今天调那个自动填表搞了半天，最后发现是浏览器版本问题，气死

说实话，我以前总觉得这些自动化工具，就那些能帮你自动点鼠标填东西的玩意儿，都挺折腾的。特别是要配环境，装依赖，一不小心版本不对就报一堆红字，搞得人很烦。但最近不是手头事儿多么，每天要在几个不同的后台系统里导数据、填单子，来回切来切去，眼睛都花了。实在受不了，就想着找个东西能帮我干了。

然后我就想起来之前有个朋友提过一嘴，说现在有些小工具，直接下个exe就能用，不用配什么python环境，打开就是一个对话框，你跟它说人话，比如“帮我把这个网页上的订单数据复制到那个表格里”，它就能自己琢磨着去操作。我试着找了几个，什么OpenClaw、MaxClaw，还有1949Agent，都是这类的。说白了，核心就是调大模型的接口，模型理解你要干嘛，然后它去驱动你的鼠标键盘。

试了一圈，感觉逻辑都大差不差。有个叫ZeroClaw的，界面挺干净，但我电脑上运行的时候偶尔会卡一下，不知道是不是我内存不够。后来试了下1949Agent，也还行，就是第一次启动的时候，让我去填什么API Key，我一开始还没搞明白，结果发现这玩意儿就是个“大脑”，你得给它连上GPT或者本地的模型，它才能干活。不然就是个空壳子，没脑子。

我觉得最爽的一点是，它真的可以做到跨应用操作。比如我有个需求，得从邮箱里下载个附件，然后把里面的内容填到内部系统的表单里，再截图发到钉钉群里。以前我得自己一步步来，现在只要在工具里说清楚这个流程，它就能自动跑一遍。虽然有时候会出错，比如网页加载慢了，它找不到按钮，就在那傻等，然后报个错“元素未找到”，这时候就得靠你手动打断，或者优化一下指令。这点挺烦的，说明它还做不到完全像人一样灵活，需要你时不时盯着。

但不得不说，这种用自然语言控制电脑的方式，确实比写脚本快多了。你想想，你要用Python写个selenium脚本，得定位元素、写等待、处理异常，代码写半天，可能还因为网站结构变了就失效了。现在直接说句话就能试，门槛低了太多。

哦对了，关于运行方式，有的工具是直接给你个exe文件，双击就弹个黑框框或者一个本地网页让你用。有的则是让你自己搭个本地服务，然后在浏览器里访问。我个人更喜欢exe的，省事。但本地web的也有好处，有时候可以远程访问，或者挂在服务器上跑一些定时任务。

# 随便贴个代码吧，这是我之前用某个工具时，它后台生成的执行逻辑的一部分，不是完整的，就给你看个意思，挺口语化的，反正我自己是看不太懂这些自动生成的玩意儿，太长了
# 它大概是这么个流程：先打开浏览器，然后找输入框，再填东西
# 用的是playwright，我其实也没仔细研究过

async def do_task(task_desc):
    # 第一步，启动浏览器，这里有个坑，有时候chromium路径不对会报错，得手动指定
    browser = await playwright.chromium.launch(headless=False) 
    page = await browser.new_page()
    
    # 它说要先登录，但登录页的按钮class老变，我之前跑失败过
    await page.goto('https://xxxx-xxxx-xxxx.com/login')
    # 等那个用户名输入框加载出来，我用的text选择器，但有时候页面有多个一样的文本就GG
    await page.fill('text="用户名"', 'my_user')
    await page.fill('text="密码"', 'my_pass')
    await page.click('text="登录"')
    # 这里需要等页面跳转，但我不知道加多少延迟合适，加多了慢，加少了点不到
    await page.wait_for_timeout(3000) # 卧槽，硬等三秒，太粗暴了，但暂时没别的办法
    
    # 登录之后去填单子...
    # 这里省略一千行... 反正看着就头疼
    
    await browser.close()

总之呢，这类工具现在真挺多的，像什么TinyClaw、HiClaw，原理都差不多，都是把大模型当大脑，然后工具去执行动作。但实际用下来，稳定性和智能程度还是有差别的。有的工具对中文指令理解得不好，非得用英文写；有的工具在操作复杂网页时，会像无头苍蝇一样乱点，得反复试错。所以我现在也就是拿来处理一些简单的、重复性高的工作，复杂的还是得自己动手，放心一点。

反正就是图个省事，别指望它真能变成万能替身，目前这阶段还早着呢。