Posts on Levitan的博客

影刀使用小记

Tue, 02 Jun 2026 11:34:21 +0800

在平时处理影刀RPA问题的时候，会找到一些好用的技巧，在这篇文章中做个记录，也方便以后自己查找。

网页

获取网页弹窗（JavaScript Alerts）的内容

测试页面（需要翻墙）

类似下图这样的弹窗，这种事 JS 原生的 Alert 弹窗，不再 HTML 标签里，无法选中弹窗的 DOM

对于获取这类弹窗的内容，可以用以下思路解决

向页面注入JS劫持 window.alert 方法，将 msg 保存到全局变量
RPA点击按钮触发弹窗，然后关闭弹窗
向页面注入JS，读取全局变量中的 msg

劫持 windw.alert 的 js

function (element, input) {
    // 保存原始 alert
    window._originalAlert = window.alert;

    // 重写 alert，劫持弹窗内容
    window.alert = function (msg) {
        window._lastAlertMsg = msg;       // 存到全局变量
        console.log("捕获到弹窗：", msg);   // 调试打印
        window._originalAlert(msg);       // 继续弹出原弹窗
    };

    return null;
}

读取页面全局变量的 js

function (element, input) {
    // 读取劫持到的弹窗文本
    let msg = window._lastAlertMsg || "";
    console.log("最终弹窗内容：", msg);
    return msg;
}

在影刀中的使用如下图

在 Mac 上使用 launchtcl 部署服务

Thu, 09 Apr 2026 16:28:55 +0800

记录一下第一次在 mac 上使用 launchtcl 部署服务

使用 OpenClaw + Lume 搭建 MacOS 自动化环境

Tue, 03 Feb 2026 13:49:23 +0800

使用 OpenClaw + Lume 搭建 MacOS 自动化环境的完整教程，包括安装、配置和常见问题解决

AI驱动验证码自动化解决方案

Mon, 19 Jan 2026 14:56:08 +0800

使用多模态AI处理自动化过程中遇到的各种验证码

使用Hugo搭建博客

Tue, 13 Jan 2026 13:42:57 +0800

这篇文章也是用来记录我自己搭建博客博客的经历

1. 项目

1.1 实现链路

下面是整个博客的链路，因为我要考虑服务器迁移的问题，为了方便迁移所以会使用容器化方案。

最终实现我写好一篇文章，在本地使用 git push命令即可实现服务器自动更新内容。

1.2 文件结构

hugo-blog/
├── blog/
│   ├── source/
│   ├── repo.git/
└── docker-compose.yaml

source：存放hugo原始数据以及hugo编译后的public文件夹

repo.git：Git仓库

2. 博客搭建

2.1 创建Git仓库

在服务器上创建Git裸仓库，用于接收推送的代码

# 创建 git 文件夹
mkdir -p blog/repo.git
cd blog/repo.git

# 初始化裸仓库
git init --bare

配置自动化钩子，当本地终端通过git push推送文章时，服务器自动触发这个脚本

vim hooks/post-receive

#!/bin/bash

# 定义路径
GIT_DIR=$HOME/docker/hugo-blog/blog/repo.git
SRC_DIR=$HOME/docker/hugo-blog/blog/source

# 1. 检出源码到临时目录
git --work-tree=$SRC_DIR --git-dir=$GIT_DIR checkout -f main
echo "迁出分支成功"

# 2. 使用 Docker 运行 Hugo 构建
# --rm 表示构建完后自动删除容器
docker run --rm \
	-u $(id -u):$(id -g) \
	-v $SRC_DIR:/src \
	hugomods/hugo:latest build

echo "Hugo构建成功"

给脚本执行权限chmod +x hooks/post-receive

RPA Agent 探索

Tue, 23 Dec 2025 09:31:22 +0800

这次尝试的宗旨是

AI可替换，不和特定AI绑定

不考虑Token消耗

设计出通用的 AI 驱动框架，并不局限于 RPA 这个方面

1. 浅尝

最开始的想法是实现两个Agent分别是·、任务规划Agent和任务执行Agent

任务规划Agent根据用户需求列出步骤清单，任务执行Agent负责循环步骤清单执行步骤

1.1 任务规划Agent

我在实现完任务规划Agent后就发现，任务规划和执行分离不是一个好设计，规划的任务准确性会越来越低，所以这个方案我就没有继续实现执行Agent

rask_planner_agent.py

import base64
from langchain_deepseek import ChatDeepSeek
from langchain_openai import ChatOpenAI
from langchain.agents import create_agent
from .output_schema import TaskSchema


class TaskPlannerAgent:
    def __init__(self):
        self.llm = ChatOpenAI(
            openai_api_key="sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx,
            openai_api_base="https://openrouter.ai/api/v1",
            model_name="google/gemini-3-flash-preview"
        )

        # System prompt
        self.system_prompt = """
        你是一个专业的任务规划助手。用户将提供任务描述或图片，你需要结合这些信息将其拆解为结构化步骤。
        """

        self.agent = create_agent(
            model=self.llm,
            system_prompt=self.system_prompt,
            response_format=TaskSchema
        )

    def plan(self, instruction: str, image_path: str = None) -> TaskSchema:
        content = [{"type": "text", "text": instruction}]

        if image_path:
            image_data = self._encode_image(image_path)
            content.append({
                "type": "image_url",
                "image_url": {
                    "url": f"data:image/jpeg;base64,{image_data}"
                }
            })
        result = self.agent.invoke(
            {"messages": [{"role": "user", "content": content}]}
        )
        return result["structured_response"]

    def _encode_image(self, image_path: str):
        """将本地图片转为 base64编码"""
        with open(image_path, 'rb') as image_file:
            return base64.b64encode(image_file.read()).decode('utf-8')


def main(args):
    agent = TaskPlannerAgent()
    for step in agent.plan("搜索熊猫，并进入搜索结果的第一项内容", r"C:\Users\Levit\Desktop\1.jpg").steps:
        print(step)

output_schema.py 规范Agent输出格式