前言¶
自动化测试、UI 巡检、跨应用操作这类任务，长期面临一个共性问题：自动化脚本要拿到界面元素的稳定标识，一旦目标应用改版、元素 class 或 id 变化，脚本就会失效。为了一个按钮定位写大量等待和重试逻辑，是这类工作最费时间的地方。
下面介绍的 @org-jhs2x68z/screen-automation-engineer，思路与上述做法不同。它不依赖元素树或固定标识，而是用本地屏幕视觉技术直接理解界面，再通过自然语言创建和维护自动化流程。对于元素定位不稳定、跨应用或无控件树的界面场景，这比传统基于 DOM 的自动化更容易落地。
这是什么¶
屏幕自动化工程师（屏幕自动化工程师）是 SkillHub 上 ai-agent 分类下的一个 Skill，坐标为 @org-jhs2x68z/screen-automation-engineer，版本 1.2.7，来源 enterprise，由平道科技发布。
一句话定位：它是一个以屏幕视觉为核心的界面自动化 Agent Skill，能力包括屏幕理解、元素定位与流程维护。与按元素标识查找的常规自动化相比，它更强调本地屏幕视觉带来的识别与定位效率。
核心功能¶
下面介绍的功能均来自该 Skill 的官方简介，资料中未给出更细的能力拆分，故只列已核实的三项：
- 屏幕理解：利用本地屏幕视觉技术感知当前界面状态。
- 界面识别与定位：基于屏幕视觉提升界面识别和定位效率，不依赖元素树。
- 自然语言流程：通过自然语言创建和维护自动化流程。
关键属性¶
- 标签：
requires_api_key=false，即不要求额外的 API Key 配置。 - 分类：
ai-agent。 - 来源：
enterprise。
安装与启用¶
官方页面未提供安装命令、目录约定或配置文件字段，资料中也没有 Cursor / Codex CLI / Claude Code 的分平台说明。因此本节不给出未经核实的安装命令，避免写成无法执行的步骤。
可以确认的是：该 Skill 基于通用 SKILL.md 格式，坐标为 @org-jhs2x68z/screen-automation-engineer，标签显示无需 API Key。其官方地址为 https://api.skillhub.cn/org-jhs2x68z/screen-automation-engineer，页面 https://www.skillhub.cn/skills/org-jhs2x68z/screen-automation-engineer 提供详细说明。安装前建议先打开页面确认具体启用方式。
典型用法¶
官方资料只给出了能力层面的说明（屏幕理解、界面识别定位、自然语言流程维护），未提供可复现的命令行示例、参数或输出示例。为避免编造，本节不给出伪示例，仅描述其设计上的用法方向：用自然语言描述要执行的界面操作，由 Skill 完成屏幕理解与定位，再据此创建或维护自动化流程。
适用场景与注意¶
适合谁：
- 需要在元素标识不稳定、跨应用或无控件树的界面上做自动化的开发者与测试人员。
- 希望用自然语言描述流程，而不是手写定位与等待逻辑的 Agent 工作流使用者。
注意与限制：
- 功能细节取决于本地屏幕视觉能力，资料未给出分辨率、色彩、操作系统或隐私方面的边界，落地前应自行确认。
- 安装与启用方式在资料中缺失，需以官方页面为准。
数据口径说明¶
关于评分与下载量，任务线索给出的是评分 99286、下载 2065 次；官方页面抓取资料显示评分 100000、下载 2112。两者不一致，本文以官方页面抓取资料为准，差异可能来自统计时间不同，建议以官方页面实时数据为准。
结尾¶
屏幕自动化工程师的价值在于把「先找元素、再写脚本」的旧路径，换成「先理解屏幕、再用自然语言建流程」的路径，降低了界面自动化在改版与跨应用场景下的维护成本。如果你的工作涉及界面操作自动化且定位经常失效，可以从官方地址开始了解：
https://api.skillhub.cn/org-jhs2x68z/screen-automation-engineer
