能不能增加对高分辨率屏幕（4K）的自适应截图

[freehul]

问题描述

在 4K（3840×2160）屏幕上使用 448×448 分辨率的截图无法看清屏幕文字。

技术分析

当前实现

• 视觉编码器（SigLIP ViT）固定接受 448×448 输入
• 4K 屏幕被压缩 8.6:1 才能放入单个切片
• 12px 字体在模型中只有约 1.4×2.5 像素，基本看不清

分辨率对比

屏幕分辨率	压缩比	12px字体在模型中	可读性
1080P (1920×1080)	4.3:1	2.8×5.0 px	✅ 可读
2K (2560×1440)	5.7:1	2.1×3.7 px	⚠️ 勉强
4K (3840×2160)	8.6:1	1.4×2.5 px	❌ 看不清

影响场景

• 无法读取屏幕上的代码、文档、聊天内容
• 只能识别窗口布局和大色块，无法理解用户具体在做什么
• 游戏弹幕和网课记录功能在 4K 屏幕上效果大打折扣

建议方案

方案 1：按需高分辨率（推荐）

平时：448×448 低分辨率实时感知（保持现有性能）
用户提问时：切换到 1344×1344 或更高分辨率截图（看清文字）

方案 2：自适应分辨率

# 根据屏幕分辨率自动调整切片大小
if screen_width <= 1920:  # 1080P
    slice_size = 448
elif screen_width <= 2560:  # 2K
    slice_size = 672
else:  # 4K
    slice_size = 896

方案 3：屏幕缩放后截图

# 先把 4K 屏幕缩放到 1080P，再用 448×448 切片
scaled_screen = resize(screen, (1920, 1080))
# 这样 448×448 切片的可读性等同于 1080P 屏幕