SlimSnap: El sentido de la vista que tus CLI agents siempre quisieron tener
El Problema de Describir Interfaces en Agentes de Código
Si trabajas con agentes de coding basados en CLI como Claude Code, Aider o Codex CLI, probablemente ya conoces la frustración: estas herramientas son geniales leyendo y escribiendo código, pero no pueden ver tu interfaz.
¿Quieres explicar dónde está ese botón roto? Terminas escribiendo párrafos como "el mensaje de error rojo en la esquina superior derecha de la página de checkout". Tu agente hace lo que puede con tus palabras, pero básicamente está adivinando.
Ahí es donde aparece SlimSnap.
Capture, Anote, Resuelva
SlimSnap es una utilidad para macOS que convierte cualquier captura de pantalla en JSON estructurado. Así tu agente de terminal puede procesar la información sin problemas.
El flujo de trabajo es sencillo:
Captura — Presiona ⌘⇧S y arrastra para seleccionar el área que necesitas. Usa APIs nativas de macOS, así que no requiere dependencias adicionales.
Anota — Añade flechas, comentarios y destacados directamente sobre la captura para señalar exactamente qué necesita arreglarse.
Copia como JSON — Un clic convierte todo a JSON estructurado, listo para pegar en tu agente.
La salida JSON es bastante completa. Incluye la marca de tiempo de la captura, el nombre de la aplicación, las dimensiones de la pantalla y, lo más importante, un array estructurado de elementos detectados. Cada elemento trae su tipo (botón, campo de texto, etiqueta), el contenido de texto real y las coordenadas del bounding box en formato normalizado de 0 a 1.
Esto es clave. Cuando tu agente sabe la posición exacta de "el tercer campo de texto en el modal de configuración", puede razonar con precisión sobre qué cambiar en lugar de tantear a ciegas.
Por Qué Importa para Tu Flujo de Trabajo
Aquí es donde SlimSnap marca la diferencia: eficiencia en tokens.
Cuando pegas una captura de pantalla cruda en la interfaz web de ChatGPT, la API reduce la resolución y comprime la imagen. Pero con agentes CLI que aceptan imágenes, todavía estás chocando contra los límites de la API. Estamos hablando de aproximadamente 1,568 tokens de visión para una captura típica en modelos Sonnet, y hasta 4,784 en Opus 4.7/4.8.
El export JSON de SlimSnap generalmente oscila entre 600-800 tokens. Eso representa roughly 55% menos tokens por interacción en Sonnet, llegando hasta 85% de ahorro en modelos Opus. En una sesión larga de debugging o refactorización con decenas de iteraciones, ese ahorro se acumula rápido.
Más tokens disponibles en tu ventana de contexto significa más espacio para código real, logs de error y razonamiento del agente. Tu presupuesto de contexto rindes mucho más.
Arquitectura Centrada en Privacidad
Algo que vale la pena destacar: SlimSnap hace todo el procesamiento OCR localmente en tu Mac. Las capturas nunca salen de tu máquina. No necesitas crear una cuenta, no hay un servidor intermediario. Si trabajas con aplicaciones sensibles o interfaces propietarias, esto es importante.
El esquema JSON en sí es abierto (licencia MIT) y está publicado en GitHub. Puedes validarlo, escribir tus propios exportadores o incluso crear JSON válido manualmente si quieres integrarlo con otros pipelines de OCR.
La Skill para Claude Code
Para usuarios de Claude Code específicamente, SlimSnap ofrece una skill que detecta automáticamente tus capturas. Escribe un pequeño archivo de configuración en ~/.slimsnap/config.json con tus preferencias de guardado, y la skill lo lee para cargar el JSON más reciente en el contexto de tu agente. Integración fluida sin necesidad de buscar archivos manualmente.
Cuando JSON Supera a los Píxeles
El trade-off honesto: para trabajo a nivel de elementos —arreglar botones específicos, actualizar campos de formulario, ajustar problemas de layout— JSON es objetivamente mejor. Tu agente obtiene coordenadas precisas y texto extraído en lugar de interpretar píxeles.
Pero para evaluaciones de conjunto —¿esta pantalla se siente cohesiva? ¿funciona la paleta de colores?— quizás quieras seguir pegando la imagen cruda. Nada te impide enviar ambos: el JSON para direccionamiento preciso, la imagen para razonamiento estético.
La Línea Final
SlimSnap resuelve un dolor específico pero real en el flujo de trabajo de desarrollo asistido por IA. Si trabajas frecuentemente con agentes basados en CLI y necesitas discutir interfaces a menudo, vale la pena añadirlo a tu toolkit. El ahorro en tokens por sí solo justifica la configuración, y el procesamiento local significa cero preocupaciones de privacidad.
Por ahora solo disponible en macOS, pero dado que el esquema es abierto, es solo cuestión de tiempo hasta que alguien construya exportadores compatibles para otras plataformas.
Echale un vistazo en slimsnap.ai — las ganancias de productividad en sesiones de debugging enfocadas en UI podrían ser sustanciales.
¿Cansado de describir interfaces en párrafos? A veces la mejor herramienta es la que traduce lo que ves en lo que tu agente entiende.