40 KiB
Shift
面向 macOS 与 Windows 的环形文件工作台。拖住文件,松开在某个扇区上,转换就在你自己的机器上完成。
语言: English · 简体中文
Shift 把文件格式转换、截图、录屏、标注、中英双语 OCR 全部收进一个环形菜单,它出现在你放下文件的地方。不上传、不注册、不经云端中转——每一个字节都在本地处理。
基于 Tauri 2、Rust、React 与 TypeScript 构建。原生截屏与拖拽行为封装在各平台适配器之后,因此环形菜单、编辑器与格式目录在所有平台上完全一致。
- 能力概览
- 快速上手
- 支持的文件
- 格式转换
- 工具
- 压缩、命名与取消
- 截图与标注
- 截图历史库
- OCR
- 发送到设备
- 自定义圆环顺序
- 快捷键
- 菜单栏菜单
- 输出位置
- 软件更新
- 外部依赖
- 平台支持情况
- 从源码构建
- 架构
- 仓库结构
- 隐私
- 已知限制
- 常见问题
- 参与贡献
- 许可证
能力概览
环形菜单就是全部交互。 在访达中按住 Shift 拖动文件(Windows 为 Shift + Alt),圆环会出现在光标下方。松开在某个格式上即完成转换;再加上 Option/Alt 可切换到工具环。主窗口同样接受拖放,其「文件转换」与「文件工具」按钮会先让你挑选文件,再弹出同一个圆环。
一切按类型驱动。 圆环只列出所选文件真正能变成的格式,并且不会重复显示文件自身的格式——图片可在 PNG/JPG/WEBP/HEIC/TIFF/BMP/GIF/PDF 之间转换,但当前格式不会出现目标;PPTX 给出 PDF 与 Markdown,而 .key、.pages 文件不会给出任何转换扇区,而不是等你点击后才失败。中心是毛玻璃预览,显示尺寸与体积;多选文件会渲染成一叠层叠图标。
默认批量处理。 选中十个文件、一次拖拽,就产出十个结果。结果保存在源文件旁边并附带描述性后缀(report (compressed).pdf、photo (rotated).png),永不覆盖——重名时自动追加序号。也可在设置中改为统一收集到一个文件夹。
截图能力内置。 冻结画面的区域截图、全屏截图,以及带悬浮计时器的区域录屏;一律对准光标所在的显示器,而非固定主屏。一次截图完成后会弹出一张浮动结果卡片——复制、钉住、发送、在文件夹中显示、编辑,各一键完成,稍候自行退场;也可在设置里改成直接进入标注画布。截图与录屏选项只给出当前平台真正支持的开关:macOS 提供麦克风,FFmpeg 后端提供帧率。
圆环顺序由你决定。 已保存的顺序会按文件类型、按环重新排列扇区,最常用的转换不再压在扇区环的最下面。(调整顺序的设置标签页已移除,顺序改由 settings.json 提供,应用内暂无修改入口。)
OCR 在本机运行。 英文与简体中文,使用随应用打包的 Tesseract WASM 引擎与语言模型。OCR 全流程不发生任何网络请求。
文件可以送到另一台电脑。 每个运行中的 Shift 都会在局域网里广播自己的存在,因此「最近使用」列表可以像 AirDrop 那样把文件交给另一台电脑——点一下设备名,看着进度条走完,文件就出现在对方电脑的 Shift 输出文件夹里。
快速上手
Shift 常驻菜单栏(macOS)与通知区域(Windows),同时也有普通窗口。无需一直开着某个窗口——圆环在任何地方都能唤起。
转换文件(Shift)
- 在访达或资源管理器中找到文件。
- 按住鼠标左键把文件拖起来(不要松开)。
- 拖动过程中按住
Shift,圆环会出现在光标周围。 - 朝想要的格式方向拖动——该扇区会高亮放大,中心显示它的名称——然后松开鼠标。只需朝那个方向即可,不必精确对准。
- 状态提示会显示「已保存 N 个文件」,结果就在原文件旁边。
💡
Shift可以在开始拖动之后再按。圆环出现后就可以松开Shift,它会一直保持到你松开鼠标。 💡 改变主意了?把鼠标移回中心(内圈 92 px 之内)再松开,什么都不会发生。 💡 靠近屏幕边缘时圆环会自动移回屏幕内;整个 760 px 的圆环会被约束在光标所在显示器范围内。
使用工具(Option + Shift,Windows 为 Alt + Shift) 操作相同,扇区会从格式换成该类型文件可用的工具。圆环打开时,保持按住 Shift,再按下或松开 Option/Alt,即可在格式环与工具环之间来回切换。
不想拖动? 主窗口中的「文件转换」与「文件工具」会先让你挑选文件,然后对选中的文件弹出同一个圆环;「文字识别」则选取图片并识别。直接把文件拖到主窗口上,会直接打开操作环。拖到按钮上则按钮会高亮并只执行它自己的操作:「文件转换」打开格式环,「文件工具」打开工具环,「文字识别」直接识别图片。
一次处理多个文件。 用 ⌘/Ctrl 点选多个文件后一起拖动,每个文件都会被处理。选中 2 张以上图片或 2 个以上 PDF 时,会出现「合并」扇区,把它们合成一个 PDF。
首次运行。 Shift 会弹出一张检查卡片,包含四项:屏幕录制权限、三个输出目录是否可写、当前实例是否持有全局快捷键、缺少哪些可选工具。每一项都会说明查到了什么并给出修复入口——打开隐私设置、退出其他实例——直接关掉卡片不会改动任何设置。每个安装只会弹一次——升级后的首次启动也算一次,因为旧设置文件里没有这个字段;删掉 settings.json 里的 setupReviewed 就能再看一次。
macOS 首次运行。 需要授予「屏幕录制」(截图与录屏),以及你所选输出目录的「文件与文件夹」访问权限。截图前会先检查权限,因此被拒绝时给出的是可操作的提示,而不是一张全黑截图。
支持的文件
按扩展名识别,对应 src-tauri/src/files.rs 中的四张表。kind 决定中心图标以及会出现哪些扇区。加粗的扩展名是可以真正转换的;其余的只是能被识别,仅提供打开、在文件夹中显示,或提示你先去导出。
| 类型 | 扩展名 |
|---|---|
image |
png jpg jpeg webp tiff tif bmp gif heic heif avif |
video |
mp4 mov m4v avi mkv webm |
audio |
mp3 wav m4a aiff aif caf flac ogg |
pdf |
pdf |
document |
docx rtf odt txt md html htm doc pages |
presentation |
pptx ppt key |
spreadsheet |
xlsx xls xlsb ods csv tsv numbers |
other |
未识别的类型——仅提供打开与在文件夹中显示 |
解码与编码能力并不对称,应用也不会假装对称:
- 图片解码由 Rust
image原生完成,支持 PNG、JPEG、WebP、TIFF、BMP 与 GIF。HEIC/HEIF/AVIF 先走系统解码器——macOS 用sips,其他系统用 ImageMagick——随后可转换为圆环提供的任意图片格式(包括 WEBP),也可生成 PDF。像素类工具走同一条解码路径,因此手机截图可以直接旋转或缩小;由于这条路径无法写出 HEIC,结果会以 PNG 保存。 - 图片编码中的 PNG、JPG、WebP、TIFF、BMP、GIF 为原生实现。HEIC 导出在 macOS 走
sips,在 Windows/Linux 需要 ImageMagick。AVIF 可作为输入,但暂未提供为导出目标。 - 音视频的解码与编码范围取决于你的 FFmpeg 构建;菜单为视频提供 MP4、MOV、GIF、M4A,为音频提供 M4A、WAV、MP3。
- Office 文件以纯 Rust 解析(表格用
calamine,PPTX 用zip+quick-xml),因此无需安装 Office。 - 可识别但不转换:
.doc、.pages、.ppt、.key、.numbers会显示各自类型的图标,并提供编辑、打开、在文件夹中显示,但没有格式扇区。请先导出为 DOCX、PPTX 或 XLSX。
格式转换
以下是各文件类型在格式环中的选项。每一条转换路径都实现在 src-tauri/src/files.rs;文件自身的格式会在运行时自动排除。
| 源类型 | 圆环目标(不含源格式) | 引擎 | 说明 |
|---|---|---|---|
| 图片 | PNG JPG WEBP TIFF BMP GIF |
Rust image |
编码器允许时走无损路径 |
| 图片 | HEIC |
sips / ImageMagick |
macOS 原生;其他系统需要 magick |
| 图片 | PDF |
printpdf |
每张图一页,按 300 dpi 定尺寸 |
| 视频 | MP4 MOV |
FFmpeg | 优先 libx264,依次回退 h264_videotoolbox、mpeg4 |
| 视频 | GIF |
FFmpeg | 仅取前 15 秒、12 fps、宽 480 px、8 MB——设有上限,避免长时间录屏产出上百 MB 的 GIF |
| 视频 | M4A |
FFmpeg | 仅保留音频轨,192k AAC |
| 音频 | M4A WAV MP3 |
FFmpeg | 若 FFmpeg 缺少 libmp3lame,MP3 回退到 lame |
TXT MD |
lopdf |
抽取文字层;扫描件会明确报错并引导使用文字识别 | |
DOCX |
页面渲染 + 原生 DOCX 封装 | macOS 用 PDFKit,Windows/Linux 用 Poppler;保留图片、图表和页面版式,不依赖 Microsoft Word | |
RTF |
lopdf + Pandoc |
以文字层作为正文;需要 Pandoc | |
HEIC |
PDFKit / Poppler + sips |
先渲染为 PNG 再转码;需要系统 HEIC 编码器 | |
PNG JPG TIFF |
PDFKit / Poppler | 每页一个文件,输出到 … pages 文件夹 |
|
文档 docx rtf odt txt md html |
PDF |
AppKit 渲染器(macOS)· 其他系统 Pandoc | macOS 路径不需要 LaTeX 或 wkhtmltopdf |
文档 docx rtf odt txt md html |
DOCX RTF HTML TXT MD |
Pandoc | 自动省略源格式;Markdown 以 GFM 写出。HTML 为图片内嵌的独立单文件 |
演示文稿 .pptx |
MD PDF |
纯 Rust + Pandoc | 按页生成标题、要点文字,表格会输出为真正的 Markdown 表格;PDF 仍是文字摘要版,非版面还原 |
| 电子表格 | MD PDF |
calamine / 纯 Rust |
每个工作表一张 Markdown 表;csv/tsv 直接解析 |
表中没有的转换不会出现在界面上——圆环在运行时按这份目录生成,因此看得见的扇区就是能用的扇区。若缺少依赖,扇区会直接告诉你需要安装什么,而不是静默失败。
页码进度遵循统一规则。 能真实逐页处理的转换统一显示「正在转换第 N/M 页…」;当前包括图片型 DOCX→PDF 与带图 PDF→DOCX。一次性排版的文本 DOCX→PDF、以及纯文字 PDF→DOCX 无法可靠获得页数,因此显示「处理中…」,不会伪造页码。
说明:转换环不会重复列出文件自身的格式。例如 DOCX 不会出现 DOCX,避免无意义的整篇重写和版式损失。 扫描件/纯图片 PDF 没有文字层,选
TXT/MD会返回明确报错——请改用「文字识别」,它会先把每页渲染成图片。
工具
工具环(拖拽时按 Option + Shift)。这些是一次手势完成的操作,不属于格式转换。
「同类型」指输出沿用输入的文件容器,只有一个例外:HEIC 与 AVIF 在本机能读不能写,因此对它们执行像素类工具时会输出 PNG,文件名也会如实标注。
| 工具 | 适用对象 | 输出 | 具体行为 |
|---|---|---|---|
| 压缩 | 图片、视频、音频、PDF | .jpg/.png、.mp4、.m4a、.pdf |
图片按 q68 重编码(含透明通道则保留 PNG);视频 CRF 28;音频转 128k AAC;PDF 先把内嵌图片降采样到 ≤1440 px 的 q60 JPEG,再清理对象 |
| 移除元数据 | 图片、PDF | 同类型, (clean) |
重写图片并去除 EXIF;移除 PDF 的 /Info 与 /Metadata。只负责移除并另存副本,不展示文件携带了什么 |
| 旋转 | 图片、PDF | 同类型, (rotated) |
顺时针 90°,按各格式的原生方式处理;HEIC/AVIF 输入在本机没有对应编码器,因此结果转为 PNG |
| 翻转 | 图片 | 同类型, (flipped) |
水平镜像 |
| 黑白 | 图片 | 同类型, (bw) |
转灰度 |
| 50% | 图片 | 同类型, (50%) |
宽高各减半,Lanczos3 |
| 裁剪 | 图片 | .png, (cropped) |
环形菜单中的裁剪会打开编辑器进行交互式框选 |
| 抠图 | 图片 | — | 打开编辑器,按采样到的背景色抠除背景 |
| 合并 | 2 张以上图片 | .pdf, (images) |
每图一页,按选中顺序排列 |
| 合并 | 2 个以上 PDF | .pdf, (merged) |
按选中顺序拼接 |
| 拆分 | Page 001.pdf … |
每页一个 PDF,输出到 … pages 文件夹 |
|
| 提取文字 | .txt |
仅文字层;扫描件请用「文字识别」 | |
| 720p | 视频 | .mp4, (720p) |
缩放到 720p 高度,保持宽高比 |
| 静音 | 视频 | 同类型, (muted) |
去掉音轨,视频流直接复制、不重编码 |
| 截帧 | 视频 | .png, (frame) |
取首帧导出为静帧 |
| 提取音频 | 视频 | .m4a |
192k AAC |
| 单声道 | 音频 | .m4a, (mono) |
下混为单声道 128k AAC |
| 纯文本 | 文档 | .txt |
通过 Pandoc 导出纯文本 |
| 文字识别 | 图片、PDF | .txt, (OCR) |
见 OCR |
| 编辑 / 标注 / 打码 / 加背景 | 图片 | — | 打开编辑器并预选对应工具 |
| 打开 · 在文件夹中显示 | 任意文件 | — | 交由系统默认应用或文件管理器 |
压缩、命名与取消
「压缩」具体做了什么。
| 输入 | 行为 |
|---|---|
| 图片 | 按画质 68 重新编码。含透明通道的图片写出 PNG,其余写出 JPG |
| 超过 1440 px 的内嵌图片先降采样为 q60 JPEG,再清理、重编号对象并压缩保存。若结果没有更小则不写出文件 | |
| 视频 | 以 CRF 28 / 目标码率 2M 重编码,AAC 96k 音频,输出 MP4 |
| 音频 | 转为 128k AAC 的 M4A |
输出命名——永不覆盖任何文件。 结果保存在源文件旁边并附带描述性后缀;重名时追加 2、 3……而不是替换原文件。
report (compressed).pdf photo (rotated).png slide (bw).png
report (clean).pdf photo (50%).png report (merged).pdf
PDF 转图片与 PDF 拆分会新建 名称 pages 文件夹,内含 Page 001.png、Page 002.png……再执行一次会生成 名称 pages 2,同样不会覆盖。
取消手势。 在圆环中心附近、或圆环范围之外松开鼠标,不会执行任何操作。
截图与标注
截图。 区域截图会先铺一层冻结画面,你框选的像素就是最终得到的像素;全屏截图则完全跳过遮罩层。录屏在 macOS 通过 screencapture -v 保存为 MOV,其他系统保存为 MP4,配有悬浮计时器与停止按钮。Linux 截图优先使用 grim,回退到 gnome-screenshot;Wayland 下录屏改用 wf-recorder,因为 ffmpeg 的 x11grab 在那里没有可抓取的根窗口。
录屏选项是诚实的。 src-tauri/src/recording.rs 中的 capabilities() 报告当前后端真正实现的能力,截图工具条只渲染这些开关。macOS 有麦克风开关(screencapture -g)而没有帧率选项,因为 screencapture -v 根本不支持帧率;Windows 与 Linux 提供 15 / 24 / 30 三档帧率,它会成为 ffmpeg 的 -framerate,但没有麦克风开关,因为抓屏尚未接入音频输入。界面上不存在“按了却被编码器默默忽略”的选项。
结果卡片。 截图或录屏完成后,右下角出现一张卡片,提供复制、钉住、发送、在文件夹中显示、编辑。鼠标悬停时卡片停留,否则自行退场。设置 → 截图 可选择这一刻的行为是结果卡片还是在编辑器中打开;当卡片窗口无法创建时会自动回退到编辑器。
标注。 编辑器画布按原始分辨率工作,并写出新的 PNG,因此源文件永远不会被修改。
| 工具 | 行为 |
|---|---|
| 矩形、箭头、高亮、文字 | 自由绘制,每条标注可单独设置颜色与粗细 |
| 打码 | 实心黑色遮挡条,直接烧入输出图像——不是覆盖层 |
| 马赛克 | 对下方区域做真实采样降采样,不是半透明填充 |
| 模糊 | 对区域做真正的高斯模糊,并按绘制形状裁切 |
| 图章 | 对勾、叉、星三种矢量图章,点一下即可落下 |
| 序号 | 自动递增的序号标记 |
| 裁剪 | 交互式裁剪,带明确的「应用裁剪」步骤 |
| 加背景 | 圆角留白加渐变底,适合社交配图与幻灯片插图 |
| 抠图 | 采样四角、求平均背景色,并将其抠为透明 |
| 撤销 | 先回退标注,再回退图像级操作 |
| 保存副本 / 复制 | 另存为带后缀的新文件,或直接写入剪贴板 |
| 钉在屏幕上 | 将图片浮为置顶窗口,带复制与关闭按钮 |
编辑器。 图片打开标注画布;视频打开播放器;txt md csv tsv html htm 以可编辑文本打开。每个编辑器都提供复制、另存为、打开、在文件夹中显示、文字识别与复制文字。
截图历史库
每一次截图、每一个转换结果、每一个收到的文件,都由 Rust 写入应用数据目录中的同一个历史库(history.json,上限 300 条),因此所有窗口共用一份列表,清理 Webview 缓存也不会丢失。主窗口的「最近使用」卡片就是这个历史库:
- 列表超过几行后出现搜索框,按文件名过滤。
- 收藏某一行,即可在容量上限、文件被删除、以及「清空」之后仍然保留。
- 移除单行,或清空整个库——收藏项会保留。
- 把某一行拖出去即可交给访达、邮件撰写窗口或聊天软件:该行携带
file://链接,因此接收方拿到的是文件本身而不是一段路径文本;同时附带纯文本路径与 Shift 内部类型,供编辑器与圆环使用。 - 单击某一行在编辑器中打开;行内其余按钮负责发送、在文件夹中显示、以及钉在屏幕上。
OCR
界面中对应「文字识别」(图片与扫描件)和「提取文字」(含文字层的 PDF)两处按钮。
使用 Tesseract.js 的 LSTM 内核,以 WASM 形式在应用内运行。eng 与 chi_sim 语言模型在构建时由 pnpm prepare:ocr 复制到 public/tesseract,因此识别无需联网,首次运行也不会下载任何东西。
- 图片——单次识别,实时显示进度,结果可进入编辑器或剪贴板。
- 扫描版 PDF——先把各页渲染成图片,再逐页识别并显示每页进度,结果写入
(OCR)文本文件,页与页之间用--- Page N ---分隔。 - 含文字层的 PDF——请改用「提取文字」,它直接读取内嵌文字层,速度远快于 OCR。
发送到设备
Shift 会持续维护局域网内其他 Shift 实例的列表,并据此提供 AirDrop 式传输。把鼠标移到「最近使用」的任意一行点击发送按钮,或打开文件的「文件工具」环并松开在「发送」扇区上——两种入口都会弹出每台设备一张卡片的设备选择面板,点击卡片即刻开始传输。工具环对每一种文件类型都提供「发送」,选中多个文件时按一批一起发送。
没有对方同意,文件不会落地:接收方会弹出一张小卡片,写明发送者与文件名,并提供「接收」「拒绝」两个按钮以及倒计时。点击拒绝、关掉卡片或任其超时,都会在文件字节开始传输之前就中止本次分享。多文件批次只会询问一次,同一批的其余文件随后自动接收。接收后的文件写入对方 Shift 的输出文件夹,出现在对方的「最近使用」列表里,同时弹出提示告知是谁发来的。同名文件自动追加 2、 3,传输中断不会留下写了一半的文件。
无需服务器、无需配置,发现机制如下:
- 每个实例每两秒向组播组
239.255.77.88:47888发送一次小型 UDP 广播,并额外发送一份传统广播,以兼容丢弃组播的网络。广播内容包含机器名、操作系统,以及用于接收文件的动态 TCP 端口。 - 九秒内没有再次收到广播,设备就会从列表移除,因此切换网络后过期条目会自动消失。
- 文件字节通过直连 TCP 传输:
SHSF握手、JSON 头、文件内容,最后一字节确认;只有接收方已完整落盘,发送方才会报告成功。
整个过程只涉及本地网络——不会有任何数据走到互联网。接收端监听全部网卡,因此 macOS 首次分享时会弹出防火墙授权提示,允许后双向均可用。
自定义圆环顺序
已保存的顺序会为某种文件类型、某个环重新排列扇区。调整顺序的界面已不在设置中——该标签页已移除,因此顺序仍从 settings.json 的 wedgeOrders 读取并生效,但当前界面不再提供修改入口。已有的顺序照常工作,只是暂时无法在应用内更改。
决定“存在哪些操作”的是目录而不是预设。src/lib/radialOrder.ts 保存每种文件类型、每个环的扇区列表,保存的顺序只能对目录为该类型提供的 id 重新排列:日后被移除的 id 会自动从圆环消失,新增的 id 会插入默认位置,而发送永远排在最后。改完下一个手势即生效——不需要重启,也不可能把某个操作藏到你找不到。
快捷键
| 操作 | macOS | Windows / Linux |
|---|---|---|
| 区域截图 | ⌥⇧2 |
Alt+Shift+2 |
| 区域录屏 | ⌥⇧3 |
Alt+Shift+3 |
| 全屏截图 | ⌥⇧4 |
Alt+Shift+4 |
| 拖拽时显示格式环 | 按住 ⇧ |
按住 Shift |
| 拖拽时显示工具环 | ⌥⇧ |
Alt+Shift |
三个截图快捷键注册为全局快捷键。拖拽圆环由修饰键驱动:在开始拖动之前就按住修饰键,圆环会直接出现在光标处,无需先让 Shift 获得焦点。
菜单栏菜单
菜单栏(macOS)与通知区域(Windows)图标提供这些快捷入口:
| 菜单项 | 快捷键 | 作用 |
|---|---|---|
| Open Shift | — | 显示主窗口 |
| Capture area | Alt+Shift+2 |
开始区域截图 |
| Capture full screen | Alt+Shift+4 |
截取光标所在显示器 |
| Record area | Alt+Shift+3 |
开始或停止区域录屏 |
| OCR an image… | — | 选择图片并在本机识别文字 |
| Update available x.y.z | — | 仅在有可用更新时出现;打开设置 → 软件更新 |
| Quit Shift | Cmd/Ctrl+Q |
退出;若有正在进行的录屏会先收尾保存 |
菜单项文案会跟随应用语言;macOS 系统权限弹窗仍为英文。
设置面板的「行为」区有两个开关:拖拽圆环(Shift 拖拽手势的总开关)与开机时启动。
输出位置
| 结果 | 默认位置 |
|---|---|
| 截图 | ~/Pictures/Shift |
| 录屏 | ~/Movies/Shift |
| 文件操作 | 源文件所在文件夹 |
三者都可在设置中修改。文件操作另外提供「统一收集到一个文件夹」模式,替代默认的就近保存。设置面板会列出所有解析后的实际路径、检测该路径是否可写、在文件管理器中显示它,并在缺少权限时直接跳转到 macOS 的「屏幕录制」与「文件与文件夹」隐私面板。
软件更新
更新通道就是这个仓库:一条 releases 分支保存安装包以及 shift-update.json 清单,清单写明每个安装包的名称、体积与 SHA256。更新源地址在构建时由 git 远端推导——已适配 Gitea、GitHub、GitLab 三种形式,也可用 SHIFT_UPDATE_URL 覆盖——因此无需额外部署任何更新服务。
Shift 每天启动时检查一次(也可在设置 → 软件更新 中手动检查),读取清单、按含预发布规则的 semver 比较版本,然后提供下载。下载完成的安装包在安装前要通过两道校验:字节数完全一致,以及重新计算的 SHA256 与清单一致。任一不符即删除文件并明确报错,因此半成品永远不会被启动。发布只需一条命令 scripts/publish-release.sh;docs/RELEASE.md 说明清单格式、参数,以及可选的 ed25519 清单签名——签名用来证明清单的来源,而不只是下载内容与清单一致。
外部依赖
核心转换、环形菜单、截图与 OCR 在零外部依赖的情况下即可工作。以下工具用于扩展能力边界:
| 工具 | 用于 | macOS | Windows | Linux |
|---|---|---|---|---|
| FFmpeg | 音视频转换/压缩、720p、静音、截帧、单声道;非 macOS 的录屏 | 可选 | 录屏必需 | 必需(音视频与 X11 录屏) |
wf-recorder |
Wayland 下的区域录屏 | 不需要 | 不需要 | Wayland 下需要 |
| Pandoc | 文档 ↔ DOCX/RTF/HTML/TXT/MD(仅支持 ODT 输入) | 可选 | 需要 | 需要 |
| Typst | Pandoc 文档转 PDF 引擎 | 不需要(AppKit) | 需要 | 需要 |
Poppler pdftoppm |
PDF 转图片、PDF 转 Word、扫描件 OCR | 不需要(PDFKit) | 需要 | 需要 |
ImageMagick magick |
HEIC/HEIF/AVIF 输入与 HEIC 输出 | 不需要(sips) |
需要 | 需要 |
| LAME | 当 FFmpeg 缺少 libmp3lame 时的 MP3 编码 |
少见 | 少见 | 少见 |
Shift 会在设置 →「运行组件」中显示当前机器实际找到的工具、版本和路径,并可一键安装缺失的 Pandoc、Typst、FFmpeg、Poppler 与 ImageMagick。macOS 使用 Homebrew,Windows 使用 WinGet;安装后在界面中自动重新检测,无需重启。工具在调用时也会从 PATH 及系统常见安装目录查找,因此缺失某个依赖只会影响对应的扇区,不会影响整个应用。
平台支持情况
| 能力 | macOS | Windows | Linux |
|---|---|---|---|
| 环形菜单、编辑器、托盘、多语言 | 支持 | 支持 | 支持 |
| 拖拽唤起圆环 | AppKit 全局拖拽桥 | Win32 拖拽状态轮询 + 原生拖放 | 暂不支持——仅能用主窗口选择文件 |
| 区域 / 全屏截图 | screencapture |
Win32 GDI BitBlt |
grim / gnome-screenshot |
| 跟随光标所在显示器 | 支持 | 支持 | grim 输出选择 |
| 区域录屏 | screencapture -v,-g 录麦克风 |
FFmpeg x11grab |
Wayland 用 wf-recorder,X11 用 FFmpeg x11grab |
| 录屏帧率控制 | 不提供(screencapture 不支持) |
15 / 24 / 30 | 15 / 24 / 30(-r / -framerate) |
| 截图历史库、把某一行拖出 | 支持 | 支持 | 支持 |
| 基于 git 的更新:SHA256 校验,清单可选签名 | 支持 | 发布的是 x64 安装包;ARM 机器经由 windows 回退拿到同一份 |
可检查并下载;Linux 没有发布产物,因此结果是「没有对应产物」 |
| 图片转换与编辑 | 支持 | 支持 | 支持 |
| HEIC / AVIF 编码 | sips |
ImageMagick | ImageMagick |
| PDF 文字、合并、拆分、旋转、压缩 | 支持 | 支持 | 支持 |
| PDF 转图片 | PDFKit 伴生进程(HEIC 需 sips) |
Poppler(HEIC 需 ImageMagick) | Poppler(HEIC 需 ImageMagick) |
| PDF 转 Word | 内置页面渲染器 | 需 Poppler | 需 Poppler |
| 扫描件文字识别 | 支持 | 需 Poppler | 需 Poppler |
| 文档转 PDF | 内置 AppKit 渲染器 | Pandoc + PDF 引擎 | Pandoc + PDF 引擎 |
| PPTX / XLSX / ODS 转 Markdown | 支持(纯 Rust) | 支持 | 支持 |
| 本地中英文字识别 | 支持 | 支持 | 支持 |
从源码构建
需要 Node.js 20+、pnpm 8+、Rust 1.90+;构建 macOS 原生伴生进程还需 macOS 13+ 与 Xcode 命令行工具。
pnpm install
pnpm mac:drag-bridge # 仅 macOS —— AppKit 拖拽桥、PDFKit 与文档渲染器
pnpm tauri dev
pnpm mac:drag-bridge 会把 native/macos/*.swift 编译为 src-tauri/binaries 下的分架构与通用(universal)伴生进程。Windows 与 Linux 完全跳过这一步。
pnpm check # TypeScript 类型检查,不产出文件
pnpm test # 转换矩阵、圆环目录与顺序、拖拽载荷、投放命中测试
pnpm build # tsc + vite
cargo test --lib # Rust 单元测试,在 src-tauri/ 目录下执行
pnpm tauri build # 发布构建
macOS 通用(Universal)构建:
rustup target add aarch64-apple-darwin x86_64-apple-darwin
pnpm mac:drag-bridge
PATH="$HOME/.rustup/toolchains/stable-aarch64-apple-darwin/bin:$PATH" \
RUSTUP_TOOLCHAIN=stable \
pnpm tauri build --target universal-apple-darwin --bundles app,dmg
产物是单个通用 Mach-O,内含通用版的拖拽、PDF 渲染与文档渲染伴生进程。若要在 macOS 上生成 Windows 安装版与便携版(x64 与 ARM64 两种架构都会产出),运行 scripts/build-windows-release.sh;完整步骤见 docs/BUILD_WINDOWS.md。
权限(macOS)。 截图与录屏需要「屏幕录制」,输出目录需要「文件与文件夹」授权,带声音录屏需要「麦克风」。Shift 会在打开截图遮罩前先检查屏幕录制权限,因此被拒绝时给出的是可操作的提示,而不是一张全黑的截图。使用本地证书签名的开发构建,可以在反复重编译后保持这些授权稳定;对外分发则需要 Developer ID 证书与公证。
架构
React UI 单一 webview,八类视图
├─ main 拖放目标、快捷键、截图历史库、设置、首次运行检查
├─ radial 透明置顶圆环,按极角扇区命中判定
├─ capture 冻结画面 + 区域框选
├─ recorder 悬浮计时器与停止按钮
├─ editor 标注画布、文本、视频、OCR
├─ result-* 截图后的浮动结果卡片,每次截图一个窗口
├─ share-* 收到文件时的确认卡片
└─ pin 置顶图片参考窗
Tauri 命令层 src-tauri/src/
├─ files.rs 检视、转换、压缩、元数据、旋转、裁剪、音视频
├─ pdf.rs 合并、拆分、旋转、文字、渲染、图片转 PDF、压缩
├─ office.rs PPTX 与电子表格转 Markdown,纯 Rust
├─ capture.rs 全屏截图、区域裁剪、交给编辑器
├─ recording.rs screencapture / FFmpeg / wf-recorder,以信号方式收尾
├─ drag_bridge.rs 全局拖拽检测、圆环模式、环形菜单定位
├─ settings.rs 输出目录、可写检测、圆环顺序、隐私面板深链、首次检查标记
├─ history.rs 共享的截图/结果历史库、收藏与容量上限
├─ result_card.rs 浮动结果卡片,自带自动关闭保险
├─ update.rs 清单拉取、签名校验、semver 比较、SHA256 校验
├─ share.rs 局域网广播、设备列表、AirDrop 式文件传输
└─ editor.rs 编辑器与钉图窗口状态
平台适配器
├─ macOS AppKit 拖拽桥 · PDFKit 渲染器 · AppKit 文档渲染器 · screencapture
├─ Windows Win32 拖拽状态 · GDI BitBlt 截图 · FFmpeg · Poppler
└─ Linux grim / gnome-screenshot · wf-recorder(Wayland)· FFmpeg · Poppler
OCR:Tesseract.js WASM + 内置 eng/chi_sim,进程内运行,完全离线
环形菜单的命中判定是纯几何计算——同一套极角运算同时服务于原生指针事件、webview 悬停与 Windows 的拖放数据,因此圆环行为不会在各平台之间产生偏差。
仓库结构
src/ React 界面、多语言(en/zh)、Tauri API 绑定
src/lib/ 纯函数与 Node 测试:转换矩阵、圆环目录与顺序、拖拽载荷、
投放命中判定
src-tauri/src/ Rust 命令层与平台适配器
native/macos/ Swift 伴生进程:拖拽桥、PDF 渲染器、文档渲染器
由 pnpm mac:drag-bridge 编译进 src-tauri/binaries/
scripts/ OCR 资源准备、macOS 伴生进程、Windows 安装器、发布构建、
清单发布与清单签名
public/tesseract/ WASM 内核与语言模型,构建生成,不提交
assets/ 应用图标源文件
src-tauri/icons/ 各平台生成的应用图标
docs/ Windows 构建指南、发布与更新通道、路线图、移动端规划
scripts/linux/ 在 CI 之外构建 Linux deb/AppImage 的 Dockerfile
.github/workflows/ macOS、Windows、Linux 的 CI 定义(见「参与贡献」)
FileFlipper/ 独立姊妹项目,拥有自己的仓库
隐私
Shift 对文件做的任何处理都不会发起互联网请求。文件在本地读取、转换、写回;OCR 在进程内基于内置模型运行;截图历史库只是一个本地文件。既不上传,也不收集。
只有两条路径会接触网络,且默认都不携带文件内容:更新检查每天最多通过 HTTPS 拉取一次清单(只有你按下按钮时才下载安装包);而发送到设备 只与本地网络通信——239.255.77.88:47888 上的 UDP 广播,加上两台电脑之间的直连 TCP,其中携带机器名称以便双方互相标注。在你打开该面板、或有另一台 Shift 向你发送文件之前,它不会有任何动作。
已知限制
- Windows/Linux 上的文档转 PDF 仍需 Pandoc 加上可用的 PDF 引擎;内置的 AppKit 渲染器仅限 macOS。
- PPTX 与电子表格转 PDF 是文字与表格摘要,不是版面精确还原。
.doc、.pages、.ppt、.key、.numbers可识别但不解析——请先导出为 DOCX/PPTX/XLSX。- HEIC/HEIF/AVIF 可由系统解码器读取,格式转换与像素类工具都能直接使用。只是这两种格式无法经由该路径写出,因此对它们执行像素类工具时会输出 PNG;AVIF 仍不提供为导出目标。
- PDF 压缩会把内嵌图片降采样到最长边 1440 px、q60 JPEG。凡是不能确认可安全往返的内容都会原样保留——蒙版、索引色/CMYK、JPX/JBIG2/CCITT——因此部分特殊扫描件仍难以压缩。
- Windows 的录屏与音视频转换要求
PATH中存在ffmpeg。Linux 的音视频转换同样需要它,区域录屏在 Wayland 下需要wf-recorder、在 X11 下需要ffmpeg;本仓库所在的代码托管平台不会执行这些路径,因此 Linux 的截图能力只能算「可编译」而非「已验证」。 - Linux 是「可构建」而非「已发布」:不提供 deb 或 AppImage,更新通道里也没有
linux键,因此 Linux 构建检查更新时会得到「没有对应产物」。想要自己动手的人,可照scripts/linux/Dockerfile或 CI 里的linux任务来做。 - 把历史库的某一行拖出去依赖 Webview 对 file URL 拖拽的支持。载荷使用标准的
text/uri-list(内含file://条目)并附带纯文本路径,仍需在每个平台上做手势级验证;在此之前,发送、在文件夹中显示以及行内按钮是交付文件的确定路径。 - 局域网分享依赖允许点对点流量的网络。部分访客网络与企业 Wi-Fi 会丢弃组播;这些网络仍可经由广播与单播回退路径工作,但若路由器隔离了客户端,两个实例便无法相遇。
- Windows 上每台电脑只有一个 Shift 实例能占用发现端口,因此额外实例不会出现在设备列表中。
- Windows 与 Linux 代码路径在本机通过编译验证,而托管本仓库的平台并不运行 Actions,因此 CI 不会替你构建任何东西;手势层面的验证仍需真实 Windows 与 Linux 设备。
- macOS 上签名身份变化后,可能需要重新授予「屏幕录制」与「辅助功能」权限。
路线图见 docs/ROADMAP.md。
常见问题
❓ 按住 Shift 拖文件,圆环没出现。
一定要先开始拖动——按住鼠标并把文件拖过拖动阈值——在拖动过程中按住 Shift。只选中文件再按 Shift 是没有反应的。Windows 需要在拖拽越过系统阈值的那一刻按住 Shift;同一时刻再按 Alt 则进入工具环。
❓ 提示这类文件没有可用格式。
未识别的扩展名仅提供打开与在文件夹中显示;旧版 Apple/Office 格式(.doc、.pages、.ppt、.key、.numbers)刻意不提供转换。请先导出为 DOCX、PPTX 或 XLSX。
❓ 能开机自启吗?能一键停用吗?
都可以,位置在设置面板的「行为」区。拖拽圆环是 Shift 拖拽手势的总开关:关闭后不会再出现任何圆环,而托盘、主窗口与快捷键照常可用。开机时启动会在 macOS 写入 LaunchAgent、Windows 写入 HKCU\...\Run、Linux 写入 autostart .desktop,同一开关即可撤销。
登录项只对当前用户生效,并指向 .app 包本身,因此 macOS 的屏幕录制授权身份在多次启动间保持一致。若移动了应用位置,请重新切换一次该开关。
❓ 我的文件会被上传吗? 不会。代码里不存在上传路径,转换与 OCR 流程也不发起任何网络请求;Tesseract 模型随应用一起打包。不收集数据,也没有账号体系。
❓ 输出文件去哪儿了? 默认在源文件旁边,带描述性后缀。可先看主窗口的最近列表,点击条目即可打开结果;设置面板会列出全部实际输出路径并可在文件管理器中显示。
❓ 支持哪些语言? 英文与简体中文,可在主窗口的设置中切换;首次启动时跟随系统语言。托盘菜单会跟随所选语言;macOS 系统权限弹窗仍为英文。
❓ Shift 怎么获取更新?
就来自本仓库。releases 分支保存安装包,以及记录每个文件 SHA256 的清单;设置 → 软件更新 会显示当前构建读取的更新源,每天检查一次,并在你点击后才下载。只有下载结果的字节数与重新计算的 SHA256 同时与清单一致,才允许安装。发布流程见 docs/RELEASE.md 与 scripts/publish-release.sh。
❓ 能调整扇区的先后顺序吗?
顺序会被照常执行,但目前没有修改它的界面:设置中已不再有该标签页。写在 settings.json 里 wedgeOrders 的顺序仍然生效;顺序只能排列这种文件真正支持的操作,不能增删,并且发送始终排在最后。
❓ 能先标注、不保存原图吗? 可以。标注工作在画布副本上,只有「保存副本」或「复制」才会写盘,源文件永不被修改。也可以「钉在屏幕上」,把它作为浮动参考图。
❓ 怎么卸载? 从托盘退出,然后删除应用即可。除你指定的输出目录和应用自身的配置/缓存目录外,不会写入其他位置。
参与贡献
新增一种格式 = 在 src/lib/conversionFormats.ts 的 conversionFormats 中加一项、补充对应矩阵测试,并在 src-tauri/src/files.rs 的 perform_action 中加对应处理;新增一个工具 = 在 src/lib/radialOrder.ts 的对应列表中加入 id、补上文案、在 WEDGE_ICONS 中加入图标,再在 executeAction 中加一个分支——圆环渲染的就是同一份目录,因此无需别处注册即可出现。推送前请运行 pnpm check、pnpm test、pnpm build 与 cargo test --lib。
.github/workflows/ci.yml 内含 macOS、Windows、Linux 三个任务,但本仓库所在的托管平台没有 Actions 执行器,因此这些任务目前只是定义、而非实时保障:只有镜像到 GitHub、接入 Forgejo Actions,或由贡献者本地执行时才会真正构建。CI 会执行的就是上面这四条命令,外加各平台的 pnpm tauri build;Linux 安装包可在普通 Docker 主机上用 scripts/linux/Dockerfile 构建。
欢迎二次开发。 你可以免费使用、修改、再发布本代码,也可用于商业项目,只需保留原版权声明与 LICENSE 文件。
许可证
以 MIT 许可证发布——见 LICENSE 与 THIRD_PARTY_NOTICES.md。
本应用构建使用了 Tauri(MIT / Apache-2.0)、React(MIT)、Lucide(ISC),以及 Tesseract.js 与其英文、简体中文模型(Apache-2.0)。