开发者质疑 Jev 做 GUI automation 的实际效果

晓 @codingzx原推发布于 2026.09.22

在 X 上打开原推

browser use + Jev 在我看来也就是个玩具，大部分人无脑吹 Jev 用来做 GUI automation 的都是没有真正用它在真实场景下跑过多少 GUI automation 任务的。 24 年 gpt 4o 刚出来没多久我们就开源了 https://github.com/web-infra-dev/midscene ，早期的版本就是基于 dom 树给候选列表让模型推断该输入还是该点击，操作哪个元素。但是短板是什么呢？没有多模态且上下文只有 32000 的 Jev 你会发现放到真实且稍微复杂一些的网页中你是根本没法用的，因为两个无法绕过的问题： 1. 不带语义的 icon 元素 2. shadowdom/iframe/canvas 导致无法提取语义化元素 更不要说跑在移动端这种 automation 任务上，连结构化语义的元素都拿不到，大部分 app 原生的应用极少，都是采用 Flutter/Lynx 这种跨终端通常采用类似 canvas 的方案。

这条是引用着另一条写的：「Browser Use + Jev：7 秒查航班，成本约 $0.0039」