标

目标：在截图或裁剪放大后的图片上，找到目标元素，读出其坐标数字，以便后续操作指令使用
输入：截图图片
处理：通过你的多模态能力直接读图。

1. 全局理解：找到目标元素的大概位置（如在窗口的哪个区域，靠近哪个明显元素等），学习目标元素的特征（直到目标元素应该长什么样）。获取大概坐标 - 全局先看有没有目标元素，不急着读。没有目标就换窗口，或者换参数重试截图。找到目标元素了，再读坐标数字 - 目标元素必须被网格交叉点覆盖到，才能读出坐标数字 - 如果全局的坐标足够清晰，可以直接读出坐标数字，可跳过局部读图。但如果失败了，必须局部读图 1. 局部读图：基于大概目标，调用 crop_zoom_screenshot,裁剪并放大局部，基于全局理解的目标元素特征，在局部中寻找目标元素。 - 放大后还找不到，就是大概坐标找错了。重新全局找或裁剪更大区域。 1. 读出数字：为了避免数字太多而遮挡内容，网格不是每个交叉点都有数字，你需要基于网格密度、目标附近的其它交叉点上的坐标数字，计算出目标元素的坐标数字 2. 标记点验证（反验思维）：回到步骤7，带坐标标记点截图。读图找到标记点，再在标记点附近寻找目标元素。如果目标元素与标记点重合，则坐标正确。否则需要重新读坐标（步骤8） - 正验：先找目标再读坐标。反验：先读标记坐标再找目标。两者结合，能提高坐标的准确性 1. 务必遵守：要基于网格参数和坐标数字科学计算。不要猜，也不要输出你内部归一化的坐标 2. 如果你没有读图能力，就使用相关MCP，将图片、坐标概念、读坐标方法传给其它工具，由它们读出坐标

输出：通过裁剪放大、标记等方法，最终确认的目标元素的坐标值 (x, y)
异常：

- 看不清数字、看不清元素、坐标标记点不在期望位置、坐标错误等 → 裁剪放大，重新全局-局部-读准坐标 - 不了解目标元素 → 找周边参照元素排除歧义；多个候选目标逐个尝试操作，截图验证；向用户询问目标相关的知识 - 目标元素没有被网格交叉点覆盖到、或放大后仍看不清数字/元素 → 调整网格参数重新截图（回到步骤7） - 重读 references/api/screenshot.md 、references/api/crop_zoom_screenshot.md

9. 操作

目标：调用对应API执行操作（click/input_text/press_key等），实现对软件的控制，达成用户目标
输入：坐标值 (x, y), 操作指令、action_method等
处理：调用脚本执行操作，

- 如果操作失败，先查对应API文档的常见问题排查原因，再进入重试 - 必须截图验证结果。指令已发送，不代表操作真实成功 - 操作模式，优先 background 模式，满足条件才切换 hijack 模式，用户主动要求时进入 delegated 模式 - 熟悉后的固定流程才用batch，探索阶段用单步。单步操作更灵活，能更好地适应不断学习变化的坐标和窗口内容

输出：API返回结果
异常：

- 操作无效，结果不佳 → 换坐标、换窗口、调参数重试，最后才是换操作模式 - 重读对应API文档

10. 截图验证（循环终点）

目标：操作后，截图验证操作结果，符合预期就下一个步骤，不符合就重试当前步骤
输入：操作完成信号
处理：对比操作前后的截图，找出差异，判断操作结果是否符合预期。主要处理方式同步骤7
输出：同步骤7
异常：

- 重复步骤7-9，按照这些步骤的异常处理逐个排查，直到验证通过。 - 重试5次，重新规划任务步骤，回到步骤2重新拆解待办

11. 沉淀复盘

目标：将任务经验沉淀为场景模板，供未来复用
输入：任务完成后，主动询问用户是否沉淀场景模板
处理：用户确认后，阅读 /references/scenarios/README.md ，总结当前任务的目标、步骤、参数，生成场景模板，保存到 references/scenarios/
输出：场景模板
异常：用户拒绝 → 跳过

API索引

执行API前先读对应文档 references/api/{endpoint}.md

API	method	适用场景	参考文档
health	GET	任务开始前检查服务	`references/api/health.md`
get_window_list	POST	找出需要被控制的目标窗口	`references/api/get_window_list.md`
screenshot	POST	带网格可定位坐标。不带网格可分析界面、留存记录。带标记点可预览坐标位置	`references/api/screenshot.md`
crop_zoom_screenshot	POST	裁剪任意截图并放大，看清细节（如坐标数字）	`references/api/crop_zoom_screenshot.md`
scroll_screenshot	POST	滚动长截图，记录长页面、长内容，整体理解目标窗口	`references/api/scroll_screenshot.md`
click	POST	单击，触发按钮/进入页面	`references/api/click.md`
long_press	POST	长按，触发某些功能	`references/api/long_press.md`
swipe	POST	触摸式滑动，上下左右移动页面	`references/api/swipe.md`
drag	POST	拖拽元素，按住鼠标并移动	`references/api/drag.md`
scroll	POST	鼠标滚轮滚动，上下移动页面	`references/api/scroll.md`
right_click	POST	右键，打开上下文菜单	`references/api/right_click.md`
hover	POST	触发悬停效果，配合截图获取hover效果	`references/api/hover.md`
mouse_move	POST	鼠标移动，游戏视角控制，仅hijack/托管	`references/api/mouse_move.md`
input_text	POST	输入文本。带坐标会先单击再输入。不带坐标直接输入	`references/api/input_text.md`
press_key	POST	按键/组合键。带坐标会先单击再按键。不带坐标直接按键	`references/api/press_key.md`
wait	POST	等待UI动画/页面加载	`references/api/wait.md`
batch	POST	组合指令，执行连续步骤。多个单步的操作可组合执行，提高效率	`references/api/batch.md`
delegated	POST	用户主动要求进入/退出托管模式	`references/api/delegated.md`

脚本报错

降级路径：py → ps1 → sh → 手动curl

降级前提：先看错误原因

错误类型	处理方式
参数错误	修正参数，重跑同一脚本，不降级
环境错误（Python不存在等）	降级
API业务错误	查文档排查，不降级

脚本分工：

截图 → scripts/fetch_screenshot_cli.py（专用，处理base64）
裁剪放大 → scripts/crop_zoom_screenshot_cli.py（专用，处理base64）
滚动长截图 → scripts/scroll_screenshot_cli.py（专用）
batch（PowerShell）→ scripts/api_call_batch.ps1
其他所有API → scripts/api_call.py

详细用法 → scripts/README.md

初始化

用户语言检查：基于用户与你对话的语言（如中文、英文），调整你的思考和输出语言
UTF-8读取文档：用UTF-8编码读取所有文档，确保中文内容正确显示
获取配置：阅读 references/config.md 获取API地址和Token；生成 session_id；阅读 scripts/README.md
检索场景模板：搜索 references/scenarios/ 下是否有匹配当前任务的模板，有则复用
创建待办：用 TodoWrite 创建待办清单，守则行在最前面，每步记录在案

参考文档

references/config.md — 连接配置（地址、Token、ai_app_type、session_id规则）
references/api/*.md — 各API详细文档（参数、示例、常见问题）
references/scenarios/*/*.md — 场景模板
scripts/README.md — 脚本使用说明

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

Codex

33.58%

按下载量换算55

Claude

28.54%

按下载量换算47

Cursor

17.81%

按下载量换算29

Gemini CLI

10.58%

按下载量换算17

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

未通过

权限和风险

external-service

该 Skill 可能调用第三方服务、云服务或外部模型 API，使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/ginsing1226/screenclaw

SKILL.md 来源

github.com

/ginsing1226/screenclaw/tree/main/skills/screenclaw

skills-sh

skills.sh

/ginsing1226/screenclaw/screenclaw

继续浏览同类 Skills

更多待分类 Skills（11,209）返回 Skills 目录

上一个 Skill

screen-stocks（屏幕库存）

screen-stocks 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

screenshot（截图工具）

screenshot 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。