3分钟跑通 MidScene用大白话指挥浏览器的AI浏览器自动化工具【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene每次产品让你顺手把这个页面的价格数据抓下来你是不是又得手写脚本MidScene 是一个 AI 浏览器自动化工具。你用自然语言描述任务它看截图就能指挥浏览器点击、输入、提数据、验界面全程不用你写选择器。先搞清楚它是什么它 一个看屏幕又会动手的代理截图进操作出。不是传统那种靠选择器的自动化框架——页面一改结构脚本就废。核心能力就三块操作界面Action、提取数据Query、校验界面Assert。最快路径跑起来环境要求 Node 20.19 和 pnpm 9三步起飞克隆仓库装依赖git clone https://gitcode.com/GitHub_Trending/mid/midscene cd midscene pnpm install配置一个视觉模型它靠模型看懂屏幕配置写法照抄文档即可export MIDSCENE_MODEL_BASE_URLhttps://ark.cn-beijing.volces.com/api/v3 export MIDSCENE_MODEL_API_KEYyour-api-key export MIDSCENE_MODEL_NAMEdoubao-seed-2-1-turbo-260628启动 Playground它会自动拉好一个受控浏览器和交互面板cd apps/playground pnpm run demo浏览器打开后左边是命令面板右边是实时浏览器画面。在 Prompt 输入框里敲一句点击搜索框点 Run你会亲眼看到画面里的光标自己挪到搜索栏上。到这里你的第一次自然语言浏览器控制就成事了。它能替你干哪些活让它操作网页自然语言控制浏览器你输入打开登录页输入用户名和密码点登录它执行看截图逐个定位元素一步步操作失败自动重试你得到一条走完的登录流程一行代码没写AI 自动填表也就这么顺手批量抓取网页数据零代码数据采集你输入页面中的商品{name: string, price: number}[]它执行识别列表结构按你给的字段格式逐个抽取你得到一份能直接用的 JSON 数组转存 CSV 就是一张报表校验界面长没长对你输入页面顶部有导航栏商品列表至少有一件耳机它执行拿真实截图跟你的描述逐条比对你得到通过或不通过的结果写回归测试不用自己维护断言跑完的执行报告会把每一步重放成视频哪步成功哪步失败一眼看清。几个容易踩的坑Node 版本报错装依赖就崩 → 仓库要求 Node 20.1922、24 都行别用 16/18直接升级指令跑不了、报模型错误没配模型或模型不支持 UI 定位 → 补上MIDSCENE_MODEL_*这组环境变量具体写法看模型配置文档当前目录冒出一堆产物那是midscene_run报告缓存目录用MIDSCENE_RUN_DIR换个位置就行Playground 连不上浏览器只跑了网页没跑 demo 服务 → 用pnpm run demo让两个进程一起起别分开跑不想从源码构建的话快速开始指南里有更轻的路子装 Chrome 扩展直接用能力一样省去搭建。适合谁用不想维护选择器的测试同学、想让重复网页操作自己跑的开发、以及需要定期从网页拿结构化数据的人。核心价值就一句你说人话它看屏幕干活。别光看了clone 下来试试三分钟就能跑起来。【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
3分钟跑通 MidScene用大白话指挥浏览器的AI浏览器自动化工具【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene每次产品让你顺手把这个页面的价格数据抓下来你是不是又得手写脚本MidScene 是一个 AI 浏览器自动化工具。你用自然语言描述任务它看截图就能指挥浏览器点击、输入、提数据、验界面全程不用你写选择器。先搞清楚它是什么它 一个看屏幕又会动手的代理截图进操作出。不是传统那种靠选择器的自动化框架——页面一改结构脚本就废。核心能力就三块操作界面Action、提取数据Query、校验界面Assert。最快路径跑起来环境要求 Node 20.19 和 pnpm 9三步起飞克隆仓库装依赖git clone https://gitcode.com/GitHub_Trending/mid/midscene cd midscene pnpm install配置一个视觉模型它靠模型看懂屏幕配置写法照抄文档即可export MIDSCENE_MODEL_BASE_URLhttps://ark.cn-beijing.volces.com/api/v3 export MIDSCENE_MODEL_API_KEYyour-api-key export MIDSCENE_MODEL_NAMEdoubao-seed-2-1-turbo-260628启动 Playground它会自动拉好一个受控浏览器和交互面板cd apps/playground pnpm run demo浏览器打开后左边是命令面板右边是实时浏览器画面。在 Prompt 输入框里敲一句点击搜索框点 Run你会亲眼看到画面里的光标自己挪到搜索栏上。到这里你的第一次自然语言浏览器控制就成事了。它能替你干哪些活让它操作网页自然语言控制浏览器你输入打开登录页输入用户名和密码点登录它执行看截图逐个定位元素一步步操作失败自动重试你得到一条走完的登录流程一行代码没写AI 自动填表也就这么顺手批量抓取网页数据零代码数据采集你输入页面中的商品{name: string, price: number}[]它执行识别列表结构按你给的字段格式逐个抽取你得到一份能直接用的 JSON 数组转存 CSV 就是一张报表校验界面长没长对你输入页面顶部有导航栏商品列表至少有一件耳机它执行拿真实截图跟你的描述逐条比对你得到通过或不通过的结果写回归测试不用自己维护断言跑完的执行报告会把每一步重放成视频哪步成功哪步失败一眼看清。几个容易踩的坑Node 版本报错装依赖就崩 → 仓库要求 Node 20.1922、24 都行别用 16/18直接升级指令跑不了、报模型错误没配模型或模型不支持 UI 定位 → 补上MIDSCENE_MODEL_*这组环境变量具体写法看模型配置文档当前目录冒出一堆产物那是midscene_run报告缓存目录用MIDSCENE_RUN_DIR换个位置就行Playground 连不上浏览器只跑了网页没跑 demo 服务 → 用pnpm run demo让两个进程一起起别分开跑不想从源码构建的话快速开始指南里有更轻的路子装 Chrome 扩展直接用能力一样省去搭建。适合谁用不想维护选择器的测试同学、想让重复网页操作自己跑的开发、以及需要定期从网页拿结构化数据的人。核心价值就一句你说人话它看屏幕干活。别光看了clone 下来试试三分钟就能跑起来。【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
