RPA

GitHub
1.9k 386 非常简单 1 次阅读 今天NOASSERTION数据工具Agent插件
AI 解读 由 AI 自动生成，仅供参考

Ui.Vision 是一款开源的机器人流程自动化（RPA）软件，旨在帮助用户自动执行电脑上重复性的操作任务。它不仅能像传统脚本一样控制浏览器，还能通过计算机视觉和 OCR（光学字符识别）技术“看懂”屏幕内容，从而操作桌面应用程序，甚至结合 Anthropic 等大语言模型实现更智能的自动化决策。

对于需要频繁处理数据录入、网页抓取或跨系统搬运数据的用户来说，Ui.Vision 解决了手动操作效率低且易出错的问题。其独特的亮点在于无缝兼容 Selenium IDE，支持宏的导入导出，让网页自动化测试与日常办公自动化合二为一。此外，作为浏览器扩展，它无需复杂的环境配置即可在 Chrome、Edge 和 Firefox 上运行。

这款软件非常适合多种人群使用：普通办公人员可利用它免费实现个人及商业场景下的流程自动化；测试工程师能借助其强大的录制功能快速构建测试用例；开发者则可以通过源码构建自定义扩展，深入集成 AI 能力。无论是希望提升工作效率的非技术人员，还是寻求灵活自动化解决方案的专业开发者，Ui.Vision 都提供了一个轻量且功能强大的选择。

使用场景

某电商运营专员每天需从多个竞品网站手动采集商品价格、库存状态及促销信息，并整理成 Excel 报表供团队决策。

没有 RPA 时

  • 员工需逐个打开数十个网页，肉眼识别并复制数据，单次任务耗时超过 2 小时，效率极低。
  • 遇到网站改版或动态加载的图片验证码时，传统脚本容易失效，导致数据采集中断且难以维护。
  • 高强度重复操作极易引发人为失误，如抄错价格或遗漏库存更新，直接影响定价策略准确性。
  • 无法在非工作时间自动执行任务，导致市场反应滞后，错失最佳调价窗口期。

使用 Ui.Vision RPA 后

  • 利用计算机视觉（Computer Vision）和 OCR 技术，Ui.Vision RPA 能像人眼一样直接识别屏幕元素与图片文字，一键自动完成跨站数据采集，将耗时缩短至 10 分钟。
  • 即使网站结构微调或出现图形验证码，Ui.Vision RPA 也能通过图像匹配稳定运行，大幅降低了脚本维护成本。
  • 自动化流程确保了数据录入的 100% 准确率，消除了人工复制粘贴带来的错误风险，报表质量显著提升。
  • 支持定时触发与后台运行，Ui.Vision RPA 可在凌晨自动抓取最新数据，确保团队上班时即可获取即时市场分析。

Ui.Vision RPA 通过将繁琐的“人工搬运”升级为智能自动化流程，让运营人员从低价值重复劳动中解放，专注于高价值的策略分析。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具主要作为 Chrome、Edge 和 Firefox 的浏览器扩展运行。普通用户建议直接从各浏览器的应用商店安装，无需构建源码。仅当开发者需要自行构建或开发扩展时，才需要安装指定的 Node.js 和 NPM 版本并执行构建命令。
python未说明
Node V20.11.1
NPM V10.2.4
RPA hero image

快速开始

Ui.Vision RPA

  • 基于人工智能的机器人流程自动化，支持 Selenium IDE 的导入导出功能。

有疑问或建议吗？欢迎加入 Ui.Vision RPA 用户论坛！

论坛中的问答对每位用户都有帮助，因此我们建议您在提问前先查看RPA 论坛，确认您的问题是否适合公开讨论。该论坛由活跃用户、技术支持团队和开发人员共同维护，我们希望将讨论集中在一个平台上，以便更好地为您提供帮助。

如何安装 Ui.Vision：

Ui.Vision RPA 适用于 Chrome、Edge 和 Firefox 浏览器，是一款现代化的跨平台 RPA 软件，支持 macOS、Linux 和 Windows 系统。它内置了 Selenium IDE 和网页宏录制器。您可以在 Chrome 和 Firefox 的扩展商店中找到最新版本。您可以将其_完全免费地用于个人及商业用途_：

构建 Chrome、Edge 和 Firefox 扩展

如果您“仅”想使用该扩展，则无需自行构建。

您可以直接从 Chrome、Edge 或 Firefox 的扩展商店安装 UI.Vision，这是最简单且推荐的使用方式。旧版本可在RPA 软件档案中找到。

以下信息仅供开发者参考：

该项目使用 Node.js v20.11.1 和 npm v10.2.4。

如有任何疑问，请联系 TEAM AT UI.VISION - 谢谢！

构建扩展包

npm i -f

npm run build   
npm run build-ff

构建后的文件分别位于 dist 和 dist_ff 文件夹中。

开发环境

npm i -f

npm run ext

开发过程中生成的文件同样位于 dist 和 dist_ff 文件夹中。

完成构建后，可直接使用的扩展代码将出现在 /dist 目录（Chrome）或 /dist_ff 目录（Firefox）中。

版本历史

V9.5.32025/03/22
V9.5.12025/01/24
V9.3.82024/12/03
V9.3.72024/11/27
V9.3.52024/10/28
V9.3.32024/10/16
V9.3.22024/10/05
6.2.62021/09/04
2.3.02018/01/26

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|4天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|4天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 148.6k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 108.1k|★★☆☆☆|昨天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

★ 100.8k|★★☆☆☆|今天
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

★ 93.4k|★★☆☆☆|3天前
插件开发框架