我说的不是测试方向、也不是辅助方向的，是公司主业务此产品方向的。

哪有为什么？开发都没工作，测试更不用说了。我用之前的积累，目前在干 Agent 开发的工作。

我 36，在上家公司，团队里面我年龄最小

不只是 api，数据，Ai 操作其他系统的对接。rpa 等等。

可以在墨搭社区上，先做一个 local 类型的 mcp，目前这部分跟猜测是领域重合度很高，掌握后不管是从效率，还是未来职业方向可能会是一个好的方向

这个事情，之前我也想过，

1. 使用能够理解现实世界的模型：

GPT4o 听说对现实世界的理解以及定位精度很高

2.自己搞模型：

• 使用过 yolo 屏幕目标检测，我看到过有人用这个给王者荣耀的 hero 标注。实现游戏对战 https://kezhi.tech/86b4b2c0.html
• 但我更推荐《基于 Transformer 的目标检测之 DETR》https://zhuanlan.zhihu.com/p/387102036 这个技术更新。目前 yolo、还是 detr 我还没时间去尝试，标注的性能还没测试过

或者就使用方案一：依赖于 xml 层次结构

请看测试的模型，建议使用 32b，测试下来很准

1. 减少视觉模型调用的次数
2. 加快二次响应

白话讲，第一次遇到的问题（问大模型），第二次就不用再问了

再重新拉去一下代码已经增加 WEB 页面版本了