屏幕监控分析

技能简介

screen-monitor 提供两种屏幕查看与交互方式：快速共享模式通过 WebRTC 实现即时画面传输，适合受限环境；完整控制模式借助浏览器扩展实现深度调试与 UI 操作。

业务背景

屏幕监控分析打通AI与现实业务系统的视觉通道。快速共享模式让远程专家即时查看一线员工操作界面指导排障；完整控制模式使AI能直接操作内部网页系统完成数据录入、报表下载等重复任务，减少人工切换成本。双模式设计兼顾灵活性与深度自动化需求。

落地案例：客服主管需要培训新人使用CRM系统：通过WebRTC门户实时观看其操作画面，口述指导字段填写规范。财务月末则需AI协助：浏览器扩展附加至网银标签页，由AI识别验证码位置并自动点击下载流水，截图存档供后续核对。两种场景共用一套视觉基础设施，按需选择轻量或深度交互。

能做什么

• 生成本地 WebRTC 门户链接，无需安装即可共享屏幕
• 捕获当前画面帧并进行视觉模型分析
• 通过浏览器扩展精确截取指定标签页截图
• 在已附加的标签页上执行点击、输入等自动化操作

使用说明

路径A：快速共享（WebRTC）

1. 运行 bash command:"{baseDir}/references/get-share-url.sh" 获取共享链接
2. 在浏览器中打开生成的本地门户 URL
3. 运行 bash command:"{baseDir}/references/screen-analyze.sh" 分析当前画面

路径B：完整控制（浏览器扩展）

1. 执行 clawdbot browser extension install 安装扩展
2. 执行 clawdbot browser extension path 获取扩展路径
3. 在 Chrome 中加载解压后的扩展程序
4. 点击工具栏 Clawdbot 图标完成附加

安装前提：需具备 vision 能力的模型（Gemini/Claude/Qwen3-VL）；路径B需要 Chrome 浏览器及开发者模式启用。

输入与输出

见下方输入与输出表格。

风险提示

• WebRTC 模式仅在本地网络有效，公网访问需额外配置
• 屏幕共享期间敏感信息可能暴露于视觉模型
• 浏览器扩展需开启开发者模式，存在权限提升风险
• 自动化点击操作可能误触重要按钮或提交表单

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/emasoudy/screen-monitor/SKILL.md
来源类型：GitHub 开源技能仓库