ucloud-deepseek-ocr
使用 DeepSeek-OCR 模型进行 OCR 文本识别
共 287 条已上架资产
使用 DeepSeek-OCR 模型进行 OCR 文本识别
将docx说明书翻译成指定语言,并重新截取应用界面截图替换文档中的原图
通过 browser-use 从命令行自动化浏览器任务,包括导航、交互、截图、标签页、Cookie、JavaScript、云端浏览等
此技能提供浏览器自动化功能,支持网页浏览、页面交互和截图捕获
使用 Rendshot 进行图像生成和截图
为纯文本模型提供视觉能力、多模态能力
👁️ 通过 MiniMax VL API 进行图像分析
用浏览器自动化与 DevTools 思路做截图、性能与网络分析及表单操作
使用 agent-browser CLI 进行浏览器自动化
浏览器智能控制
用 Playwright 对本地网页应用做交互测试、UI 调试、截图与日志查看
从通达信金融终端窗口截取股票日K图,并使用OCR识别MA均线数值
将培训资料、SOP、完整旁白、截图或已有动态 HTML 制作为真正有动作的动画培训视频,保留完整配音与字幕
使用 agent-browser CLI 实现完整的浏览器自动化
启动一个持久化的无头 Chromium 浏览器,启用远程调试(CDP),用于浏览器自动化操作,包括页面导航、点击、表单填写、截图和 Cookie 导入等
从现有网站或截图提取完整设计系统到 DESIGN
使用 TwitterShots API 生成高质量的 Twitter/X 帖子截图
使用Firecrawl API进行网页抓取和爬取,获取Markdown内容、截图、结构化数据、搜索网页及爬取文档
将源文件转换为 Markdown
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