惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Engineering at Meta
Engineering at Meta
雷峰网
雷峰网
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
B
Blog
Y
Y Combinator Blog
WordPress大学
WordPress大学
Microsoft Azure Blog
Microsoft Azure Blog
小众软件
小众软件
G
Google Developers Blog
云风的 BLOG
云风的 BLOG
罗磊的独立博客
博客园 - 三生石上(FineUI控件)
博客园 - 叶小钗
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
量子位
The Cloudflare Blog
T
The Blog of Author Tim Ferriss
博客园_首页
B
Blog RSS Feed
Hugging Face - Blog
Hugging Face - Blog
IT之家
IT之家
阮一峰的网络日志
阮一峰的网络日志
L
LangChain Blog
宝玉的分享
宝玉的分享

博客园_首页

Linux实操--组管理、权限管理和定时任务 Java + EasyExcel 实现单个接口导出多个Excel Mem0 源码解析系列(二):提示词工程的深度剖析 Openclaw TaskFlow究竟是什么?和普通Skill技能有什么区别 博文阅读密码验证 - 博客园 嘉立创开源:应该是全网MicroPython教程最多的开发板 Hermes Agent 集成实践:从协议到生产 2026年AI编程工具横评:Cursor、Codex、Claude Code、Zed、Windsurf Java程序员必看的RAG入门教程 2026 AI效率神器:Superpowers + Claude Code 保姆级教程 本地大模型部署全攻略:从 0 到 1 玩转 Ollama 【从0到1构建一个ClaudeAgent】内存管理-上下文压缩 .NET 高级开发 | 设计、实现一个事件总线框架 电子小白入门之NE555 3. WorkBuddy:隐藏玩法,一键召唤专家,让 AI 以"专家身份"给你干活 和AI一起搞事情#3:Claude Teammate 游戏开发翻车实录 【OpenClaw】通过 Nanobot 源码学习架构---(7)Memory C# .NET 周刊|2026年3月3期 我在 Debian 11 上把 K8s 单机搭起来了,过程没你想的那么顺(/opt 目录版) 深度学习进阶(七)Data-efficient Image Transformer CLI+Skill搭建浏览器AI自动化框架,告别一切重复枯燥任务 告别Token账单无底洞:OpenClaw本地部署,重塑企业数据主权的唯一解 FastAPI+Vue:文件分片上传+秒传+断点续传,这坑我帮你踩平了! SBTI 爆火后,我做了个程序员版的 CBTI。。已开源 + 附开发过程 多模态检索开始进入工程期:用 Sentence Transformers 搭建可落地的 Multimodal RAG 100多行代码实现一个最简单的Agent(用ReAct) Claude Code 通关手册(八):推荐 5 个 Hooks,代码质量提升 3 倍 老板:“有人截图了!”。安全部门:“收到,马上查暗水印!” - why技术 技术之外,皆是人间 C#/.NET/.NET Core技术前沿周刊 | 第 69 期(2026年4.01-4.12)
我把市面上 UI 自动化 Skill 全踩坑一遍后,自己写了个真正能...
测神 · 2026-04-23 · via 博客园_首页

用过市面上几乎所有 UI 自动化 Skill,我只说一句大实话:一个能打的都没有。

有的顶着超高热度,吹得天花乱坠,实际用起来各种报错、乱触发、逻辑跑偏;有的流程繁琐到崩溃,要配 JSON、打快照、填一堆参数,还没开始干活心态先崩了。折腾一圈下来,我只有一个感觉:就没有一个简单、干净、稳定的。

既然没有满意的,那就自己造。

熟悉我的朋友都知道,我迭代了很多年的seliky(没看过的朋友可以翻我前面博客),这次我直接在 seliky 的基础上,做了一个极简 UI 自动化 Skill,已经上传到 workbuddy,名字就叫:ui 自动化

它的逻辑简单到极致:你用自然语言说要做什么,它就直接帮你在浏览器里执行。

打开、点击、输入,一句话搞定,不用配置、不用写复杂规则、不用生成乱七八糟的中间文件。

在我心里,这才是 UI 自动化该有的样子:人说人话,工具做事。

请在workbuddy或主流skillhub平台自行体验,不谢不谢。

image

看一下跑完的案例,简直 言出法随。

它真的在浏览器上进行对应操作,我上传不了mp4,大家自行脑补。

请看图:

image

这是另外一个长流程的,只要自己写清楚,操作也是没问题。

image


当然,它也不是完美形态,我也不藏着:

  • 在结构特别复杂的页面上,纯自然语言描述会力不从心,描述再详细也不如定位精准。这种场景下,直接给 xpath,一步到位
  • 其实终极方案也有:接入视觉大模型,靠看图理解界面。但我试过,太烧 token、又慢又耗时,性价比极低,所以暂时没加,保持轻量稳定最重要。

一定会往视觉方向发展的,AI手机不也是这样么,其它形态做ui自动化的,多是小可爱。


给大家两个小 tips:

  1. 只有第一次安装会慢一点,装好之后秒启动,不会重复安装。
  2. 目前这个 skill 没有版权限制,趁我心情好,随便拿去二开、魔改、自用都行

如果你也受够了那些繁琐难用、花里胡哨的 UI 自动化工具,真心建议你试试这个。

简单、稳定、不折腾,才是效率工具该有的样子嘛。