使用Python开发了一个AI截图解答工具，可自定义设置多模态模型和提示词

一、简介

• 这是一个基于PyQt5和OpenAI API的智能截图解答应用程序，能够截取屏幕上的任意区域，并自动使用多模态模型识别图片中的文本内容，自动解答题目或解释文本内容
• 功能特点包括智能截图、AI图像识别、自动解题、数学公式渲染、Markdown渲染、简洁的GUI视窗界面等
• 主要开发语言是python，基于PyQt5开发的UI，依赖于openai兼容API的多模态模型，可打包成一个可执行程序使用
• 该项目的代码地址参考：github.com/luler/hello_gpt_answer
• 该工具的工作原理和架构图可参考：
  

二、安装与使用

1. 源码安装

• 系统要求Windows/Linux/macOS，需要安装好Python 3.11+
• 克隆项目到本地

  git clone https://github.com/luler/hello_gpt_answer
  cd hello_gpt_answer

• 安装依赖包

  pip install -r requirements.txt

• 启动应用

  python app.py

2. 直接下载打包好的二进制文件（适用于windows）

• 下载地址参考：github.com/luler/hello_gpt_answer/...
  

3. 自定义配置大语言模型

• 必须使用Openai API接口兼容的多模态模型配置
• 魔塔上可白嫖强大的通义千问多模态模型API，参考：modelscope.cn/models/Qwen/Qwen3-VL...
• 相关信息配置如下，可修改模型API配置、提示词等
  

4. 开始使用

• 如上配置好后，可以点击立即截图，会提示框选指定区域并自动截图
  

• 截图完成，会识别截图中的题目并生成解答
  

• 更换提示词为“请准确识别出图片中的文字”，参考如下
  
  截图后，就会根据新的提示词来处理并返回AI解答
  

三、总结

• 这是一个简易的AI小工具，界面有点简陋，但是可以加速截图到AI提问与解答的过程，有助于提供学习、工作效率
• 安装配置使用简单，windows系统可以直接下载软件运行，其他系统可以自行源码安装
• 对经常需要答题的用户非常友好，特别是一些无法复制文字同时需要AI识别解答的内容

更多工具参考我的应用：cas.luler.top/

本作品采用《CC 协议》，转载必须注明作者和本文链接