使用 mss 和 Pillow 在 Windows 上截取屏幕截图，支持全屏、区域和多显示器截取，输出格式为 PIL 图像、PNG 文件或 Base64 字符串。当用户请求截取屏幕、捕获屏幕内容、获取屏幕信息或需要屏幕图像用于 AI 视觉 API 时使用。

在 macOS 上截取屏幕并发送到 Telegram，适用于用户要求截取屏幕、截图或向 Telegram 发送屏幕截图时使用 绕过 OpenClaw 消息工具的媒体发送漏洞（#15541）

macOS 命令行工具，用于从终端录制音频（麦克风）、屏幕（视频/截图）和摄像头（视频/照片）。适用于用户或 AI 代理需要：(1) 录制麦克风音频，(2) 捕获屏幕视频或截图，(3) 捕获摄像头视频或照片，(4) 列出可用设备/显示/摄像头，或任何通过命令行在 macOS 上进行音视频图像捕获的任务。触发关键词包括：record、microphone、screen capture、screenshot、screen recording、camera、webcam、photo、audio capture

视觉RPA桌面自动化技能。当用户需要操作桌面应用、点击图标、打开程序、在输入框中输入文本、点击按钮、滚动页面或通过微信等应用发送消息时使用。依靠屏幕截图和Qwen视觉模型进行纯视觉定位，无需依赖DOM或辅助功能API。