nex_shift/README.zh-CN.md

40 KiB
Raw Blame History

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

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)

  1. 在访达或资源管理器中找到文件。
  2. 按住鼠标左键把文件拖起来(不要松开)。
  3. 拖动过程中按住 Shift,圆环会出现在光标周围。
  4. 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。
  5. 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
PDF 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
PDF 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
PDF RTF lopdf + Pandoc 以文字层作为正文;需要 Pandoc
PDF HEIC PDFKit / Poppler + sips 先渲染为 PNG 再转码;需要系统 HEIC 编码器
PDF 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 PDF Page 001.pdf … 每页一个 PDF,输出到 … pages 文件夹
提取文字 PDF .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
PDF 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)。