TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Shots Studio 開源截圖管理 App，把截圖變成可搜尋的資料庫
Shots Studio 是開源 Android 截圖管理工具，把截圖交給 AI 解析成文字與標籤後就能自然語言搜尋。原始碼提供三種引擎：Gemini 雲端自帶金鑰、Gemma 裝置端免金鑰但模型檔約 3.14GB、Tesseract 純離線文字辨識。從原始碼與版本紀錄看，遙測預設值、repo 功能未打包進 APK 的落差，以及五個月未更新的事實，都值得在安裝前先對照。
用 AI 摘要這篇文章：
手機裡的截圖資料夾很少有人整理得動。購物比價、對話紀錄、繳費證明、別人傳的笑圖，全部混在同一個地方，要找的時候只能憑記憶慢慢滑。Google 自己的解法是 Pixel 手機內建的 Screenshots 功能，讓 AI 讀懂截圖內容再讓你用文字搜尋，但這套體驗綁在 Pixel 硬體上，其他 Android 手機想要類似的東西，只能往第三方找。開發者 Ansah Mohammad 的 Shots Studio 走同一個方向，差別在於它免費、開源（GPL-3.0 授權），任何 Android 手機都能裝：把截圖丟給 AI 引擎解析成文字描述與標籤，之後就能用自然語言搜尋、自動歸類到集合裡。
我把它的原始碼抓下來讀了一遍，也對照了三個發布管道的版本紀錄。這篇要談的重點是：它把「AI 要不要碰你的截圖」做成了三種引擎的選單，每一種的隱私邊界和代價都不一樣；另外有幾個關鍵細節，官網的首頁並沒有跟上原始碼的現況，包括一個還沒裝進任何安裝檔的新功能。
三種引擎一張選單：雲端、裝置端、純文字辨識
Shots Studio 的工作流程不複雜：掃描手機裡的截圖，交給 AI 引擎讀圖，產生每張圖的文字描述與標籤，存進 app 自己的資料庫，之後搜尋、自動分類、建集合都查這份資料庫。截圖本體留在原本的相簿資料夾，app 管的是自己的一份描述與標籤資料。第一次使用要授予儲存權限，按下介面上的 AI 按鈕後，它會把掃到的截圖分批送進引擎，跑完的描述與標籤直接掛在縮圖上。搜尋找的就是這些描述與標籤，所以「上次那張 WiFi 密碼的截圖」這種查法，取決於引擎當初有沒有把它讀成你可以想起來的字眼。真正的設計重心在引擎選擇：原始碼裡的設定清單列了三條路，這是整個工具最重要的決策點。
功能最完整的一條路是 Gemini 雲端。app 內可選四個模型：gemini-2.0-flash、gemini-2.5-flash-lite、gemini-2.5-flash、gemini-2.5-pro，金鑰自備，申請後貼進設定頁就能用（到 Google AI Studio 申請，額度跟著 Google 政策走，會變動）。批次處理的並行數 flash 系到 16、2.5-pro 到 32，而日期、事件、地點、航班這類結構化資訊的抽取，只有 2.5-flash 與 2.5-pro 兩個模型支援，想讓截圖裡的會議時間或訂票資訊變成可查的欄位，就得上這兩個。手裡已經有多把 Gemini 金鑰要調度的人，可以參考之前介紹過的 Gemini Balance，把多把金鑰輪詢成一個穩定端點再餵給各種工具。
不想讓截圖出門的話，選單上還有 Gemma 裝置端引擎。免金鑰、處理過程不連線，代價是模型檔要自己下載：原始碼裡寫死的下載位置在開發者的 HuggingFace 空間，檔名 gemma-3n-E2B-it-int4，實際回應的檔案大小是 3,136,226,711 位元組，約 3.14GB。這個檔案是 Google 專為手機等行動裝置設計的 Gemma 3n 系列、做過量化壓縮的版本，刻意用小換快，也因為量化與手機算力的現實，它的批次並行壓在 1，集合自動歸類的單批上限也只有雲端模式的五分之一，庫存截圖多的人要有分批慢慢跑的心理準備。想在手機上離線跑 Google 模型不是新鮮事，之前介紹過的 AI Edge Gallery 就是同一個方向，差別在於那是通用的模型試驗場，Shots Studio 把裝置端模型綁進截圖整理這一個用途。
選單上最容易被忽略的是 Tesseract 純文字辨識。不碰任何 AI 服務、全程離線，只把截圖裡的文字抽出來變成可搜尋的內容，代價是沒有語意標籤、沒有自動歸類。如果你要的只是「搜得到當時截下來的文字」，這條路的儲存成本趨近於零。電腦上做同樣的事有先例，RapidOCR 就是離線可跑、繁中可用的開源辨識引擎。
搜尋與標籤之外，整理的成果可以沉澱在「集合」裡：把合約、繳費、靈感這類截圖拖進同名集合，之後從集合入口進出；引擎也提供「把這批截圖自動歸到哪個集合」的建議，做法是把已經產生出來的描述與標籤再送給模型分派，不是重新讀一次圖。app 另外掛了一個資料夾監看服務，新的截圖存進來會自動被撈進資料庫排隊等處理，不用每次手動重掃。大批量解析可以交給背景服務跑。服務的防護是分引擎的：雲端引擎跑批時盯網路，從 WiFi 掉到行動網路會主動停批，理由寫得很直白，雲端模型吃流量；裝置端 Gemma 跑批時盯電池，低於兩成電量有低電量處置。原始碼裡也備有本機備份還原與匯出服務，整理出來的標籤與集合不是鎖死在 app 裡的黑箱資料。
| 引擎 | 金鑰 | 截圖會出門嗎 | 儲存成本 | 適合誰 |
|---|---|---|---|---|
| Gemini 雲端（2.0 Flash／2.5 Flash Lite／2.5 Flash／2.5 Pro） | 要，Google AI Studio 自備 | 會，內容送 Google 伺服器 | 無額外空間 | 要最完整功能、可接受截圖上雲端 |
| Gemma 裝置端（gemma-3n E2B int4） | 免 | 不會，下載模型後全程離線 | 模型檔約 3.14GB | 重隱私、儲存空間夠 |
| Tesseract 文字辨識 | 免 | 不會，全程離線 | 極小 | 只需要搜尋截圖裡的文字 |
官方畫面與繁中介面
README 上的官方示意走的是典型 Android 相簿的長相：瀑布式縮圖牆、底部搜尋列、每張截圖掛著 AI 產生的標籤膠囊。設定頁按引擎分頁，金鑰、模型選擇、Gemma 模型下載都在同一層，不用進二級選單。
搜尋的官方示意更具體：搜尋列輸入 football，清單過濾出足球相關的截圖，每張附勾選鈕供批次操作。離線引擎那張宣傳圖則展示了設定頁的模型選單，gemini 與 gemma 並列，旁邊就是金鑰驗證按鈕。
介面的一個實際優點：支援 15 種語系，繁體中文（zh_TW）在支援清單裡，原始碼的在地化目錄也確實有對應的翻譯檔，不是只掛語系代碼的空殼。發布管道有三個：GitHub Releases 的 APK（近十個版本的安裝檔合計被下載約 4.5 萬次）、Google Play 商店，以及 F-Droid。前兩者目前拿到的都是同一個版本，F-Droid 則明顯落後，三個管道並不同步，這件事後面會展開。以 680 顆星、40 多次 fork 的規模，加上前面提到的下載量，它已經不是單人試做的玩具，但也還不到有商業公司背書的等級，取得的管道與版本要自己多看一眼。
截圖會送到哪裡：看原始碼比看官網首頁準
官網首頁的隱私文案寫得很滿：「我們從不儲存你的資料，所有處理都安全地透過 Google 的 Gemini API 進行。」對照原始碼，這句話有兩個問題。一個是它過時了：裝置端的 Gemma 引擎與 Tesseract 離線模式都已進到原始碼，「所有處理都走 Gemini」早已不是唯一場景。另一個更關鍵：「從不儲存」說的是 Google 端不留檔，擋不住「內容曾經出門」這件事本身。
雲端模式的實際路徑在原始碼裡寫得明白：截圖被轉成 base64 內嵌資料，連同提示詞一起送到 generativelanguage.googleapis.com 的 generateContent 端點，金鑰掛在網址參數上。金鑰本身存在手機本機的設定儲存區，請求從 app 直接發給 Google 的端點，中間沒有開發者的伺服器經手。但用雲端引擎的當下，截圖的完整內容會離開你的手機，交給 Google 的伺服器照它的條款處理。這不是偷渡，是這類 BYOK（自帶金鑰）工具的正常長相，但「隱私優先」的行銷詞與實際行為之間的落差，值得在安裝前想清楚。
遙測則分成兩層，預設值不同。產品分析用的 PostHog 預設關閉，原始碼註解自己寫明「為了隱私，分析功能僅限 opt-in」，要使用者主動打開才會回報事件。當機回報用的 Sentry 則是另一種做法：初始化寫在 app 進入點，資料接收位址直接寫死在原始碼裡，正式版的效能取樣率 10%。嚴格說「預設零遙測」並不成立：產品分析要你主動打開，當機回報則是 app 一啟動就掛上的。
網路路徑還有兩條小的值得一提。app 會定時去開發者的 GitHub Pages 拉一份公告訊息（帶版本號過濾，三十分鐘冷卻一次），這是開發者推播訊息用的通道，不送截圖；更新檢查則依安裝管道而異，GitHub 版會自己檢查新版，Play 商店版與 F-Droid 版把更新交還給商店。依賴套件清單裡沒有廣告 SDK，贊助入口是 GitHub Sponsors、請我喝咖啡與 Ko-fi 三條連結，免費這件事目前是真的免費。
辨識的準確率、處理速度與耗電量隨手機型號和截圖內容差異很大，要裝起來小批量跑一輪才會知道；它能把 Pixel 的截圖搜尋體驗補到什麼程度，同樣要裝了才算數。
3.14GB 模型與停擺四個多月的維護，是安裝前要先算的帳
裝置端引擎的第一個門檻就是那 3.14GB 的模型檔。下載要時間與流量，裝完就佔住這個空間，換手機時還得再來一次。換到雲端引擎則是另一種帳：免費額度的多寡由 Google 決定，大量整理庫存截圖的人要先想清楚要分幾批跑。
版本落差是更容易踩到的坑。三個發布管道在 2026 年 9 月的版本各不相同：GitHub Releases 與 Play 商店都停在 v1.9.100（2026 年 3 月 29 日標記），F-Droid 更舊，還在 1.9.52（F-Droid 從標記版本建置，排程落後是常態，但隔了三個以上的版本就值得留意）。而原始碼主分支的版本號已經推到 1.9.102，裡面多了一個 OpenAI 相容層：可以填自己的 API 端點，預設值是 localhost:11434，擺明了給本機 Ollama 這類自架模型用的。換句話說，原始碼裡看得到的第四條引擎路，還沒被打包進任何一個管道的安裝檔，想要就得自己從原始碼建置。官網首頁的計數器同樣提醒著這種時間差：它寫著 482 顆星，倉庫實際的星星數已經到 680，沒有人在下更新。
維護節奏是中期風險。倉庫建立於 2025 年 5 月，活躍了將近一年，最後一筆提交停在 2026 年 4 月 14 日，到 9 月已經四個多月沒有動靜；同一期間 issue 仍在增加，2026 年 5 月到 8 月有使用者陸續開新需求，從 Gemma 4 模型的支援到自訂掃描路徑都有，沒有等到維護者回應。app 本身堪用、三個管道也都還下載得到，但一個人的專案停擺四個多月，下一次 Android 大版本改了儲存權限或通知 API，修復時間沒有人能保證。好消息是 GPL-3.0 授權讓任何人都能接手 fork，壞消息是接手之前你就是最後一道防線。Android 周邊工具的維護節奏差異很大，像 Escrcpy 安卓投屏工具 跟著上游 scrcpy 一起走，Shots Studio 則是單一維護者自己的拍子，依賴前先有這層認知會比較踏實。
先小批量試，再決定要不要下載那 3GB
安裝的第一步建議從 Play 商店或 GitHub Releases 的 v1.9.100 開始，不要一開始就碰 F-Droid 的舊版。Play 商店搜 Shots Studio 就找得到，GitHub 則進倉庫的 Releases 頁下載 APK 安裝檔。裝好後授予儲存權限，先別急著下載裝置端模型，也不用馬上申請金鑰：直接用 Tesseract 模式掃一小批截圖，感受一下「文字搜尋找得到圖」的基本體驗。
這一步的判斷標準很具體：找一張你記得內容但記不得時間的截圖（例如某次購物比價或某段對話），用裡面的關鍵字搜看看。找得到、速度可以接受，再考慮往下一步走：在意隱私且空間夠，就下載 3.14GB 的 Gemma 模型換離線處理；想要語意標籤與自動歸類的完整體驗，就去申請 Gemini 金鑰用雲端模式跑同一批截圖，比較兩者給出的標籤品質再決定要讓誰跑全庫。標籤如果常常文不對題，換模型救不了就是救不了，早點放手的成本最低。小批量測完不喜歡，解除安裝就走，損失的只有時間。喜歡而且決定長用，再回頭評估四個多月沒更新的維護風險你能不能接受。截圖會不會出門、能忍受多舊的版本，答案都在你自己手上。
