通过提升分辨率、锐度和清晰度来改善图像质量，特别适用于截图。非常适合为演示文稿、文档或社交媒体帖子准备图像。

通过视觉方式控制 macOS 图形界面应用——截屏、点击、滚动、输入。当用户要求与任何 Mac 桌面应用的图形界面进行交互时使用。

通过 ADB 控制 Android 设备，支持 UI 布局分析（uiautomator）和视觉反馈（screencap）。适用于需要与 Android 应用交互、执行 UI 自动化、截取屏幕截图或运行复杂 ADB 命令序列的场景。

自动化浏览器交互，用于网页测试、表单填写、截图和数据提取。适用于用户需要浏览网站、与网页互动、填写表单、截取屏幕图像、测试网页应用或从网页中提取信息的场景。

通过浏览器自动化查询Grok AI，在需要向Grok提问、获取AI回复或使用Grok的DeepSearch/Think功能时使用。直接复制响应文本，而非截取屏幕截图

高效提取并读取 Telegram 群组聊天历史为文本，无需截图或 OCR，实现零令牌浪费

使用 xdotool、wmctrl 和 dogtail 控制 Linux 桌面 GUI，适用于需要与非浏览器应用交互、模拟鼠标/键盘输入、管理窗口或检查 X11/GNOME 应用的 UI 层级结构的场景。支持：（1）在应用中点击和输入文本，（2）调整和移动窗口大小，（3）从应用中提取基于文本的 UI 树结构（无障碍辅助），（4）截取屏幕图像用于视觉分析

通过 cliclick 和 AppleScript 实现对 Mac 的鼠标和键盘自动化操作，用于点击 UI 元素、截取屏幕截图、获取窗口边界、处理 Retina 显示屏的坐标缩放，以及自动化执行 UI 交互，例如点击 Chrome 扩展图标、关闭对话框或工具栏按钮

使用 xdotool 实现鼠标和键盘自动化。适用于点击 Chrome 扩展图标、在图形界面应用中输入文本、切换浏览器标签页、自动化桌面 UI，或在无浏览器中继的情况下执行截图验证点击循环。触发条件：点击扩展图标、点击坐标、在窗口中输入、切换标签页、自动化鼠标操作、截图并点击、xdotool、桌面自动化、无中继的 GUI 自动化