目录

TOC

• 📺 演示
• 👋 开始使用
• ✨ 功能
  • 🔒 智能模糊
  • 🧠 AI 描述（可选）
  • ▶️ 引导我回放
  • 🎙️ 语音讲解（可选）
  • ✏️ 指南编辑器
  • 🔊 视频配音（可选）
  • 📤 多格式导出
• 🔐 隐私与存储
• 🤝 贡献
• 📜 许可证

📺 演示

https://github.com/user-attachments/assets/f71f5898-ee5e-4b22-b9fd-d5b45af73459

👋 开始使用

Mimik 可以在几秒内把任何重复性的浏览器任务变成一份可分享的文档化指南。它完全运行在你的浏览器里。没有后端、没有账号、没有遥测，任何内容都不会离开你的设备。

无论你是在记录内部工具流程、编写产品教程，还是帮助同事入门，Mimik 都会自动捕获每一次点击、按键和导航，让你专注于真正要完成的工作。

每个有意义的操作都会变成一个步骤：按钮和链接点击、表单输入、键盘快捷键、剪贴板操作、拖拽事件以及页面导航。距离很近的快速点击会被合并，让指南保持干净；点击会在页面跳转前被截获，所以 SPA 和整页加载中的操作也不会丢失。

每个步骤都会带上一张截图，并突出显示和放大被点击的元素。不需要手动裁剪，也不需要学习额外的标注工具。

需要让录制暂时避开一下？暂停会停下捕获但不结束录制，继续则从你离开的地方接着来。进入智能模糊也会以同样的方式暂停它。

浏览器	版本	安装
Chrome		Chrome Web Store
Firefox		Firefox Add-ons
Edge		Microsoft Edge Add-ons

支持英语、西班牙语、巴西葡萄牙语、法语、德语和简体中文。AI 描述语言可以单独设置，所以你可以用英文界面运行 Mimik，同时生成中文指南，或使用任意组合。

[!IMPORTANT]

⭐️ 如果 Mimik 帮你节省了时间，请给仓库点个 star。 这能帮助更多人发现它！

✨ 功能

🔒 智能模糊

智能模糊是录制过程中你主动进入的模式，而不是一直生效的过滤器。点击 智能模糊 后捕获会暂停，Mimik 会检测并遮盖页面上的敏感数据（邮箱、电话号码、SSN、信用卡、IP 地址、MAC 地址），点击完成之后，该页面的截图会保持遮盖。每个类别都可以独立开关。

需要隐藏自定义内容？手动模糊选择器可以让你选中任意 DOM 元素，并在它出现的每张截图中进行遮罩。

智能模糊覆盖不到的内容

智能模糊只扫描页面顶层框架的文本节点和输入框值。这留下了一些真实的缺口，全部源于结构限制。如果你依赖它来满足 GDPR 等合规要求，请逐张检查截图，而不要假定看起来干净的截图就是安全的：

未覆盖	原因
iframe 内的内容	完全跳过；跨源 iframe 本身就无法访问
Shadow DOM	扫描只遍历文档，不会进入 shadow root
画在 <canvas> 上的文字，以及图片里的文字	那是像素，不是文本
CSS ::before / ::after 内容	不是文本节点
<select> 和 <option> 的文字	已从扫描中排除
仅存在于属性里的值，比如 title 或 alt	只读取文本节点和输入框值
顶层以外的框架	遮罩层和扫描只在顶层框架运行
除你进入该模式的那个标签页之外	只扫描那一个标签页；同一个应用的另一个标签页不会被扫描
点击完成之后才出现的文字	扫描随遮罩层一起停止，所以 SPA 重新渲染、列表的下一页或一次导航都不会被遮盖 — 请在那里重新进入模糊模式

关于确实处理了的部分，有两件事值得知道：SVG <text> 里的命中内容是被从渲染中移除而不是模糊，因为遮罩本身是 SVG 不会绘制的 HTML 元素 — 数据不会泄露，但它会消失而不是变模糊；命中的 <input> 或 <textarea> 会整个字段被模糊，而不是只模糊命中的那一段。

模糊只从你进入该模式那一刻起生效。之前已经拍下的截图不会被追溯遮盖 — 请在编辑器里删掉那些步骤。

https://github.com/user-attachments/assets/f30fbcde-a705-45aa-b7bd-374e4762e6be

🧠 AI 描述（可选）

使用你自己的 API key（OpenAI 或 Anthropic），Mimik 可以生成更自然的步骤说明，例如 “点击 Submit 按钮保存更改”，而不是基于规则的 Click Submit。

描述会根据轻量 DOM 上下文生成（约 50-100 tokens），不是根据截图生成。相比视觉模型大约便宜 15-30 倍。你可以选择描述语言（英语、西班牙语、葡萄牙语、法语、德语、中文）。

https://github.com/user-attachments/assets/ce797986-56d1-4f72-b149-17463684cdd7

▶️ 引导我回放

在真实页面上实时回放任何指南。Mimik 会高亮下一步要点击的元素，逐步跟踪进度，并在你完成操作后自动前进。它很适合团队入门培训，也适合自己跟着流程走一遍。

https://github.com/user-attachments/assets/8df5662f-e5e1-4a79-9c84-6f38becc4d03

🎙️ 语音讲解（可选）

录制时直接把流程讲出来，Mimik 会把你的语音转换成步骤描述。音频会用你自己的 key（OpenAI 或 Groq）转写，并匹配到对应步骤上，所以你只需要讲一遍，不用手动给每一步写说明。

完整的转写文本都会保留下来，而不只是进入步骤的那部分。在指南里打开 转写文本，就能看到你说过的全部内容，包括没有匹配到任何步骤的那些，并把其中任意一句加到某个步骤上。编辑步骤也不会毁掉原始口述内容 —— 步骤编辑器始终可以把你真正说过的话放回去。转写文本只留在你的设备上，不会出现在导出的指南里，并会随指南一起删除。

https://github.com/user-attachments/assets/41ef17fd-0d02-4e17-81c6-30ba2b7c47d0

✏️ 指南编辑器

录制后可以直接修正指南，不需要重新录制。你可以裁剪、标注和遮挡任意截图，使用 AI 在编辑器里改写步骤，在步骤之间插入标题和备注，重新排序或批量删除，并通过版本历史回滚。

https://github.com/user-attachments/assets/b7eb0f6f-8957-4dbc-ab23-e23747719244

🔊 视频配音（可选）

在导出面板中开启后，视频的每个步骤都会被朗读出来，使用你自己的 OpenAI 或 ElevenLabs 密钥。如果你 已经为 AI 描述配置了 OpenAI 密钥，Mimik 会直接复用，无需再注册其他服务；但如果 AI 描述指向自定义服务器，该密钥只用于那台服务器。有配音的步骤会一直停留到 语音结束，因此不会被截断；音频片段会缓存在本地，重新导出同一份指南不会产生额外费用。

默认关闭：拥有密钥并不会自动开启配音，需要你手动开启。

https://github.com/user-attachments/assets/e82132e4-caf1-49db-9077-d6eade210a89

📤 多格式导出

你可以按工作流需要，用不同格式分享指南：

• 视频：带讲解的 walkthrough，mp4/H.264，光标会移动到每个目标元素 —— 可选启用 ElevenLabs 配音朗读每个步骤， 同时让视频满足第 508 条无障碍要求
• PDF：适合打印，A4 纵向，自动分页
• DOCX：可在 Word 中打开并继续编辑
• HTML：自包含文件，可在任何地方分享，图片以内嵌 base64 保存
• Markdown：可粘贴到 Notion、GitHub、内部文档或 wiki

所有导出都在客户端生成。没有任何内容经过服务器。

https://github.com/user-attachments/assets/2a91221b-0f77-484d-9a47-74938a4ee585

🔐 隐私与存储

你的指南、步骤和截图都保存在你的设备上。没有后端、没有账号、没有遥测。你的 API key（如果配置了）不会离开浏览器；它们只会保存在本地，并用于直接调用你选择的服务商。

如果你在分享指南前需要遮盖个人数据，请先读一下智能模糊覆盖不到的内容：它无法触及 iframe、shadow DOM，也无法触及画在图片里的文字。

有两类内容会离开浏览器，并且都已在隐私政策中说明：网站图标会从 Google favicon 服务获取，这会发送对应网站的域名；可选的 AI、语音讲解和视频配音功能会把文本或音频发送给你配置的服务商 —— 视频配音会在导出时发送每个步骤的文本，且仅在你开启后才会发送。

🤝 贡献

欢迎任何形式的贡献：bug 报告、功能建议、PR 和翻译。

请查看 CONTRIBUTING.md，了解开发环境、项目结构和贡献指南。

📜 许可证

MIT © Westpoint。详情见 LICENSE。