从零开始使用Automa:浏览器自动化扩展安装与配置指南
2026-04-30 11:40:12作者:盛欣凯Ernestine
Automa是一款强大的浏览器自动化扩展,通过直观的块连接方式帮助用户构建自动化流程,告别重复性手动任务。本指南将带你完成从环境准备到浏览器安装的全过程,让你轻松上手这款高效的自动化工具。
📋 环境准备与检查
在开始安装Automa之前,请确保你的系统满足以下基本要求,这是顺利使用的第一步哦!
必备环境清单
- Node.js:16.0或更高版本
- 包管理器:推荐使用pnpm,npm也可以
- 浏览器:Chrome、Firefox或Edge
- 网络:稳定的互联网连接
环境检查命令
打开终端,输入以下命令检查Node.js和pnpm是否已安装:
node --version
pnpm --version
如果显示版本号,则说明环境已准备就绪;如果提示命令不存在,请先安装相应软件。
📥 获取代码与安装依赖
准备好了环境,接下来让我们获取Automa的源代码并安装必要的依赖包。
克隆项目代码
在终端中执行以下命令,将项目克隆到本地:
git clone https://gitcode.com/gh_mirrors/au/automa.git
cd automa
安装项目依赖
进入项目目录后,运行以下命令安装所有依赖:
pnpm install
这个过程可能需要几分钟时间,取决于你的网络速度。安装完成后,你就拥有了开发和构建Automa所需的全部依赖。
⚙️ 开发模式启动指南
Automa提供了便捷的开发模式,让你可以一边修改代码一边实时测试效果。
Chrome浏览器开发模式
如果你使用Chrome浏览器,在项目根目录执行:
pnpm dev
Firefox浏览器开发模式
如果你是Firefox用户,运行以下命令:
pnpm dev:firefox
开发模式启动后,系统会自动构建扩展并监控文件变化,当你修改代码时会自动重新构建,非常适合开发和调试。
🏗️ 构建生产版本
当你准备好将Automa用于实际工作时,需要构建生产版本。
Chrome版本构建
pnpm build
Firefox版本构建
pnpm build:firefox
构建完成后,所有文件将输出到项目根目录下的build文件夹中,这些文件就是可以安装到浏览器的扩展程序。
🖥️ 浏览器安装步骤
构建完成后,就可以将Automa安装到你的浏览器中了。
Chrome浏览器安装步骤
- 打开Chrome浏览器,在地址栏输入
chrome://extensions/ - 开启右上角的"开发者模式"开关
- 点击"加载已解压的扩展程序"按钮
- 在文件选择对话框中,选择项目中的
build目录
Firefox浏览器安装步骤
- 打开Firefox浏览器,在地址栏输入
about:debugging#/runtime/this-firefox - 点击"加载临时扩展"按钮
- 在文件选择对话框中,导航到项目的
build目录,选择manifest.json文件
🛠️ 配置文件与实用技巧
了解Automa的配置文件和使用技巧,可以帮助你更好地定制和使用这款工具。
核心配置文件说明
| 文件名 | 位置 | 主要功能 |
|---|---|---|
| package.json | 项目根目录 | 定义项目依赖和脚本命令 |
| webpack.config.js | 项目根目录 | 控制扩展的构建过程 |
| manifest.json | build目录 | 扩展的清单文件,包含权限和基本信息 |
实用技巧与常见问题
首次使用建议
- 从简单任务开始,比如自动填写表单或页面导航
- 熟悉各种功能块的作用和连接方式
- 利用示例工作流快速了解功能
常见问题解决
- 构建失败:检查Node.js版本是否符合要求,尝试删除
node_modules目录后重新安装依赖 - 扩展无法加载:确认选择了正确的
build目录,检查浏览器是否开启了开发者模式 - 功能异常:尝试重新构建项目或在GitHub上查看是否有相关issue和解决方案
通过本指南,你已经掌握了Automa浏览器自动化扩展的安装和基本配置方法。现在,你可以开始创建自己的自动化工作流,解放双手,提高工作效率了!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221
