最速开发指南:KeymouseGo自动化脚本生成与测试全流程
2026-02-05 04:56:50作者:舒璇辛Bertina
你是否还在为重复性的鼠标点击、键盘输入操作浪费时间?KeymouseGo作为一款轻量级自动化工具,能帮你录制并复现各类操作,彻底解放双手。本文将带你掌握从环境搭建到脚本调试的完整流程,5分钟即可上手自动化任务。
核心功能与架构概览
KeymouseGo是一款类似按键精灵的自动化工具,支持跨平台鼠标键盘录制与回放。通过KeymouseGo.py主程序协调,采用分层架构设计:
- 录制层:Recorder/UniversalRecorder.py负责捕获鼠标移动、点击和键盘事件,将坐标转换为屏幕百分比相对值
- 事件层:Event/UniversalEvents.py处理跨平台事件执行,支持鼠标、键盘和输入事件
- 解析执行层:Util/Parser.py解析JSON5格式脚本,Util/RunScriptClass.py控制执行流程
环境准备与安装
快速启动(推荐)
无需安装Python,直接从发布页面下载对应系统的可执行文件,双击KeymouseGo即可运行。
源码编译
适合开发调试或自定义功能:
# 克隆仓库
git clone https://gitcode.com/gh_mirrors/ke/KeymouseGo.git
cd KeymouseGo
# 安装依赖
# Windows系统
pip install -r requirements-windows.txt
# Linux/Mac系统
pip3 install -r requirements-universal.txt
# 打包可执行文件
pyinstaller -F -w --add-data "./assets;assets" KeymouseGo.py
编译后的程序位于dist目录下。
脚本录制与生成
基础录制流程
- 点击主界面"录制"按钮开始记录操作
- 执行需要自动化的操作(鼠标点击、键盘输入等)
- 点击"结束"按钮完成录制,脚本自动保存至
scripts目录
录制原理:Recorder/UniversalRecorder.py通过pynput库监听系统事件,将绝对坐标转换为相对百分比:
# 坐标转换核心代码
tx = x / SW # SW=屏幕宽度
ty = y / SH # SH=屏幕高度
tpos = (tx, ty) # 相对坐标存储
脚本文件结构
每次录制生成的JSON5格式脚本位于scripts目录,文件名格式为日期_时间.txt。示例结构:
{
scripts: [
{type: "event", event_type: "EM", delay: 3000,
action_type: "mouse left down", action: ["0.05208%", "0.1852%"]},
{type: "event", event_type: "EK", delay: 100,
action_type: "key down", action: [70, 'F', 0]}
]
}
每个事件包含延迟时间、事件类型和操作参数,支持鼠标点击、键盘输入和文本输入等类型。
脚本执行与调试
基本执行方法
- 图形界面:选择脚本文件,设置重复次数(0为无限循环),点击"启动"
- 命令行模式:
# 直接运行脚本 ./KeymouseGo scripts/0314_1452.txt # 运行3次 ./KeymouseGo scripts/0314_1452.txt -rt 3
执行流程由Util/RunScriptClass.py控制,支持暂停/继续、热键控制(默认F6启动,F9停止)。
高级调试技巧
- 脚本编辑:直接修改
scripts目录下的JSON5文件,调整delay参数控制执行速度 - 事件类型:支持的鼠标事件类型包括:
mouse left down/mouse left up(左键点击)mouse right down/mouse right up(右键点击)mouse wheel up/mouse wheel down(滚轮)
- 文本输入:使用
event_type: "EX"和action_type: "input":{type: "event", event_type: "EX", delay: 100, action_type: "input", action: "你好 world"}
常见问题解决方案
坐标偏移问题
若脚本在不同分辨率屏幕上执行偏差,可手动调整相对坐标值。原理见Event/UniversalEvents.py:
# 相对坐标转绝对坐标
if isinstance(x, float):
x = int(x * SW) # SW=当前屏幕宽度
if isinstance(y, float):
y = int(y * SH) # SH=当前屏幕高度
执行权限问题
- Linux:需要root权限捕获全局事件
- Mac:需在"系统偏好设置>安全性与隐私>辅助功能"中添加程序权限
- Windows:部分应用需以管理员身份运行KeymouseGo
高级应用与扩展
脚本语法进阶
支持条件判断、循环和标签跳转等高级功能:
{type: "if", judge: "file_exists('data.txt')",
do: [{"type": "event", ...}],
else: [{"type": "event", ...}]}
插件开发
通过Plugin/Interface.py扩展功能,支持自定义判断条件和动作。插件系统允许添加:
- 自定义判断逻辑(如文件存在检测、窗口状态判断)
- 扩展动作类型(如网络请求、文件操作)
总结与资源
KeymouseGo提供了轻量级yet强大的自动化解决方案,从简单的点击录制到复杂的条件脚本,满足各种自动化需求。完整文档参见README.md,包含更多高级功能和示例。
实用资源:
- 官方文档:README.md
- 脚本语法:README.md#脚本语法说明
- 问题反馈:项目Issues页面
收藏本文,关注项目更新,下期将带来"KeymouseGo脚本高级技巧:条件执行与循环控制"。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
558
3.8 K
Ascend Extension for PyTorch
Python
372
434
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
890
638
昇腾LLM分布式训练框架
Python
115
143
暂无简介
Dart
792
195
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
769
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
117
146
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
265
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
