AI 实时看屏：只传变化帧省 90% 流量

目前让 AI "看见"屏幕的主流方案是 Claude Computer Use 或 OpenAI 的 CUA，都是固定频率截图，每秒 1-2 张全量图片，Token 成本极高且包含大量重复信息。这个项目用帧间差分+运动量化做自适应采样，本质上把"视频编码的关键帧思路"搬进了 LLM 视觉输入管线，对需要长时间屏幕陪伴的场景（AI 编程助手、游戏陪玩、远程教学）成本结构会彻底改变。

同类思路在 VNC、远程桌面领域很成熟，但面向 LLM 输入做优化的开源实现很少。如果你在做 AI 陪伴、AI 编程或任何需要"持续视觉上下文"的产品，这个方案比直接调 API 截屏值得优先试，尤其是要控制多模态 Token 预算的团队。