用过市面上几乎所有 UI 自动化 Skill，我只说一句大实话：一个能打的都没有。

 

有的顶着超高热度，吹得天花乱坠，实际用起来各种报错、乱触发、逻辑跑偏；有的流程繁琐到崩溃，要配 JSON、打快照、填一堆参数，还没开始干活心态先崩了。折腾一圈下来，我只有一个感觉：就没有一个简单、干净、稳定的。

 

既然没有满意的，那就自己造。

 

熟悉我的朋友都知道，我迭代了很多年的seliky（没看过的朋友可以翻我前面博客），这次我直接在 seliky 的基础上，做了一个极简 UI 自动化 Skill，已经上传到 workbuddy，名字就叫：ui 自动化。

 

它的逻辑简单到极致：你用自然语言说要做什么，它就直接帮你在浏览器里执行。 打开、点击、输入，一句话搞定，不用配置、不用写复杂规则、不用生成乱七八糟的中间文件。

 

在我心里，这才是 UI 自动化该有的样子：人说人话，工具做事。 请在workbuddy或主流skillhub平台自行体验，不谢不谢。

 

 看一下跑完的案例，简直 言出法随。

 

 它真的在浏览器上进行对应操作，我上传不了mp4，大家自行脑补。

 

请看图：

 

这是另外一个长流程的，只要自己写清楚，操作也是没问题。

 

 

 

当然，它也不是完美形态，我也不藏着：

• 在结构特别复杂的页面上，纯自然语言描述会力不从心，描述再详细也不如定位精准。这种场景下，直接给 xpath，一步到位。

• 其实终极方案也有：接入视觉大模型，靠看图理解界面。但我试过，太烧 token、又慢又耗时，性价比极低，所以暂时没加，保持轻量稳定最重要。

一定会往视觉方向发展的，AI手机不也是这样么，其它形态做ui自动化的，多是小可爱。

 

 

给大家两个小 tips：

 

如果你也受够了那些繁琐难用、花里胡哨的 UI 自动化工具，真心建议你试试这个。

简单、稳定、不折腾，才是效率工具该有的样子嘛。