AI时代下WebUI自动化实施架构图

这是一个非常经典的技术演进问题。从传统自动化到 AI Agent 驱动,不仅是工具的替换,更是架构范式的根本转变。
为了清晰地展示这种差异,我将架构图分为三个时代、四层逻辑:

  1. 传统时代(Selenium 时代):基于 DOM 和坐标的"机械骨骼"。
  2. 大模型混合时代(Copilot 时代):人机协作的"辅助驾驶"。
  3. AI Agent 时代(自动驾驶时代):视觉理解与自主规划的"数字员工"。
    以下是可直接在 Draw.io 中导入使用的源码,采用横向对比布局,让你一眼看清技术代际差异。

一、WebUI 自动化实施架构图


二、关键差异解读

|----------|------------------|-------------------|-----------------------|
| 维度 | 传统 Selenium | 大模型混合 Copilot | AI Agent 原生 |
| 核心依赖 | DOM 树 / XPath | DOM + 截图 + LLM 辅助 | 纯视觉流 (Screenshot) |
| 脚本生成 | 人工一行行编写 | AI 生成 90%,人工微调 | 无需脚本,仅有目标 |
| 健壮性 | 极弱,改版即挂 | 中等,AI 自愈 | 极强,像素级人类操作 |
| 异步处理 | 死板的 Sleep/Wait | 智能等待 DOM 变化 | 视觉判断(看到加载完毕) |
| 跨技术栈 | Canvas/Flash 无法测 | 部分支持 | 全支持(只认图) |
| 维护成本 | 极高 | 中等 | 极低 |


三、方案详解

1,传统时代方案 (L2 - 浏览器驱动层)
  • Selenium:标准的 W3C WebDriver 协议,通过 HTTP 请求控制浏览器。
  • Puppeteer/Playwright:绕过 WebDriver,直接通过 Chrome DevTools Protocol (CDP) 控制,速度更快,能监听网络请求。
  • Cypress:前端工程师最爱,内嵌浏览器,执行极快,但跨域和跨 Tab 支持较弱。
2,大模型混合时代方案 (L3 - 核心引擎层)
  • 自愈定位 (Self-Healing):当你用 Selenium 写死 id=login-btn,但改版后变成 id=signin-button,传统脚本直接报错。混合方案会开启 LLM,对比当前页面和旧脚本描述,将"登录按钮"自动修正为新的定位器。
  • 脚本生成:输入"测试购物车增加商品功能",LLM 观察 DOM 结构后,一次性生成 Python Selenium 脚本。
3,AI Agent 时代方案 (L3 - 智能体大脑层)
  • 基础版 (Action Transformer):如 SeeAct 模型,输入一张截图,直接输出下一步的 (X, Y) 点击坐标。无需理解 HTML。
  • 进阶版 (Agentic VLM):如 WebVoyager,包含"大脑 (Planner)"和"眼睛 (VLM)"。大脑负责分解任务,眼睛负责找按钮。例如,遇到"滑动验证码",大脑会判断:"这是一个反爬机制",眼睛则识别滑块和缺口位置并尝试拖拽------这是传统自动化完全无法做到的。
  • 评价与反思:Agent 操作后,会对比前后截图。如果点击后页面无变化,它会自我反思:"刚才的点位可能错了,我看一下附近有没有相似的按钮"。
    这幅架构图完整展示了从"机械执行"到"智能交互"的演进脉络,可直接用于技术方案评审。
相关推荐
在所不辞兄1 天前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下1 天前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码1 天前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下1 天前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩1 天前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek
FengY_HYY1 天前
从人类组织到人类&大模型组织,我的位置在哪里?
人工智能·程序员·llm
Flynn Liang1 天前
大模型成本优化:基于 Redis 的可验证语义缓存架构
人工智能·redis·缓存·架构·ai agent·智能体
锋行天下1 天前
langgraph全栈项目(一)
前端·人工智能·后端
程序员cxuan1 天前
不得了,Google 造反了,Opus 5.5 又被干了
人工智能·后端·程序员
数字新视界1 天前
能耗管理系统提升企业能源效率的实践与展望
大数据·人工智能·数据中心·机房管理·模块化机房