Kando菜单系统新增指针位置变量功能解析
2025-06-16 12:41:41作者:咎岭娴Homer
在桌面自动化工具Kando的最新更新中,开发团队为Run Command菜单类型引入了一项颇具实用性的功能改进——指针位置变量支持。这项改进使得用户在编写交互脚本时能够获取菜单激活时的鼠标坐标位置,为自动化操作提供了更精确的控制能力。
功能背景与应用场景
传统桌面自动化脚本经常面临一个典型问题:当通过菜单触发脚本时,鼠标位置可能已经发生变化,导致基于坐标的操作无法准确定位目标元素。Kando此次更新完美解决了这一痛点,使得以下场景成为可能:
- 基于坐标的UI元素交互(如自动点击特定位置)
- 区域截图或OCR识别
- 窗口相对位置计算
- 多显示器环境下的精确定位
技术实现细节
Kando通过引入四组模板变量实现了这一功能:
{{pointer_x}}:菜单激活时鼠标的X坐标{{pointer_y}}:菜单激活时鼠标的Y坐标{{app_name}}:当前聚焦的应用程序名称{{window_name}}:当前聚焦的窗口标题
这些变量可以直接嵌入到命令字符串中,系统会在执行前自动替换为实际值。例如用户可配置如下命令:
/path/to/click_tool --x {{pointer_x}} --y {{pointer_y}} --window "{{window_name}}"
设计考量与优势
相比最初提议的"返回鼠标位置"方案,最终实现的模板变量方式具有明显优势:
- 灵活性:允许开发者自由决定如何使用坐标值
- 可组合性:可与其他变量(如窗口名称)组合使用
- 非侵入性:不会改变实际的鼠标位置
- 跨平台兼容:适用于各种桌面环境
典型使用示例
假设我们需要开发一个自动测试工具,在特定位置点击后验证UI响应:
#!/bin/bash
# 获取Kando传入的参数
X_POS=$1
Y_POS=$2
TARGET_WINDOW=$3
# 移动鼠标到原始位置
xdotool mousemove $X_POS $Y_POS
# 执行点击操作
xdotool click 1
# 验证UI变化
# ...
然后在Kando中配置命令为:
/path/to/test_script.sh {{pointer_x}} {{pointer_y}} "{{window_name}}"
技术前瞻
这项改进为Kando开辟了更多可能性:
- 可扩展更多上下文变量(如屏幕分辨率、活动显示器等)
- 支持相对坐标计算(基于窗口位置)
- 实现坐标记录与回放功能
- 增强游戏自动化能力
对于需要精确定位的自动化任务,这项功能将显著提升Kando的实用性和可靠性,使开发者能够构建更复杂、更精确的桌面自动化解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
9
1
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218