Seam Cutter:Simon Willison 发布超实用图片无缝裁剪工具

Simon Willison 推出 Seam Cutter,可从图片中间无缝裁剪并拼接两侧。
Simon Willison 发布了一款名为 Seam Cutter 的在线工具,专门用于从图片中间“挖掉”一块内容并让两侧无缝拼接。与只能裁掉边缘的传统工具不同,它允许用户画一条水平或垂直切割线,滑动两侧图像来精准移除中间区域。灵感来自长截图拼接后删除无关提示词或敏感信息的实际需求,适用于内容创作者、开发者等人群。工具在浏览器本地运行,免费且无需上传服务器,延续了 Willison 小而美的单点工具哲学。
一个“奇怪”但精准的裁剪工具
知名开发者 Simon Willison 近日发布了一款名为 Seam Cutter 的在线工具,专门解决一个非常具体的需求:从图片中间“挖掉”一块内容,同时保持两侧无缝拼接。
与常规裁剪工具只能裁掉边缘不同,Seam Cutter 允许用户在图片上画一条水平或垂直的“切割线”,然后像滑动拼图一样将两侧内容相对移动,从而精准移除中间不需要的部分。Willison 自己形容这是一个“奇怪且非常具体”的工具,但恰恰击中了某些场景下的痛点。

为什么需要这样的工具?
Simon Willison 在介绍中透露了灵感来源:他经常在 iPhone 上使用 Tailor 这款应用将多张截图拼接成一张长图。但在拼接完成后,有时需要从长图中裁掉中间的一段——比如删除转录文本中无关的提示词(prompt),或者隐藏某些不必要的信息。
传统裁剪会直接切掉边缘,而 Seam Cutter 的思路是:保留图片的上下(或左右)两部分,只移除中间选中的区域,然后将剩余部分“拉合”在一起。对于长截图、聊天记录、代码截图等场景,这种操作尤为实用。
Tailor 是 iOS 上一款自动拼接截图的工具,能够识别多张截图的重叠区域并智能合并为一张长图,常用于整理聊天记录、网页全文或代码片段。但自动拼接后,长图中可能包含重复的状态栏、无关的过渡内容或敏感信息。传统裁剪只能从边缘去除,而 Seam Cutter 填补了“从中间移除并缝合”的空白,两者形成了工作流上的互补。
工具的核心逻辑与操作方式
Seam Cutter 的操作非常直观:
- 上传图片:支持常见图片格式。
- 选择切割方向:水平或垂直。
- 拖拽切割线:在图片上确定要移除的区间。
- 滑动两侧:将切割线两边的图像相对移动,直到中间空白区域消失。
- 导出结果:得到一张中间被“挖空”后无缝衔接的新图片。
整个流程在浏览器中完成,无需安装软件,也无需上传到服务器——所有处理都在本地进行,兼顾了便捷与隐私。
浏览器本地处理:Seam Cutter 不依赖后端服务器,这得益于现代浏览器提供的 Canvas API 和 File API。用户上传的图片通过 FileReader 读取为 Data URL 或 Blob,再绘制到 <canvas> 元素上进行像素级操作。导出的新图片则通过 canvas.toBlob() 生成下载链接。整个过程数据不出设备,因此隐私性极佳,但也意味着处理超大图片时可能受限于浏览器内存与性能。
适用场景与用户群体
Seam Cutter 虽然定位小众,但目标用户明确:
- 内容创作者:需要从长截图中删除敏感或无关信息,同时保持版面连贯。
- 开发者与测试人员:整理日志截图、错误报告时去除中间冗余部分。
- 普通用户:拼接聊天记录后,想隐藏某段对话又不想留下明显缺口。
Willison 本人就是典型用户——他需要从转录文本的截图中抹掉无关的 prompt,而 Seam Cutter 正好提供了“只删中间、不留痕迹”的能力。
小而美的工具哲学
Seam Cutter 延续了 Simon Willison 一贯的工具风格:解决一个具体问题,做到极致,并且完全开放。该工具托管在 tools.simonwillison.net 上,用户可以直接访问使用,无需注册或付费。
在 AI 生成内容泛滥、工具日益臃肿的今天,这种“小而美”的单点工具反而显得珍贵。它不试图取代 Photoshop,也不承诺万能,只是在某个细分的编辑需求上提供了优雅的解决方案。对于经常与截图打交道的人来说,Seam Cutter 或许会成为浏览器书签栏里的常驻成员。
Simon Willison 是 Django Web 框架的联合创始人,也是 Datasette 等开源项目的作者。他长期倡导“小工具”(small tools)理念,即针对具体问题构建轻量、可组合、无需安装的 Web 工具,并习惯将成果托管在个人域名下免费开放。Seam Cutter 正是这一理念的延续——代码简洁、功能单一、即开即用,体现了独立开发者对“工具应服务于人而非绑架人”的坚持。
相关推荐

Hermes Agent零基础实战:自进化AI助手
Hermes Agent 零基础教程:GitHub 41.7K 星的自进化 AI Agent 怎么装怎么用。本文拆解其学习循环、三层记忆与 Skill 自改进机制,对比 Claude Code 和 OpenClaw 的差异,并附 WSL 安装实操步骤。

RAG面试核心:离线建库与在线检索全流程拆解
拆解RAG检索增强生成的完整工作流程:离线阶段文档加载、切割、向量化、入库,在线阶段问题改写、向量检索、重排、生成,并解析RAG面试核心考点与系统优化方向。

AI大模型零基础入门:原理与API调用实战指南
从AI发展脉络到大模型训练原理,再到Token、Temperature、Top-P等核心概念,本文结合实战课程讲解系统提示词、Function Call、RAG与记忆能力的实现逻辑,并给出四类API调用场景的落地路径,适合零基础开发者入门。