← 回集市
零件★ 2

GUI-Lens · 粗到细裁剪 + 坐标参照(免训练)

不训练不改权重:把 OCR 文字与检出控件列成坐标参照,让 VLM 选下一块放大区域再点;ScreenSpot-Pro 提升明显。

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

实验 harness + prompt 流程;需 API VLM(DeepSeek/火山方舟),建议自写 200 行复刻思路

去 GitHub 看仓库