← 回集市
零件
★ 73
Enikk · YOLO+OCR 先筛、必要时才调 VLM
多层感知:先用 YOLO+OCR 出候选元素框,必要时才叫视觉大模型,压低看屏幕的 token 成本。
作者没提供演示画面 —— 点下面的按钮进仓库自己看
怎么装 / 怎么用
Windows 10/11 免安装 zip(权重走 Git LFS 本地加载)
去 GitHub 看仓库