ab-agents-vision-minimax
👁️ 通过 MiniMax VL API 进行图像分析
共 89 条已上架资产
👁️ 通过 MiniMax VL API 进行图像分析
使用 agent-browser CLI 进行浏览器自动化
使用 agent-browser CLI 实现完整的浏览器自动化
从会话/页面/元素定位/等待策略的地基讲起,给出定位器优先级与降级链、等待与重试的量化参数、截图与 DOM 取值的分工,并明确登录态管理、验证码与反爬的合规边界;附三份资料覆盖选型、稳定性写法与安全排错
将PPT扫描PDF(图片版)通过本地OCR识别文字,自动识别表格、嵌入图表页截图、抓取参考文献,整理为结构化Word文档
当你需要验证网页 UI 是否按预期工作时,请使用此技能——包括点击流程、断言状态、捕获控制台错误、在多个视口下截图以供视觉审查
gstack 是一个用于 QA 测试和站点功能验证的快速无头浏览器工具
通过 MCP 工具调用为 AI 代理提供一个真实的浏览器实例——支持启动、导航、点击、填写表单、截图、提取文本、运行 JavaScript 等操作,并配备内核级真实设备指纹和持久化用户配置文件,确保会话在多次运行之间保持登录状态,且页面感知…
当用户需要追踪支出、扫描收据、上传信用卡支付截图、分类消费、记录交易、查看支出摘要、查看
把老板口述、客户反馈与截图整理成可开发的需求说明和验收案例,适合产品经理与创业团队
把品牌介绍、产品卖点和页面需求变成可以本地查看的网站原型,适合企业官网、活动落地页与服务介绍页
将带彩色背景、水印、阴影、反光或复杂排版的文档截图或照片,经AI智能处理一键转换为白底黑字的清晰可读版本,去除视觉干扰、还原标准印刷体效果,便于阅读、打印、存档或OCR识别
中文:给出可维护的端到端自动化方案:选择器策略、等待与重试、测试数据隔离、失败截图与报告产出
图片与文档转文字的成品 Skill
微信小程序「上线体检官」:UI 审阅 × 多角色环测 × 过审预检 × 360 评分 × 按量付费改造
用户说页面偶尔卡住却描述不清时,用AI-HIVE核验Kimi K2
把幻灯片图片、截图、扫描版 PDF 或纯图片型 PPTX 重建为对象级可编辑的 PowerPoint:确定性 CLI 运行时贯穿 preflight 检查、OCR 文本提示、run 生命周期(prepare/next/dispatch/re…
设计、改进和评审网站、App、后台与组件的界面:探索设计方向、生成多风格同屏对比页,并基于真实截图打磨视觉层级;按请求交付对比页、设计说明、设计稿或可运行界面
用自然语言制作和修改可交互产品原型,混用已有截图、HTML 与新界面,组织流程画布并导出独立体验原型或评审工作台
对浏览器自动化会话做完整 DevTools 协议追踪的调试工作流:以只读 CDP 客户端附加到正在运行的自动化,把 CDP 事件记录为 NDJSON,并行轮询截图与 DOM 快照,再按 network/console/DOM/page 分桶…