分析与思考

CourseSnap 这个项目，最开始并不是为了做一个完整的 AI 产品。

它的起点其实非常简单：我在上网课或者看回放的时候，不想再手动一张张截图 PPT 了。

很多网课平台不能直接下载课件，而手动截图既低效又容易漏页。所以我最初做的，只是一个工具：自动检测 PPT 页面变化，并自动保存截图。

1. 起点：自动截图

第一版的核心非常简单：

自动检测页面变化 -> 自动截图 -> 保存到文件夹

这个阶段，我解决的只是“如何更高效获取课件”。

2. 第一版流程：截图 + OCR + AI

一开始我就有 AI 总结的想法，所以第一版是：

截图 -> OCR逐张识别 -> 文本 -> AI总结

这里 OCR 是针对每一张图片，而不是 PDF。

但很快出现问题。

3. 为什么放弃 OCR

OCR 的问题：

• 识别不稳定（乱码、漏字）
• PPT结构丢失
• 内容顺序混乱
• AI输入质量下降

让我意识到：

问题不是“提取文字”，而是“保留信息”

4. 关键迭代：PDF

截图多了以后，我发现：

图片太散本身就是问题

于是加入：

截图 -> 一键合成 PDF

带来的变化：

• 保留结构
• 更好阅读
• 更适合 AI 输入

5. PDF 也是独立工具

我没有把 PDF 限制为流程的一部分，而是支持：

• 任意图片导入
• 独立生成 PDF

做了模块解耦

6. AI 总结升级：PDF + 逐字稿

AI 一直存在，但输入变了：

初版：OCR文本

优化：PDF + 逐字稿

逐字稿来源：

• 平台下载
• 或复制到 Word

最终流程：

截图 -> PDF -> PDF + 逐字稿 -> AI总结

7. 逐字稿设计

逐字稿不是自动获取，而是：

• 手动放入文件夹
• 一键打开文件夹
• 自动检测 PDF + TXT/DOCX
• 缺失弹窗提醒

半自动设计：低成本 + 高质量

8. AI 功能定位

AI 需要 API Key（首次输入）

但不是必须：

用户可以用外部 AI 完成

所以它是：

增强功能，而不是门槛

9. 交互设计

我做了基础优化：

• 黄色主按钮 -> 引导操作
• 圆角UI -> 降低技术感
• 弹窗反馈 -> 减少不确定性

目标：

不用学习也能用

10. 中英文版本

后期做了中英文版本，让产品表达更清晰：

自动截图 + PDF + AI总结

11. 工具与工作方式

这是一个 AI-native 开发过程：

• ChatGPT：产品讨论、方案推演
• Cursor：前期开发
• Windsurf：中间切换
• Codex：后期开发与网站集成
• Python / PowerShell：运行调试
• GitHub：项目整理

我在不同工具之间切换，而不是依赖单一平台。

12. 总结

这个项目让我意识到：

产品不是不断加功能，而是不断做取舍

以及：

在 AI 时代，输入和流程，比模型更重要

结语

CourseSnap 从一个自动截图工具，变成了一个完整学习流程产品。

它不是设计出来的，而是在使用和迭代中“长出来的”。