vision-click - 基于 Codex CLI 的视觉截图坐标点击工具
使用 Codex CLI 对非 DOM 元素进行截图分析并执行鼠标坐标点击。
标签
更新于: 2026-09-17能力
典型输入
典型输出
该技能可以做什么
- 捕获浏览器截图
- 使用 Codex CLI 分析截图
- 修正 DPR 像素坐标
- 执行坐标鼠标点击
- 点击前二次验证目标
- 调整视口或裁剪区域
输入
- 目标元素描述
- 浏览器截图
- CDP 端口与浏览器脚本路径
- 可选视口与裁剪区域参数
- 可选观察包 JSON 文件
输出
- 浏览器鼠标点击事件
- 命令行退出状态码
要求
- 运行中的 agbrowse Chrome 实例
- 已安装的 Codex CLI