使用 Midscene Bridge 模式的视觉驱动浏览器自动化。仅凭截图操作，无需 DOM 或无障碍标签。可与...交互
Chrome Bridge自动化
功能概述
Chrome Bridge自动化是一项面向实际任务的技能，主要用于规则- 违反规则会打破工作流程；绝不在背景中运行中场命令；
核心要点
- 每个命令必须同步运行, 以便读取输出( 例)。
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。
- 使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
使用与执行
该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；
结果检查与注意事项
若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
Chrome Bridge 自动化
关键规则 — 违反将导致工作流中断：
- 切勿在后台执行 midscene 命令。 每个命令必须同步运行，以便你在决定下一步操作前能读取其输出（尤其是截图）。后台执行会破坏「截图→分析→操作」闭环。
- 一次仅运行一个 midscene 命令。 务必等待上一条命令完成、查看截图后，再决定下一步操作。禁止将多个命令串联执行。
- 为每条命令预留充足执行时间。 midscene 命令涉及 AI 推理与屏幕交互，耗时通常远超普通 Shell 命令。典型命令约需 1 分钟；复杂的
act命令可能需要更长时间。- 任务完成后必须主动汇报结果。 完成自动化任务后，你 必须 主动向用户总结结果 —— 包括发现的关键数据、已完成的操作、已拍摄的截图，以及任何相关发现。严禁在最后一步自动化操作后静默退出；用户期望在单次交互中获得完整响应。
通过 Midscene Chrome 扩展（Bridge 模式）控制用户本地真实的 Chrome 浏览器，完整保留 cookies、会话及登录状态。你（AI Agent）作为“大脑”，基于截图内容决策后续操作。
命令格式
关键要求 — 每条命令必须严格遵循以下格式。禁止修改命令前缀。
npx @midscene/web@1 --bridge[args]
--bridge参数在此处为 必需项 —— 它启用 Bridge 模式，用于连接用户桌面端的 Chrome 浏览器
前置条件
用户已预先配置好 Chrome 浏览器及 Midscene 扩展。无需在连接前检查浏览器或扩展状态 —— 直接连接即可。
Midscene 需要具备强视觉定位能力的模型。以下环境变量必须配置完成 —— 可设为系统级环境变量，或置于当前工作目录下的 .env 文件中（Midscene 会自动加载 .env）：
MIDSCENE_MODEL_API_KEY="your-api-key" MIDSCENE_MODEL_NAME="model-name" MIDSCENE_MODEL_BASE_URL="https://..." MIDSCENE_MODEL_FAMILY="family-identifier"
示例：Gemini（Gemini-3-Flash）
MIDSCENE_MODEL_API_KEY="your-google-api-key" MIDSCENE_MODEL_NAME="gemini-3-flash" MIDSCENE_MODEL_BASE_URL="https://generativelanguage.googleapis.com/v1beta/openai/" MIDSCENE_MODEL_FAMILY="gemini"
示例：Qwen 3.5
MIDSCENE_MODEL_API_KEY="your-aliyun-api-key" MIDSCENE_MODEL_NAME="qwen3.5-plus" MIDSCENE_MODEL_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1" MIDSCENE_MODEL_FAMILY="qwen3.5" MIDSCENE_MODEL_REASONING_ENABLED="false" # 若使用 OpenRouter，请设置如下： # MIDSCENE_MODEL_API_KEY="your-openrouter-api-key" # MIDSCENE_MODEL_NAME="qwen/qwen3.5-plus" # MIDSCENE_MODEL_BASE_URL="https://openrouter.ai/api/v1"
示例：Doubao Seed 2.0 Lite
MIDSCENE_MODEL_API_KEY="your-doubao-api-key" MIDSCENE_MODEL_NAME="doubao-seed-2-0-lite" MIDSCENE_MODEL_BASE_URL="https://ark.cn-beijing.volces.com/api/v3" MIDSCENE_MODEL_FAMILY="doubao-seed"
常用模型：Doubao Seed 2.0 Lite、Qwen 3.5、Zhipu GLM-4.6V、Gemini-3-Pro、Gemini-3-Flash。
若模型未配置，请提示用户完成配置。支持的模型提供商详见《模型配置》文档。
命令列表
连接至网页
npx @midscene/web@1 --bridge connect --url https://example.com
截取屏幕截图
npx @midscene/web@1 --bridge take_screenshot
截图完成后，请读取保存的图像文件以理解当前页面状态，再决定下一步操作。
执行操作
使用 act 与页面交互并获取结果。它在内部自主处理全部 UI 交互 —— 包括点击、输入、滚动、悬停、等待和导航 —— 因此你应将复杂、高层级的任务整体交由它完成，而非拆分为细碎步骤。请用自然语言描述你希望达成的目标及其预期效果：
# 具体指令 npx @midscene/web@1 --bridge act --prompt "点击 Login 按钮，并在 email 字段中填入 'user@example.com'" npx @midscene/web@1 --bridge act --prompt "向下滚动并点击 Submit 按钮" # 或目标驱动型指令 npx @midscene/web@1 --bridge act --prompt "点击国家下拉框并选择 Japan"
断开连接
npx @midscene/web@1 --bridge disconnect
工作流模式
Bridge 模式连接用户本地真实的 Chrome 浏览器。每个 CLI 命令均建立独立的临时连接，但浏览器、标签页及所有状态（cookies、登录会话）始终被完整保留，无论是否执行 disconnect。因此重连轻量且无损。
请遵循以下流程：
- 连接 至指定 URL 以建立会话
- 截取截图 查看当前页面状态，确认页面已完全加载
- 执行操作 使用
act完成目标动作或目标驱动型指令 - 汇报结果 —— 总结已完成事项，呈现任务过程中提取的关键数据与发现，并列出所有生成文件（截图、日志等）及其绝对路径
- 仅在整体任务彻底完成时断开连接 —— 若用户后续可能有其他操作，请保持会话活跃，供后续对话轮次继续交互。切勿提前断开
最佳实践
- 务必先连接：任何交互前，须先用
connect --url导航至目标 URL。 - 对 UI 元素描述具体明确：避免使用模糊表述如
"the button"，应写为"contact form 中的蓝色 Submit 按钮"。 - 使用自然语言描述：基于页面实际可见内容表达，而非 CSS 选择器。例如写
"红色的 Buy Now 按钮"，而非"#buy-btn"。 - 妥善处理加载状态：在触发页面跳转或加载的操作后，应截取截图验证页面是否已就绪。
- 仅在完全结束时断开连接：仅当用户整体任务彻底完成、且无任何后续操作预期时才执行
disconnect。在多轮对话中，应跳过断开步骤，以便持续进行浏览器交互。断开连接是安全的 —— 它仅关闭 CLI 端的 Bridge 连接，不会影响浏览器或标签页本身；但若用户后续还需继续操作，重复连接将带来不必要的开销。 - 禁止后台执行：所有 midscene 命令必须同步运行 —— 后台执行会破坏「截图→分析→操作」闭环。
- 将关联操作批量整合进单条
act命令：若在同一页内需连续执行多项操作，请合并为一条act提示词，而非拆分为多条命令。例如，“填写 email 和 password 字段，然后点击 Login 按钮” 应作为单次act调用，而非三次独立命令。此举可减少往返次数、避免冗余的截图-分析循环，显著提升执行效率。 - 任务完成后必须主动汇报结果：自动化任务结束后，你 必须 主动向用户提供完整结果，无需等待用户询问。内容须包括：(1) 对用户原始问题的回答或所请求任务的最终结果；(2) 执行过程中提取或观察到的关键数据；(3) 截图及其他生成文件的绝对路径；(4) 所执行步骤的简要说明。严禁在最后一条自动化命令后静默退出 —— 用户期望在单次交互中获得完整结果。
示例 — 下拉框选择：
npx @midscene/web@1 --bridge act --prompt "点击国家下拉框并选择 Japan" npx @midscene/web@1 --bridge take_screenshot
示例 — 表单交互：
npx @midscene/web@1 --bridge act --prompt "在 email 字段中填入 'user@example.com'，在 password 字段中填入 'pass123'，然后点击 Log In 按钮" npx @midscene/web@1 --bridge take_screenshot
故障排查
Bridge 模式连接失败
- 请用户确认 Chrome 已启动，且已安装并启用 Midscene 扩展。
- Midscene 扩展可通过 Chrome 应用商店安装：https://chromewebstore.google.com/detail/midscenejs/gbldofcpkknbggpkmbdaefngejllnief
- 检查扩展图标旁的「bridge mode」指示器是否显示为 “Listening” 状态。
- 参阅《Bridge 模式文档》。
超时问题
- 网页加载可能耗时较长。连接后请先截图确认页面就绪，再进行交互。
- 对于加载缓慢的页面，建议在各步骤间短暂等待。
截图无法显示
- 截图路径为本地绝对路径。请使用 Read 工具打开查看。
相关专题
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
2026.10.22
0
11
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
2026.10.22
0
10
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
2026.10.22
0
15
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
2026.10.22
0
10
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
2026.10.22
0
25
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
2026.10.22
0
15
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查，覆盖本地环境、Docker及多平台用法，帮助Go开发者快速上手。
2026.10.22
0
15
PHP2Shell漏洞是什么，哪些PHP版本和运行环境会受到影响，服务器应该如何检测与修复？本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤，以及修复验证、临时缓解和应急响应方案。
2026.10.22
0
12
热门下载
相关下载
