pot-desktop
Pot-desktop 是一款专为提升多语言处理效率设计的跨平台软件,核心功能涵盖划词翻译、OCR 文字识别及剪贴板监听。它有效解决了用户在浏览外文网页、阅读 PDF 或查看图片时,因频繁切换应用和手动复制导致的操作繁琐痛点。
无论是需要查阅学术文献的学生、处理英文文档的开发者,还是日常办公的普通用户,Pot-desktop 都能提供无缝的翻译体验。其显著优势在于支持数十种主流翻译接口,包括 OpenAI、DeepL、百度及谷歌等,并允许并行调用以对比结果。软件采用 Tauri 框架开发,确保在 Windows、macOS 和 Linux 系统上轻量且稳定,同时兼容 Wayland 环境。此外,开放的插件系统让用户能自定义功能,满足个性化需求。作为一个开源项目,Pot-desktop 致力于成为你桌面上的全能翻译助手。
使用场景
一名全栈开发者正在查阅国外开源项目的 Issue 列表,同时需要在本地终端排查编译错误,面临大量英文技术术语和截图日志的处理需求。
没有 pot-desktop 时
- 需要频繁在浏览器翻译网站和 IDE 之间切换,手动复制粘贴打断编码思路。
- 遇到截图中的报错信息或配置参数,必须额外打开 OCR 软件识别,步骤繁琐且容易出错。
- 单一翻译引擎往往无法准确理解专业术语,导致代码注释误解风险高,影响开发进度。
- 剪贴板里的英文片段无法自动翻译,每次遇到新内容都要重新输入或查找对应工具。
使用 pot-desktop 后
- 直接在代码编辑器或浏览器中划词即可显示翻译,无需离开当前工作流,保持专注。
- 利用截图 OCR 功能框选报错日志,瞬间完成文字识别与翻译对照,快速定位问题。
- 支持接入 Ollama 离线模型及 DeepL 等专业接口,灵活应对不同精度和隐私需求。
- 开启剪切板监听后,复制任何英文内容都能自动获取译文,极大减少重复操作步骤。
pot-desktop 将翻译能力深度融入开发环境,让跨语言技术协作变得流畅无阻。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明

快速开始
Pot (派了个萌的翻译器)
🌈 一个跨平台的划词翻译软件 (QQ 频道)
使用说明
| 划词翻译 | 输入翻译 | 外部调用 |
|---|---|---|
| 鼠标选中需要翻译的文本,按下设置的划词翻译快捷键即可 | 按下输入翻译快捷键呼出翻译窗口,输入待翻译文本后按下 回车 翻译 | 通过被其他软件调用实现更加方便高效的功能,详见 外部调用 |
![]() |
![]() |
![]() |
| 剪切板监听模式 | 截图 OCR | 截图翻译 |
|---|---|---|
| 在任意翻译面板上点击左上角图标启动剪切板监听默认,复制文字即可完成翻译 | 按下截图 OCR 快捷键后框选需要识别区域即可完成识别 | 按下截图翻译快捷键后框选需要识别区域即可完成翻译 |
![]() |
![]() |
![]() |
特色功能
- 多接口并行翻译 (支持接口)
- 多接口文字识别 (支持接口)
- 多接口语音合成 (支持接口)
- 导出到生词本 (支持接口)
- 外部调用 (详情)
- 支持插件系统 (插件系统)
- 支持所有 PC 平台 (Windows, macOS, Linux)
- 支持 Wayland (在 KDE、Gnome 以及 Hyprland 上测试)
- 多语言支持
支持接口
翻译
- OpenAI
- 智谱 AI
- Gemini Pro
- Ollama (离线)
- 阿里翻译
- 百度翻译
- 彩云小译
- 腾讯翻译君
- 腾讯交互翻译
- 火山翻译
- 小牛翻译
- Bing
- Bing 词典
- DeepL
- 有道翻译
- 剑桥词典
- Yandex
- Lingva (插件)
- Tatoeba (插件)
- ECDICT (插件)
更多接口支持见 插件系统
文字识别
- 系统 OCR (离线)
- Windows.Media.OCR on Windows
- Apple Vision Framework on MacOS
- Tesseract OCR on Linux
- Tesseract.js (离线)
- 百度
- 腾讯
- 火山
- 迅飞
- 腾讯图片翻译
- 百度图片翻译
- Simple LaTeX
- OCRSpace (插件)
- Rapid (离线 插件)
- Paddle (离线 插件)
更多接口支持见 插件系统
语音合成
更多接口支持见 插件系统
生词本
更多接口支持见 插件系统
插件系统
软件内置接口数量有限,但是您可以通过插件系统来扩展软件的功能。
插件安装
你可以在 插件列表 查找你需要的插件,然后前往插件仓库下载插件。
pot 插件的扩展名为 .potext, 下载得到.potext文件之后, 在 偏好设置 - 服务设置 - 添加外部插件 - 安装外部插件 选择对应的 .potext 即可安装成功,添加到服务列表中即可像内置服务一样正常使用了。
故障排除
找不到指定的模块 (Windows)
出现类似这样的报错是因为系统缺少 C++ 库,前往这里安装即可解决问题。
不是有效的 Win32 应用程序 (Windows)
出现类似这样的报错说明你没有下载对应系统或者架构的插件,前往插件仓库下载正确的插件即可解决问题。
插件开发
在 插件列表 中的 模板 章节提供了各种插件的开发模板,具体的开发文档请查看对应的模板仓库。
安装指南
Windows
通过 Winget 安装
winget install Pylogmon.pot
手动安装
在 发布版本 页面下载最新
exe安装包。- 64 位机器下载
pot_{version}_x64-setup.exe - 32 位机器下载
pot_{version}_x86-setup.exe - arm64 机器下载
pot_{version}_arm64-setup.exe
- 64 位机器下载
双击安装包进行安装。
故障排除
启动后没有界面,点击托盘图标没有反应
检查是否卸载/禁用了 WebView2,如果卸载/禁用了 WebView2,请手动安装 WebView2 或将其恢复。
如果是企业版系统不方便安装或无法安装 WebView2,请尝试在 Release 下载内置 WebView2 的版本
pot_{version}_{arch}_fix_webview2_runtime-setup.exe若问题仍然存在请尝试使用 Windows7 兼容模式启动。
MacOS
通过 Brew 安装
- 添加我们的 tap:
brew tap pot-app/homebrew-tap
- 安装 pot:
brew install --cask pot
- 更新 pot
brew upgrade --cask pot
手动安装
- 从 Release 页面下载最新的
dmg安装包。(如果您使用的是 M1 芯片,请下载名为pot_{version}_aarch64.dmg的安装包,否则请下载名为pot_{version}_x64.dmg的安装包) - 双击下载的文件后将 pot 拖入 Applications 文件夹即可完成安装。
故障排除
由于开发者无法验证,“pot”无法打开。
点击 取消 按钮,然后去 设置 -> 隐私与安全性 页面,点击 仍要打开 按钮,然后在弹出窗口里点击 打开 按钮即可,以后打开 pot 就再也不会有任何弹窗告警了
如果在 隐私与安全性 中找不到以上选项,或启动时提示文件损坏。打开 Terminal.app,并输入以下命令,然后重启 pot 即可:
sudo xattr -d com.apple.quarantine /Applications/pot.app如果每次打开时都遇到辅助功能权限提示,或者无法进行划词翻译,请前往设置 -> 隐私与安全 -> 辅助功能,移除 “pot”,并重新添加 “pot”。
Linux
Debian/Ubuntu
从 Release 页面下载最新的对应架构的
deb安装包。使用
apt-get进行安装sudo apt-get install ./pot_{version}_amd64.deb
Arch/Manjaro
[!WARNING] 在最新版本的 Webkit2Gtk (2.42.0) 中,由于 Nvidia 专有驱动未完全实现 DMABUF,将导致无法启动和崩溃的情况发生。
请降级或在/etc/environment(或者其他设置环境变量的地方)中加入WEBKIT_DISABLE_DMABUF_RENDERER=1环境变量关闭 DMABUF 的使用。
- 在 AUR 查看
使用 AUR helper 安装:
yay -S pot-translation # 或 pot-translation-bin
# paru -S pot-translation # 或 pot-translation-bin
- 如果你使用
archlinuxcn源,可以直接使用 pacman 安装
sudo pacman -S pot-translation
Flatpak
[!WARNING] Flatpak 版本缺失托盘图标。
外部调用
Pot 提供了完整的 HTTP 接口,以便可以被其他软件调用。您可以通过向 127.0.0.1:port 发送 HTTP 请求来调用 pot,其中的port是 pot 监听的端口号,默认为60828,可以在软件设置中进行更改。
API 文档:
POST "/" => 翻译指定文本(body 为需要翻译的文本),
GET "/config" => 打开设置,
POST "/translate" => 翻译指定文本 (同"/"),
GET "/selection_translate" => 划词翻译,
GET "/input_translate" => 输入翻译,
GET "/ocr_recognize" => 截图 OCR,
GET "/ocr_translate" => 截图翻译,
GET "/ocr_recognize?screenshot=false" => 截图 OCR(不使用软件内截图),
GET "/ocr_translate?screenshot=false" => 截图翻译 (不使用软件内截图),
GET "/ocr_recognize?screenshot=true" => 截图 OCR,
GET "/ocr_translate?screenshot=true" => 截图翻译,
示例:
调用划词翻译:
如果想要调用 pot 划词翻译,只需向
127.0.0.1:port发送请求即可。例如通过 curl 发送请求:
curl "127.0.0.1:60828/selection_translate"
不使用软件内截图
这一功能可以让您在不使用软件内截图的情况下调用截图 OCR/截图翻译功能,这样您就可以使用您喜欢的截图工具来截图了,也可以解决在某些平台下 pot 自带的截图无法使用的问题。
调用流程
- 使用其他截图工具截图
- 将截图保存在
$CACHE/com.pot-app.desktop/pot_screenshot_cut.png - 向
127.0.0.1:port/ocr_recognize?screenshot=false发送请求即可调用成功
$CACHE为系统缓存目录,例如在 Windows 上为C:\Users\{用户名}\AppData\Local\com.pot-app.desktop\pot_screenshot_cut.png
示例
在 Linux 下调用 Flameshot 进行截图 OCR:
rm ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && flameshot gui -s -p ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && curl "127.0.0.1:60828/ocr_recognize?screenshot=false"
现有用法 (快捷划词翻译)
SnipDo (Windows)
- 从 Microsoft Store 下载安装 SnipDo。
- 从 Release 下载 pot 的 SnipDo 扩展 (pot.pbar)
- 双击下载的扩展文件完成安装。
- 选中文字,可以看到弹出的 SnipDo 工具条,点击翻译按钮即可翻译。
PopClip (MacOS)
- 从 App Store 下载安装 PopClip
- 从 Release 下载 pot 的 PopClip 扩展 (pot.popclipextz)
- 双击下载的扩展文件完成安装。
- 在 PopClip 的扩展中启用 pot 扩展,选中文本即可点击翻译。
Starry (Linux)
Starry 目前仍处于开发阶段,因此您只能手动编译它。
Github: ccslykx/Starry
Wayland 支持
由于各大发行版对于 Wayland 的支持程度不同,所以 pot 本身没法做到特别完美的支持,这里可以提供一些常见问题的解决方案,通过合理的设置之后,pot 也可以在 Wayland 下完美运行。
快捷键无法使用
由于 Tauri 的快捷键方案并没有支持 Wayland,所以 pot 应用内的快捷键设置在 Wayland 下无法使用。 您可以设置系统快捷用 curl 发送请求来触发 pot,详见 外部调用
截图无法使用
在一些纯 Wayland 桌面环境/窗口管理器 (如 Hyprland) 上,pot 内置的截图无法使用,这时可以通过使用其他截图工具代替,详见 不使用软件内截图
下面给出在 Hyprland 下的配置示例 (通过 grim 和 slurp 实现截图):
bind = ALT, X, exec, grim -g "$(slurp)" ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && curl "127.0.0.1:60828/ocr_recognize?screenshot=false"
bind = ALT, C, exec, grim -g "$(slurp)" ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && curl "127.0.0.1:60828/ocr_translate?screenshot=false"
其他桌面环境/窗口管理器也是类似的操作
划词翻译窗口跟随鼠标位置
由于目前 pot 在 Wayland 下还无法获取到正确的鼠标坐标,所以内部的实现无法工作。 对于某些桌面环境/窗口管理器,可以通过设置窗口规则来实现窗口跟随鼠标位置,这里以 Hyprland 为例:
windowrulev2 = float, class:(pot), title:(Translator|OCR|PopClip|Screenshot Translate) # Translation window floating
windowrulev2 = move cursor 0 0, class:(pot), title:(Translator|PopClip|Screenshot Translate) # Translation window follows the mouse position.
贡献者
手动编译
环境要求
Node.js >= 18.0.0
pnpm >= 8.5.0
Rust >= 1.80.0
开始编译
Clone 仓库
git clone https://github.com/pot-app/pot-desktop.git安装依赖
cd pot-desktop pnpm install安装依赖 (仅 Linux 需要)
sudo apt-get install -y libgtk-3-dev libwebkit2gtk-4.0-dev libayatana-appindicator3-dev librsvg2-dev patchelf libxdo-dev libxcb1 libxrandr2 libdbus-1-3开发调试
pnpm tauri dev # Run the app in development mode打包构建
pnpm tauri build # Build into installation package
感谢
- Bob 灵感来源
- bob-plugin-openai-translator OpenAI 接口参考
- @uiYzzi 实现思路
- @Lichenkass 维护 Deepin 应用商店中的 pot
- Tauri 好用的 GUI 框架
版本历史
3.0.72025/05/103.0.62024/10/293.0.52024/06/273.0.42024/06/263.0.32024/06/263.0.22024/06/243.0.12024/06/243.0.02024/06/232.7.102024/04/142.7.92024/03/022.7.82024/02/242.7.72024/02/222.7.62024/02/142.7.52024/02/132.7.42024/01/072.7.32023/12/222.7.22023/12/142.7.12023/12/012.7.02023/11/162.6.82023/11/06常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。





