MidScene 快速上手3 步用自然语言驱动 AI 浏览器自动化【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene做网页自动化时最磨人的往往是写选择器、盯元素加载。MidScene 是一个零代码的 AI 浏览器自动化工具用自然语言描述任务AI 就能自动操作浏览器或移动设备全程不写代码。这篇教程讲清它怎么装、装好之后哪些场景马上能用。MidScene 是什么它如何看懂屏幕一句话定位MidScene 是用自然语言驱动浏览器与移动端的开源自动化工具。它的眼睛和传统脚本不一样——底层是视觉语言模型VLM直接读截图屏幕上有什么控件、文字写着什么看完再决定下一步动作。不用按 id 或 class 去 DOM 里找元素页面结构怎么调整任务大概率照跑不误。3 步启动一条命令跑起 MidScene本地装好 Node.js 18 和 Git 之后总共就三条命令git clone https://gitcode.com/GitHub_Trending/mid/midscene cd midscene npm install npm run start拉取代码、装依赖、起服务一气呵成。浏览器里打开的就是 MidScene 的 Playground 界面左边输入一句指令右边实时看到执行过程。不想起服务、想在浏览器里直接用仓库自带 Chrome 扩展在扩展管理页开启开发者模式加载 Chrome 扩展源码 对应目录装完工具栏就能看到 MidScene 图标。三类场景装好就能跑AI 自动化测试测试用例直接写成一句话比如打开首页搜索 headphones验证至少一条结果带价格。它逐步执行并输出带截图和耗时的报告全程不用写测试代码。网页数据提取说明要什么就行例如把列表页里每件商品的名字和价格抓出来整理成表格。页面结构由它自己识别单次抓取、批量处理都适用。移动端跨平台同一套自然语言写法在 Web、Android、iOS 上通用一套表述复用多类设备省掉分别维护脚本的功夫。为什么比手写脚本稳免选择器、不碰 DOM传统自动化脚本最大的痛点是维护网站一改样式选择器失效整个流程跟着崩。MidScene 从根上绕开这层——它靠截图理解界面不依赖 DOM 结构页面怎么重构只要屏幕长得差不多任务照样执行。还有一层好处数据在本地处理支持自托管 AI 模型敏感页面和业务数据不必经过第三方服务团队里落地阻力小很多。MidScene 常见问题Q除了网页能驱动真手机吗A能。Web、Android、iOS 都在支持范围内移动端同样用自然语言下指令。Q换了说法需要重新录制吗A不需要。它每次基于当前截图重新理解不依赖预先录好的坐标措辞或界面变了都能接着跑。Q可以接自己的大模型吗A可以。支持自托管 AI 模型配合本地数据处理整条链路能留在自己的环境里。跑完上面三条命令打开 Playground 输入第一个任务你就能看到 AI 浏览器自动化第一次真实落地。【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