Midscene.js调试神器:可视化报告与Playground使用教程
还在为自动化脚本调试头疼?Midscene.js提供的可视化报告与Playground工具链,让AI驱动的浏览器操作调试变得前所未有的简单直观。本文将带你掌握这两个核心工具的使用方法,大幅提升自动化脚本开发效率。
项目概述
Midscene.js是一个基于视觉语言模型的自动化操作框架,支持Web、Android和iOS等多平台,通过AI驱动界面操作。其核心优势在于:
- 视觉驱动:无需DOM或语义标记,直接通过视觉识别定位元素
- 多平台支持:Web、Android、iOS全平台覆盖
- 调试友好:提供可视化报告和Playground工具简化调试流程
项目主页:README.md
可视化报告工具详解
可视化报告是Midscene.js提供的强大调试工具,能够记录并展示自动化脚本执行的完整过程。
核心功能与界面组成
可视化报告工具位于apps/report/src/App.tsx,主要由以下组件构成:
- 时间线(Timeline):展示脚本执行的完整步骤序列
- 详情面板(DetailPanel):显示当前步骤的详细信息
- 侧边详情(DetailSide):展示元素识别和AI决策过程
- 播放器(Player):支持执行过程的回放功能
报告生成与使用流程
-
生成报告:在自动化脚本执行时添加报告生成代码
const { Midscene } = require('@midscene/core'); const agent = new Midscene(); // 执行自动化操作... agent.generateReport('execution-report.html'); -
查看报告:直接在浏览器中打开生成的HTML文件
-
分析报告:
- 使用时间线定位问题步骤
- 查看AI决策过程和元素识别结果
- 通过播放器回放执行过程
高级功能
- 全局预览:GlobalHoverPreview提供元素悬停预览
- 分组查看:支持按测试用例或模块分组查看执行结果
- 性能分析:展示各步骤执行时间,帮助识别性能瓶颈
Playground交互环境
Playground是Midscene.js提供的交互式开发环境,位于apps/playground/src/App.tsx,支持实时编写和测试自动化脚本。
环境搭建与启动
-
克隆项目:
git clone https://gitcode.com/GitHub_Trending/mid/midscene cd GitHub_Trending/mid/midscene -
安装依赖:
npm install -
启动Playground:
npm run dev:playground -
访问界面:打开浏览器访问 http://localhost:3000
界面功能介绍
Playground界面采用分栏布局:
- 左侧面板:代码编辑区,支持JavaScript和YAML两种脚本格式
- 右侧面板:ScreenshotViewer,实时显示界面截图和元素识别结果
基本使用方法
-
选择目标平台:Web、Android或iOS
-
编写脚本:
// 示例:在网页中搜索内容 await agent.goto('https://www.example.com'); await agent.aiType('搜索关键词', '搜索框'); await agent.aiClick('搜索按钮'); -
执行脚本:点击"Run"按钮执行脚本
-
查看结果:在右侧面板查看执行结果和界面截图
高级特性
- 环境配置:支持模型选择和参数配置
- 代码模板:提供常用操作的代码模板
- 实时调试:执行过程中实时显示AI决策和元素识别结果
实际案例:调试元素识别问题
假设我们遇到一个按钮点击失败的问题,可以通过以下步骤调试:
-
生成详细报告:确保启用详细日志记录
agent.setConfig({ logLevel: 'verbose' }); -
在报告中定位问题步骤:查看时间线中失败的点击操作
-
分析AI决策过程:在侧边详情面板中查看:
- AI识别到的元素列表
- 元素匹配分数
- 决策依据
-
在Playground中测试修复方案:
- 复制问题步骤到Playground
- 调整选择器或添加更明确的描述
- 实时测试修改效果
-
应用修复:将验证通过的解决方案应用到实际脚本中
总结与最佳实践
报告工具最佳实践
- 定期生成报告:即使脚本正常运行,也建议生成报告进行分析
- 对比分析:保留不同版本脚本的报告,便于对比分析
- 关注性能:通过报告识别执行缓慢的步骤并优化
Playground使用技巧
- 模块化开发:将复杂脚本拆分为小模块在Playground中单独测试
- 参数调优:在Playground中尝试不同的模型参数和配置
- 环境隔离:使用不同的环境配置测试跨环境兼容性
相关资源
- API文档:官方API参考
- 示例项目:midscene-example
- 社区支持:Discord
通过Midscene.js的可视化报告和Playground工具,你可以大幅提升自动化脚本的开发效率和调试能力。立即尝试这些工具,体验AI驱动的自动化开发新方式!
如果觉得本文对你有帮助,请点赞、收藏并关注项目更新。下一篇我们将介绍Midscene.js的高级AI模型配置技巧。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00