例子 3:怎么让 AI 做一个「对指定区域录屏」的软件
2026-10-08
我要的是一个能框住屏幕上一小块、录下来还带声音的小工具。这个需求我提了好几轮才讲清楚。
什么情况
我需要录屏,但只录屏幕上的一小块——不是整个桌面。
还要声音:系统里放出来的声(网页里的语音、演示视频)和我说话的声,都要。
市面上当然有现成软件。但我的情况特殊:这个小工具我用了好几年,好几个客户也在用,
我不想换一个新的从头学——我想在原来那个上改。
这也顺带说明一件事:「有没有现成的」和「我要不要用现成的」是两回事。
关键:别一口气把需求说完
我一开始的想法是写一大段需求丢给 AI,让它一次做完。这是最差的做法。
正确的做法是分四步,每步只要一个能验证的结果。
第一步:先让它「读懂」,再让它动手
这个工程在这条路径下。先别改任何东西,告诉我:
程序从哪跑起来、主界面是哪个文件、录屏的核心逻辑在哪、用的是哪个库。
程序从哪跑起来、主界面是哪个文件、录屏的核心逻辑在哪、用的是哪个库。
为什么必须先做这步:不读就改,等于让它在黑箱上乱敲。
而且这一步会自动暴露关键事实——比如它就是在这一步发现:原来那个程序天生不可能有声音。
第二步:一次只加一个功能,而且你能自己验证
现在只做一件事:把「暂停」按钮删掉,换成「选择」。
点了之后能框选屏幕上的一块区域,框完告诉我选区尺寸。别的都别动。
点了之后能框选屏幕上的一块区域,框完告诉我选区尺寸。别的都别动。
然后我自己点一遍,确认了,再进下一步。
一次只提一件事:一次提五件,你会拿到五个半成品,还得挨个排查。
第三步:把「做不到的事」先问出来
如果要让录出来的文件同时有系统声音和麦克风声音,你会怎么做?先说方案,别写代码。
这一步它告诉了我一个我之前不知道的事实:原来那个录屏库压根不支持音轨——
所以声音必须另外录、最后再合。
这步最值钱。 你问「怎么做」,它会连方案的边界一起告诉你;
你直接说「做吧」,你可能做完才发现这条路是死的。
第四步:最后才说验收标准
录出来必须是 mp4、能直接发微信、音画不能错位。
产品要求清单(这些不想到,AI 也不会替你想)
这是我最想说的一部分。
AI 不会替你想你没想到的需求。 下面这些点是我一路踩出来的,你要做类似工具,照着核一遍:
选区相关
- 要覆盖多显示器,不是只按主屏算
- 框选的时候,自己那个小窗得先藏起来——不然会挡住取点,还会被录进去
- 选区宽和高必须是偶数(视频编码的硬要求,奇数会报错或花屏)
- 录制过程中不许改选区
声音相关
- 系统声和麦克风是两路,各自怎么开
- 两路是分别录、最后合,还是边录边混(后者容易出问题)
- 起点要对齐:先开录音、再开录屏,两者启动差几毫秒,不裁掉就音画不同步
- 其中一路设备不可用时怎么办——整体失败,还是降级成单声道
- 失败绝不能静默:要弹出具体报错+每路音频的文件路径和字节数,否则你根本不知道断在哪
画面相关
- 鼠标指针要不要录进去
- 高 DPI 屏(缩放 125% / 150%)上要按物理像素录,不然画面会被拉伸糊掉
最容易漏的
- 小窗口有系统最小尺寸限制——小于它会被 Windows 静默放大,不报错。这个坑我找了很久。
- 录制中电脑卡顿掉帧怎么办
为什么这个例子值得学
它演示了跟 AI 合作时最容易搞反的一件事:
不是「AI 不够强」,是「我没把要求说全」。
你脑子里那些"这不是理所当然的吗"的东西——多显示器、偶数宽高、设备坏了怎么办——
AI 一件都不知道。它不是不聪明,是它不在你的处境里。
所以真正该练的能力是:把一个模糊的愿望,拆成一份能验收的要求清单。
这件事以前叫「需求分析」,是产品经理的基本功。
现在我觉得,它是每个人用 AI 的基本功。
顺便说一句:这个软件我一行代码都没写。
我做的是——说清楚我要什么、逐个验收、把没想到的点补上。
我做的是——说清楚我要什么、逐个验收、把没想到的点补上。