开源可视化自动化：拖拽搭积木构建工作流，魔法变量串联模块，支持条件循环、Shizuku/Root 高权限操作

字节开源视觉UI自动化框架15k stars：AndroidWorld跑分93.1%，一句话让AI点美团订酒店，60个任务模型成本仅0.59美元

Bun 专用无头浏览器 CLI，AI 编程助手自动化测试，支持截图/点击/表单交互

开源 AI 网页自动化 Chrome 扩展，支持多智能体协作，使用自有 API 密钥，替代 OpenAI Operator。

用 Python 控制鼠标键盘，截图识别+图像定位，三行代码实现桌面自动化，支持 Windows/macOS/Linux

Auto.js 停更后的活跃开源分支：无障碍+Shizuku 双通道，JS 写脚本、可打包 APK、VSCode 联动，6.4k Stars

双后端Win32/UIA双通道，自然属性式语法操控桌面控件，2006年至今仍在维护，测试/RPA/批处理通吃，6.2k Stars

Google Gemini的浏览器自动化工具，用自然语言控制浏览器执行操作，支持Playwright和Browserbase

字节跳动开源多模态智能体，桌面/浏览器/手机自动化操作，游戏任务 SOTA

一个 API 驱动 Chromium/Firefox/WebKit 三大浏览器，支持 TS/Python/Java/.NET，自动等待+追踪调试+AI Agent 浏览器控制

微软首个 Agentic SLM，7B 参数本地跑，看屏幕操作鼠标键盘自动执行任务

像素级截屏 + AI 分析 + 完整 GUI 自动化，支持自然语言指令驱动点击、输入、滚动、热键等操作，含 MCP Server

Apple Silicon专属：JSON写好剪辑计划直接变剪映原生草稿，Claude Code装上Skill就能驱动剪映出片。

设备端HTTP服务+Python客户端，pip装完一行connect直接操控手机：XPath定位、App管理、Watcher弹窗处理，8.4k Stars

基于 CDP 的轻量级 Python 框架，agent 中任务自动写代码补全功能，无需预定义流程，适合让 AI 完全控制浏览器

突破反爬封锁、人类无缝接管、多账号并行隔离，专为LLM推理设计的浏览器操控工具

谷歌出品：自然语言让AI像人一样操作安卓真机，IDE里直接驱动真机测代码，基准99%完成率！

密码库存本地不上云的开源方案，免费无订阅，浏览器自动填充，自带CLI智能体也能操作！

一行命令将任意网站转为结构化数据，AI 自动生成适配器，支持 JSON/CSV/Markdown 等多种输出，适合开发者与 AI Agent 用户快速抓取网页数据

支持视频号视频、直播回放、直播、图片下载的自动化工具，可自动监听微信视频号内容并一键下载，支持标题显示和暗黑模式，适合自媒体批量获取视频号素材