又被AI淘汰了！一句话生成自动化操作

现在谁还手动操作浏览器，应该学会让AI做你自己的打工人，释放自己的双手去，你的手应该是用来摸鱼而不是做这些费时并且无聊的操作

代码语言：javascript代码运行次数：0运行复制
地址：

现在我们只需要通过人类的语言也就是自然语言告诉AI，帮我发一条微博，采集周杰伦演唱会的信息，并且写入到Google Docs中，AI就会进行类似RPA的操作，在浏览器中点击、输入、提取数据，甚至生成可视化报告复盘每一步操作，不需要我们写代码，也不需要一步步配置PRA，只需要一句话就可以实现，这就是Midscene.js

任何人都可以通过自然语言操控网页，无论是正常需要处理一些批量的网页操作，还是需要进行一些自动化测试，写Python代码或者设置RPA就太low了，太没效率了，Midscene.js轻松搞定,重点是完全开源。

自然语言驱动

不用写一行代码！直接用你自己的语言告诉 Midscene.js 你想做什么：

“在豆瓣搜索《流浪地球 2》并提取评分”

“登录淘宝，把购物车前 3 件商品加入收藏”

“监控某电商页面价格，降价 10% 立即通知我”AI 会自动解析指令、规划操作步骤，像真人一样点击按钮、填写表单、抓取数据，甚至支持复杂的逻辑判断（比如 “如果页面出现错误提示，就重试 3 次”）。

集成更多开源模型

除了支持 GPT-4o、Claude 等通用大模型，Midscene.js 特别适配了两款专为 UI 自动化设计的开源模型：

UI-TARS：可以私有化部署，让本地私人数据更安全，并且对网页元素的识别准确率高达 98%，这个我就不多介绍了，前面的文章已经写过了，大家可以看看以往的文章

Qwen2.5-VL（千问）：中文场景优化，对一些复杂表格、弹窗处理能力更加强大，并且完全免费且支持商业使用。

如果不想依赖闭源模型，这两个开源模型都可以满足需求

强大集成能力

作为前端，在我们以前常用的Puppeteer/Playwright 可以通过API调用，直接与以前编写的自动化脚本无缝衔接，例如先用 AI 定位到网页元素，再使用 Playwright 执行批量点击操作

日常使用(摸鱼使用