【工具调研】影刀这个工具，目前看起来只能支持前台，且会抢占鼠标？有那种支持后台操作、且不抢占鼠标的工具吗？

影刀我觉得不太行了吧，现在这年头RPA直接转SKILL好了，微软有一个SKILL录制工具，录制你的操作转换为SKILL，GitHub - microsoft/skill-recorder: Desktop app that records your on-screen work session and uses the GitHub Copilot CLI to reconstruct it as an intent + ordered steps, then builds a reusable Skill or Automation for Microsoft Scout, Microsoft Copilot Cowork, or Copilot Studio. · GitHub，然后SKILL扔给AI执行不就行了

用影刀自带的浏览器就不会抢了 ^-^

这种每次运行都要用AI啊，这成本太大了。

我考虑做的是，可以利用AI来自动录制生成脚本，后续执行的时候不让AI介入。

之前我自己的RPA也想做成这种方式,但是感觉太难了,网站交互性技术栈太多样化了

sry 没注意审题，影刀对windows不太友好，浏览器支持的还行。

我其实不太了解的是，为啥这种自动化工具全部依赖于html元素识别。

为啥不采用“人眼看”的这种方式？

人的操作都是先看到某个地方有某个按钮，就去点击它。那为何不采用截图去定位呢？这种方式理论上可以使用在任何的窗口上，包含非浏览器的窗口。

元素识别准确率交出错概率要比屏幕识图强太多了,截图定位屏幕尺寸,滚动条,字体,不同操作系统任何一项都会影响识别成功率.除非运行时融合ai还好一些.

而且影刀在操作紫鸟这种指纹浏览器的时候，只能一个个浏览器操作，没法打开多个浏览器运行同一套流程

弊端也是有的，采用元素识别只能用在标准的Windows程序或者web上，如果是使用一些非标Windows控件做的程序，就没办法识别。

你说的精度和滚动条的这种，其实不算是问题：图片识别的算法可以解决精度的问题（不一定要像素的精准对比），滚动条是通过编排解决的，比如：```
while 出现滚动条
拖动滚动条;
识别可视化区域是否存在某个截图；
if 存在
点击截图的位置

那我可以理解，目前没有很好的工具可以解决后台操作、不抢占键鼠的工具么？

咱不说影刀，我个人也是认为它有局限性的。