Proposal：任意界面一键生成草案

[gac0812]

Proposal：任意界面一键生成草案

1 功能描述

任意界面一键生成草案负责回答一个问题：用户正在其他 App 或网页中浏览内容时，如何通过一次明确操作获取当前屏幕，并进入既有的 OCR / 从图生成草案链路。

本能力采用“点击通知栏按钮 → 无障碍一次性截取当前屏 → App 获取该图 → 生成草案”的固定路径。它只负责当前屏取图和后续链路衔接，不后台监听截图、不批量截屏，也不绕过草案确认直接创建正式数据。

2 用户

目标用户

用户分层	特征	取图需求
场景连续型	正在看课表、聊天清单、网页，不愿切回 App	任意界面一点即可取当前屏
隐私敏感型	不接受后台监听或误读相册其他图	只处理点击后自动截的那一张
轻量知情型	可接受自己点一下，不能接受静默截屏	用户触发 + 自动执行截屏

用户故事

用户在浏览网页课表、聊天清单或其他任意界面时，若只能「先系统截图 → 再回 App 上传」，当前场景会被打断；若后台静默取图，又会带来不知情截屏与误取隐私图的风险。用户需要的是：在任意界面点一下通知栏按钮，就把当前屏送进 OCR / 从图生成草案，且取图边界清晰、可预期。

故事 A — 任意界面一键取当前屏

我正在浏览网页课表或聊天里的待办清单，不想切出当前场景去系统截图再回 App。下拉通知栏点「截图识别」→ 自动截当前屏 → App 拿图 → OCR / 从图生成草案。

故事 B — 隐私敏感用户要可控取图

我不接受后台监听全部截图，也不接受「点通知却读到相册里另一张隐私图」。本路径只处理点击后自动截的那一张，取图范围与用户意图对齐。

故事 C — 轻量用户可接受知情点击

我可接受「自己点一下，由 App 自动截当前屏」；不能接受无点击的静默截屏或后台截图流。

共性需求提炼

用「点通知栏按钮 → 自动截当前屏 → App 拿图 → 从图生成草案」换更可控的取图；代价是需要无障碍权限。

3 现有做法以及不足

当前产品内缺少「任意界面一点即取当前屏」的闭环：要么步骤多打断场景，要么取图范围不可控。

现有做法	不足
系统截图后再打开 App 上传	步骤多，易打断当前场景
点通知栏读最近图等其他入口	须先截/存再点通知；可能读到非意图/隐私图
开启后后台监听相册新截图	操作最轻，但误取隐私图风险高
分享菜单把截图传给 App	仍依赖先截图再分享

共同不足：有「能上传图」无「任意界面一点即取当前屏」；有轻操作路径却难控隐私边界；有手动上传却打断当前场景。

4 产品范围

状态	事项	依据
做	常驻通知栏操作按钮作为入口	任意界面可达，无需先回 App
做	用户点击后由无障碍一次性自动截当前屏，App 拿图后送 OCR / 从图生成草案	核心路径；无障碍仅作执行层
做	每次点击只截一次；确认前不写入正式数据	可控取图 + 与多模态草案确认边界对齐
不做	点通知后读 MediaStore / 相册最近图再生成草案	非本提案入口；可能读到非意图图
不做	后台自动监听相册 / 新截图	隐私风险高；不在本提案范围内
不做	后台持续截屏或批量截屏	本提案只做 one-shot、用户触发

边界一句话：本文档提案「点通知栏按钮 → 自动截图 → App 拿图 → 从图生成草案」；负担是需要无障碍权限。

5 关键决策

决策：取图方式

方案	描述	选择
A. 开启后后台监听相册新截图	操作最轻，系统截图即触发	❌ 误取隐私图风险高
B. 点通知栏按钮后无障碍自动截当前屏	点击触发、只截当前一张	✅ 选中

选择 B，理由：在「低摩擦」与「可控取图」之间取得平衡；代价是需要无障碍权限。

配套规则：

• 截图必须由用户点击通知栏按钮触发；无点击不截屏
• 无障碍只作执行层自动截屏，不做后台监听
• 每次点击只截一次（one-shot）
• 确认前不写入正式数据；后续走既有 OCR / 从图生成草案流程

替代方案

后台自动监听相册新截图：操作最省，但隐私风险过高，不纳入本提案。点通知后读最近已存截图：须先截/存，可能读到非意图图，亦不作为本提案路径。

6 边界规则与异常处理

边界规则

• 本期只覆盖 Android；依赖通知入口与无障碍的一次性截屏能力。
• 截屏必须由用户当次点击触发，无点击不得取图。
• 一次点击最多截取当前屏一次；不得持续、定时或批量截屏。
• 获取的图片只进入既有 OCR / 多模态草案链路；用户确认前不得写入正式 Schedule、Todo 或 Goal。
• 无障碍只承担执行层截屏，不读取界面语义，也不承担后台监听。

异常场景与处理方式

场景	触发条件	系统行为	依据/原则
通知权限未开启	系统无法展示稳定通知入口	引导用户开启通知权限；不开启则不提供该入口	入口必须可见、可控
无障碍权限未开启	用户点击入口但系统无法代为截屏	引导授权，不降级为后台读相册或静默监听	不改变取图语义
系统禁止截取当前屏	当前页面启用了安全窗口等限制	明确提示无法截取，不读取其他历史图片替代	不处理非用户意图图片
截屏或图片交接失败	未获得有效图片	本次流程失败并允许重试，不创建空草案	失败不污染正式数据
处理中重复点击	上一次 one-shot 尚未完成	忽略重复触发或提示正在处理，不并发多次截屏	一次意图对应一次处理
OCR / 草案生成失败	图片已取得但下游处理失败	展示失败原因并允许重试；保留“确认前不落正式数据”的边界	下游失败可恢复
用户取消草案	已进入草案页但用户不确认	丢弃本次临时结果，不创建正式事项	用户确认后才落库

7 基本概念与信息结构

本提案的产品面是通知栏操作按钮，不是 App 内表单或数据模型入口。用户在任意界面下拉通知栏，点「截图识别」（或同等文案）即触发取图；系统需无障碍权限，由无障碍在当次点击后一次性自动截当前屏，App 拿到该图后进入既有「从图生成草案」界面（OCR / 多模态后续，确认前不写入正式数据）。

交互流程：

任意界面 → 下拉通知栏 → 点操作按钮
→ 无障碍自动截当前屏（one-shot）
→ App 拿图
→ 打开从图生成草案 UI / 多模态后续

8 验收标准

用例	操作	通过标准
任意界面触发	在其他 App 或网页中下拉通知栏并点击“截图识别”	只截取点击时的当前屏，并进入从图生成草案链路
一次点击一次截屏	点击一次通知入口	最多生成一张本次图片和一份处理任务，不持续截屏
无点击不截屏	开启权限后正常使用其他 App，但不点击入口	系统不截屏、不监听截图流、不读取相册图片
权限缺失	未开启通知或无障碍权限时点击入口	给出对应授权提示，不静默失败，不改走后台监听
安全页面限制	在系统禁止截屏的页面触发	明确提示无法截取，不拿历史图片冒充当前屏
草案确认边界	截屏识别成功后查看数据	确认前不存在正式 Schedule、Todo 或 Goal；确认后才由既有模块创建
处理失败	模拟截屏交接或 OCR 失败	给出失败状态并允许重试，不创建空白或错误正式事项
重复点击	首次处理未完成时再次点击	不产生并发多次截屏或重复草案