Midscene Chrome 扩展：3 步装好，用一句话驱动浏览器重复操作
【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene
每天点登录、填表单、抄数据，这些重复劳动最耗时间。Midscene Chrome 扩展是一个 AI 浏览器自动化工具：你直接用自然语言操作浏览器，不用写脚本，也不用记选择器。
🚀 最快加载扩展的 3 步
- 克隆仓库并构建扩展：
git clone https://gitcode.com/GitHub_Trending/mid/midscene cd apps/chrome-extension pnpm install pnpm run build- 打开 Chrome 的
chrome://extensions/，右上角开启"开发者模式"，点"加载已解压的扩展程序"，选择构建产物目录。 - 随便进一个网页，点开面板，输入"点击搜索按钮"并运行。页面上的按钮被真正点下去，说明环境已经就绪。
🧠 它凭什么"看懂"页面：视觉理解对比 DOM 定位
传统自动化靠 CSS 选择器或 XPath 锁元素，页面一改版，脚本当场报废。Midscene 走的是另一条路：把当前页面截图连同 DOM 结构一起交给视觉模型，模型按"人眼看界面"的方式理解布局，再决定点哪里、填什么。
差异落到三处：
- 定位方式：传统靠选择器精确匹配；Midscene 靠视觉理解加结构信息综合判断。
- 页面改版：传统脚本直接报错；Midscene 还能靠视觉特征重新找到按钮。
- 出错处理：传统要么失败要么静默跳过；Midscene 会自动重试并寻找替代路径。
🔀 三种模式按需求选：自然语言 / Bridge 终端控制 / 录制回放
- 面板自然语言：你在标签页里随手发指令，零代码、零配置。适合运营、测试、分析师这类不想碰代码的人，日常临时任务走这条。
- Bridge 终端控制：浏览器停在"监听连接"，由本地终端里的 SDK 远程控制桌面 Chrome，还能复用现有登录态。适合要把脚本、CI 和手动操作混在一起调的工程师。
- 录制回放：先手工操作一遍，它记录过程并生成可复用的 YAML 脚本。适合想把"这次怎么点"固化成"以后每次自动这么点"的重复任务。
| 场景 | 一句话指令 | 预期效果 |
|---|---|---|
| 电商比价 | 在两个标签页分别搜索"降噪耳机"，记录前 5 个商品的价格 | 自动完成搜索并提取价格列表，方便贴进表格 |
| 多平台发内容 | 在当前登录的社交平台上发布这段话并附一张图 | 自动找到发布入口、填好内容并点提交 |
| 网站功能测试 | 完成注册流程，检查成功后出现欢迎提示 | 逐步执行注册并断言关键节点，失败处有截图 |
| 日常表单 | 按工号、姓名填好这张请假单并提交 | 表单逐格填对，提交后给你结果反馈 |
🛠️ 踩坑自查：三个高频问题的排错清单
- 扩展安装后不显示：确认
pnpm run build没有报错；在chrome://extensions/点一次"重新加载"；再看扩展卡片里的错误信息，一般是资源缺失。 - Bridge 连不上：终端那端启动监听并确认端口（默认 3766）；浏览器与终端要能互通，跨机就检查网络或防火墙；面板上点过"允许连接"了吗，漏点这个最常见。
- 脚本执行中断：打开执行日志看停在哪一步；多为页面加载超时或元素没按时出现，补一句等待指令或调整措辞后重跑，别急着怀疑整个流程。
📚 深入资源：文档、示例与配置模板
- 入门：快速开始文档，配套 Bridge 模式详解 和 常见问题 FAQ。
- 示例：Playground 示例；批量 YAML 脚本见 测试脚本目录。
- 配置：脚本解析与执行逻辑在 核心 YAML 模块，看源码比猜参数快。
先装好扩展，发一条最简单的指令。跑通之后再挑一件你每周重复三次的浏览器操作，把它换成一条命令。
【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
