AnyCap Human Interaction 用于把人类引入工作流，通过可视化标注与录屏收集结构化反馈。开始前需完整阅读该文件，并先安装与认证 AnyCap CLI（参考 anycap-cli 技能）；媒体生成流程参考 anycap-media-production 技能。
两种核心场景：URL/网页审阅适用于网页、本地开发服务器和实时 UI，主要产物是带讲解的录屏，可浏览、标注并解说，录屏记录全部内容；图片协作审阅适用于生成图片、截图和设计，主要产物是合并反馈后的标注图片，多名审阅者可实时同时标注。两者都支持 Rect、Arrow、Point、Freehand 标注工具和文字标签，区别在于返回结果与审阅方式。
常用命令：anycap annotate <target> [-o output.png] 为阻塞模式，打开浏览器并等待 Done 点击后输出结果；加 --no-wait 为非阻塞模式，启动后台服务并返回会话信息；之后用 anycap annotate poll --session <session_id> 轮询结果，用 anycap annotate stop --session <session_id> 停止服务，anycap annotate list 列出所有活动会话以便上下文丢失后恢复。target 会按内容自动识别为图片、URL、视频或音频。
关键参数：--no-wait 非阻塞模式（推荐给智能体）、-o/--output 指定标注图片保存路径、--port 绑定固定端口、--bind 绑定地址。建议跨会话使用固定端口（如 --port 8888），因为浏览器按来源（主机+端口）在 localStorage 中保存显示名，固定端口可自动识别回访协作者。阻塞与非阻塞模式都会尝试用默认浏览器打开标注 URL；在 SSH、容器等无头环境中，CLI 会将 URL 打印到 stderr 且不报错。
向人类展示时会话时，应按情境自然措辞而非套用模板：提示页面是否已自动打开，无头环境则给出 URL 和访问方式；务必提醒完成后点击 Done；URL 模式要强调录屏（Rec 按钮），因为该模式无法导出标注截图，录屏才是主要产物；多人参与时说明实时协作且每人可独立保存（URL/iframe 模式除外，它仅限单人）。使用 --bind 0.0.0.0 时应分享实际主机 IP，SSH 场景可建议端口转发。还需简要说明可用标注工具及每个标注可附带文字标签。
无头/远程访问时，人类无法直接访问 127.0.0.1，可用 anycap annotate screenshot.png --no-wait --bind 0.0.0.0 --port 8888，再通过 http://<server-ip>:8888、SSH 端口转发、容器端口映射或反向代理访问。标注 UI 兼容带任意路径前缀的反向代理，资源、API 和 WebSocket URL 均相对页面 URL 解析，代理传递的查询参数会自动保留，服务端无需额外配置。
何时使用标注：生成了图片/视频且需要人类指出修改位置、构建或修改网页需要视觉审阅、需要带空间位置的反馈、纯文字反馈对位置或视觉细节有歧义、希望人类录一段带解说的走查时。仅在需要是/否批准或反馈纯文本时，不应使用标注。
所有标注工作流遵循同一模式：智能体以 --no-wait 启动会话，CLI 返回 session、url、session_file、poll_command、stop_command，智能体把 URL 与指引交给人类，人类标注、录制并点击 Done，确认后智能体执行 poll_command 获取标注与录屏，处理反馈后执行 stop_command。Done 按钮行为因模式而异：阻塞模式下点击 Done 结束会话并立即返回结果；非阻塞模式下点击 Done 只保存反馈不结束会话，后续每次 Done 会覆盖上次保存结果，智能体需轮询获取最新状态。多人协作模式（图片、视频、音频）中每位审阅者可独立保存，轮询结果反映最近一次保存。
会话状态保存在工作目录的 .anycap/annotate/<session_id>.json（启动响应中的 session_file）。若上下文重置后丢失会话 ID 或命令，可运行 anycap annotate list，输出包含每个会话的 poll_command 和 stop_command，无需手动读取会话文件即可恢复。
URL/网页审阅：适用于构建或修改了网页、UI 或其他浏览器可访问内容后需要人类视觉审阅。URL 模式为单人模式，因跨域 iframe 限制无法导出标注截图，带讲解的录屏是主要反馈产物，多人光标和标注会令录屏混乱，因此隐藏客户端名称标签与同伴指示器。人类可在标注框架内浏览页面、在其上绘制标注并录制带解说的走查。启动示例：anycap annotate http://localhost:3000 --no-wait 或 anycap annotate https://staging.example.com --no-wait。收集时先轮询结果，检查是否存在录屏，可用 anycap actions video-read --file "$RECORDING" --instruction 让 AI 视频理解列出用户指出的问题，同时读取文字标注，最后停止会话。录屏可能为空：Rec 按钮依赖浏览器 getDisplayMedia API，需用户授予屏幕共享权限，若拒绝或未点击 Rec，轮询结果中不会出现 recording 字段，使用前应先检查；文字标注始终可用。应用该反馈通常对应代码修改而非图片生成：根据视觉反馈确定需改文件、修改代码、停止上一会话、为新内容开启新一轮会话供验证，并在消息中标注轮次进度。录音分析可用 video-read 提取问题、UI 元素状态与期望变更，或按优先级分类反馈。
图片协作审阅：适用于生成图片后需一人或多人标出期望修改，优势在实时多人协作，多位审阅者可打开同一 URL 同时标注并实时看到彼此光标与绘图。多人协作仅限图片、视频和音频模式；URL/iframe 模式仅单人。启动示例：anycap annotate hero-banner.png --no-wait -o hero-banner-annotated.png，多人审阅可加 --bind 0.0.0.0 --port 8888。收集后可提取非空标注标签拼接为图生图提示，再以 anycap image generate 的 image-to-image 模式应用修改，最后停止会话。完整的图生图迭代循环参见 anycap-media-production 技能。
视频审阅：适用于生成或审阅视频内容，人类可暂停在任意帧并标注，标注图片输出为暂停帧上叠加所有标注的快照。启动 anycap annotate output.mp4 --no-wait，提示人类在关键处暂停、绘制标注、可选录制解说并点击 Done。轮询获取标注作为该帧的空间反馈，若有录屏可用 video-read 分析含时间戳的反馈，最后停止会话。视频反馈通常对应调整提示后重新生成，或在模型支持时做帧级编辑。
音频审阅：适用于生成音乐或音频后收集反馈，人类看到音频播放器和下方画布。启动 anycap annotate track.mp3 --no-wait，提示播放音频、在画布上标注时间段或段落、添加描述期望变更的标签并点击 Done。轮询读取标注标签作为期望的音频变更，若有录屏则用 video-read 分析解说反馈，最后停止会话。音频反馈通常对应调整提示后重新生成，而非空间编辑。
迭代审阅循环：智能体产出成果后开启标注会话，人类审阅标注，智能体收集反馈并应用修改，如有更多修改则再次开启会话，否则交付最终结果。建议对输出做版本号（v1、v2、v3）便于比较，在修改中引用先前反馈，经过 2 到 3 轮后汇总全部修改以确认无遗漏。
选择场景：构建或修改了网页时使用 URL 审阅（单人），因为修改通常映射到代码变更并以录屏为主要反馈；生成了图片、视频或音频时使用对应的协作标注模式，可获得空间或时间定位反馈并支持多人实时协作。资料未提供具体计费、价格与平台支持范围的说明。