这是一款微软开源的屏幕解析工具，能够将用户界面的截图解析为结构化且易于处理的元素。它采用 Python 开发，基于 YOLO、BLIP2 和 Florence 等模型，实现较为精准的图标识别并生成描述性文本，支持与多种主流大语言模型（GPT-4V）集成，适用于开发桌面自动化操作的应用。