推文

@ai_fengshou · 2026-10-14 07:26

iPhone-use 背后那个"看屏幕"的技术 找到了，是这个开源项目 Midscene 字节 web-infra-dev 在维护，1.5 万 star 纯视觉方案，不用写元素选择器 截图丢给模型，它自己看、自己点 Android、iOS、鸿蒙、桌面通吃 AndroidWorld 93.1%，第一梯队 昨天有人用它做了语音操控安卓的 demo 微信也能一句话操作，挺离谱的 https://github.com/web-infra-dev/midscene

曝光 15 · 评论 0 · 点赞 0 · 书签 0