企业官网建设流程全解析

MidScene.js AI浏览器自动化快速上手：3条命令跑起来

【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene

MidScene.js 是一款 AI 驱动的浏览器自动化工具，用自然语言指挥网页操作。不会写代码的新手也能上手：克隆仓库、装依赖、启动，然后输入"点击登录按钮"这类任务，它自动执行。

动手前，先确认这两样

• Node.js 18 及以上：运行 JavaScript 的基础环境，终端执行node -v看版本，低于 18 先去官网升级。
• Git：拉取项目代码的命令行工具，git --version能输出版本号即可，装过就不用动。

两样都就绪后，下面三步走完整流程，中间不碰任何配置文件。

三条命令跑起来 💻

第一步，把代码拉到本地并进入目录：

git clone https://gitcode.com/GitHub_Trending/mid/midscene cd midscene

第二步，一次性装好全部依赖，AI 模型接口、浏览器控制模块都会自动配好：

npm install

第三步，启动服务：

npm run start

终端打印出本地地址后，用浏览器打开它，就能进入自动化操作面板。想核对细节，可以看官方文档里的快速入门章节。

不想写代码？装个浏览器插件 🧩

不想启动服务的话，装官方 Chrome 扩展更省事，共 4 步：

1. 打开 Chrome 的扩展程序管理页（地址栏输入chrome://extensions），开启右上角的开发者模式。
2. 点击加载已解压的扩展程序。
3. 选中项目里的apps/chrome-extension目录（插件源码 也在这里）。
4. 看工具栏，出现 MidScene 图标就装好了，点它打开任务面板。

面板里输入任务、按 Run，页面上会实时展示它每一步点了哪里；它还能录制你的操作，回放成脚本。

说句话就执行：3 个真实任务示例 ⚡

下面三类指令直接照着改就能用。

① 登录 + 搜索

"打开登录页面，输入用户名和密码，点击登录按钮，然后在搜索框中输入'人工智能'并搜索"

工具自己解析指令，找到输入框和按钮，依次填入、点击，全程不用你找选择器。

② 提取页面数据

"获取商品列表中的所有产品名称和价格，保存为 CSV 格式"

它识别列表结构后逐项抓取，导出的 CSV 文件可以直接用表格软件打开。

③ 多步骤电商流程

"登录电商网站，搜索手机产品，按价格排序，选择第一个商品加入购物车，进入结算页面"

它把目标拆成子步骤，依次执行，每步完成后确认成功再走下一步。

比写选择器稳在哪

传统脚本绑定 DOM：网站一改 class 名或重排结构，脚本就失效。MidScene.js 换了思路，让视觉大模型直接"看"页面截图，UI-TARS、Qwen-VL、Gemini 2.5 Pro 这些模型靠像素识别哪个是登录按钮、哪个是搜索框。只要页面在人眼看来没变，任务照样能跑，接口结构调整也不用跟着改脚本。模型接入逻辑都在 packages/core/ 里，感兴趣可以翻翻。

能落地到哪

4 个高频问题，直接答

需要编程经验吗？不需要。插件面板就是给非开发者用的，说人话即可。想进阶再学 YAML 脚本也不迟。

支持哪些浏览器？主打 Chrome，另外提供 Puppeteer、Playwright 集成方案，可嵌进既有自动化流程。

数据安全吗？数据在本地处理，也可以接自托管 AI 模型，截图不必发给第三方服务。

执行速度如何？带缓存机制，同类任务跑过之后会明显变快，首次执行最慢。

打开浏览器，先让它替你搜个关键词，看看它怎么"点"页面的。

【免费下载链接】midsceneGUI Agent for E2E Testing项目地址: https://gitcode.com/GitHub_Trending/mid/midscene