在B站找了几个干净的游戏录像把流程跑通了，然后刚才在实际也测试通了，把初步思路和方案分享出来 TL;DR 核心思路 Windows 按照 1FPS 的频率截图， macOS 用 系统自带的 Apple Vision OCR 做识别， 再接一个 LLM 对识别和整理之后的内容进行分析， 构建一个可视化的交互界面帮助玩家分析剧情。 Demo 基于测试数据构建的样品 Screenshot 用来调通流程的LLM是直接用的开发过程中的 Astra/Argon/Opus/Carbon，…