rdp-cli

如何減少 AI Agent 截圖 Token 消耗?

最後更新:2026 年 11 月 6 日
審核:rdp-cli 團隊

AI Agent 操作遠端桌面時,需要透過截圖了解目前畫面。如果每次點擊後都傳送完整高清截圖,Token 消耗、延遲與執行成本都會快速增加。

有效方法不是單純壓縮 PNG,而是減少無關畫面,並避免重複傳送沒有變化的截圖。最實用的流程是:

只截取需要觀察的區域,在不需要完整細節時縮小圖片,等待畫面變化,並只在必要時驗證。

使用 rdp-cli,Agent 可以連接 RDP、VNC、X11 或 Android 工作階段,截取螢幕區域,取得較小圖片,並與先前的觀察結果比較。

快速答案:如何減少 AI Agent 截圖 Token 消耗?

只截取 Agent 需要的區域;不需要完整細節時縮小圖片;使用截圖變化偵測避免重複影像;等待狀態變化,而不是持續輪詢完整桌面。

完整截圖適合建立上下文、處理版面變化或恢復未知狀態。參數請查看 rdp-cli 截圖命令文件。

為什麼高清截圖會消耗更多 Token?

高清截圖通常包含超過 Agent 實際需要的視覺資訊。常見浪費包括每一步傳送完整的 1920×1080 桌面、點擊前後傳送相同畫面、只檢查一個對話框卻傳送整個桌面,以及在載入期間反覆截圖。

PNG 檔案大小主要影響傳輸速度,不一定等於視覺模型處理的 Token 數量。圖片尺寸、圖片數量與模型規則都會影響實際用量。

1. 使用區域截圖

如果只需要檢查按鈕、對話框、表格或狀態標籤,就不要截取整個桌面:

rdp-cli screenshot \
  --session SESSION \
  --region 800,120,720,560 \
  --out focused.png

將 SESSION 替換為實際工作階段 ID。--region 使用遠端螢幕座標指定區域。命令也支援 --monitor 和 --max-width,詳情請查看命令文件。

2. 不需要完整細節時縮小圖片

rdp-cli screenshot \
  --session SESSION \
  --region 800,120,720,560 \
  --max-width 900 \
  --out focused-small.png

小字、密集表格和複雜表單可能需要較大的圖片。rdp-cli 功能說明指出,圖片縮小後,原始輸入座標仍對應遠端螢幕座標。

3. 使用截圖變化偵測

rdp-cli screenshot \
  --session SESSION \
  --since PREVIOUS_REFERENCE \
  --region 800,120,720,560 \
  --out current.png

將 PREVIOUS_REFERENCE 替換為工作流程返回的比較引用。如果區域沒有變化,Agent 就可以等待,而不必再次處理相同圖片。

4. 使用狀態等待代替截圖輪詢

rdp-cli wait \
  --session SESSION \
  --condition changed \
  --region 800,120,720,560

需要等待區域穩定時,可將 condition 改為 stable。這樣可以減少無效截圖,避免 Agent 在畫面尚未穩定時繼續操作。

5. 保持「觀察 → 操作 → 驗證」循環

可靠流程是:取得目前畫面或目標區域;根據最新觀察執行一個動作;等待變化或穩定;只截取結果區域;驗證預期結果。每個操作都應使用最新 observation。請參考 rdp-cli 快速上手。

遠端桌面截圖最佳化策略

連線時取得一次完整桌面,找到目標視窗後改用區域截圖。重要動作後等待狀態變化,使用小範圍截圖驗證結果。只有版面改變或 Agent 失去上下文時才重新截取完整桌面,並只保留關鍵證據。

限制

比較多個視窗、追蹤跨顯示器移動的視窗、判斷完整桌面版面、確認前景視窗或調查未知錯誤時,仍可能需要完整截圖。

rdp-cli 提供連線、截圖、輸入、檔案和工作階段控制,不包含 AI 模型。Agent 負責推理、規劃和結果判斷。

FAQ

減少 AI Agent 截圖 Token 消耗的最佳方法是什麼?

使用區域截圖,避免重複影像,等待狀態變化,並用小範圍結果區域進行驗證。

縮小截圖一定會減少 Token 嗎?

不一定。實際用量取決於視覺模型。減少截圖區域與重複傳送次數通常更有效。

Agent 每次操作後都需要完整桌面截圖嗎?

不需要。普通操作通常使用區域截圖即可。

rdp-cli 可以截取遠端螢幕的一部分嗎?

可以。screenshot 命令支援 --region。

rdp-cli 是否包含 AI 模型?

不包含。rdp-cli 控制工作階段,AI Agent 負責推理與決策。

總結

減少 AI 截圖 Token 消耗的關鍵,是讓每次觀察更聚焦:

截取相關區域 → 執行一個動作 → 等待變化 → 只截取必要結果 → 驗證結果。

這樣可以讓高清遠端桌面自動化更有效率,同時保留 AI Agent 所需的視覺回饋。