代码语言：python

所属分类：其他

代码描述：python调用gemini api实现自然语言自动化操作电脑代码，采用网格模式，在截图上绘制一个网格（例如 A1, B1, C1... A2, B2...），然后让 AI 返回它想要点击的网格单元ID（例如 "C4"）。我们的 Python 代码再将这个简单的 ID 转换为精确的屏幕坐标。 这个方法极大地简化了 AI 的任务，将一个困难的坐标回归问题转换为了一个简单的分类问题，从而显著提高了点击的准确性和可靠性。

代码标签： python 调用 gemini api 自然 语言 自动化 操作 电脑 代码

下面为部分代码预览，完整代码请点击下载或在bfwstudio webide中打开

#!/usr/bin/python3
# -*- coding: utf-8 -*
import os
import json
import time
import google.generativeai as genai
import pyautogui
from PIL import Image, ImageDraw, ImageFont
import io # <--- 确保导入了 io

# --- 配置区 ---
GRID_SIZE =20

# --- 辅助函数 (保持不变) ---

def get_grid_cell_id(col, row):
    col_char = chr(ord('A') + col)
    return f"{col_char}{row + 1}"

def draw_grid_on_image(image: Image.Image) -> Image.Image:
    draw = ImageDraw.Draw(image)
    width, height = image.size
    cell_width = width / GRID_SIZE
    cell_height = height / GRID_SIZE
    try:
        font = ImageFont.truetype("arial.ttf", 12)
    except IOError:
        font = ImageFont.load_default()
    for i in range(1, GRID_SIZE):
        draw.line([(i * cell_width, 0), (i * cell_width, height)], fill="red", width=1)
        draw.line([(0, i * cell_height), (width, i * cell_height)], fill="red", width=1)
    for row in range(GRID_SIZE):
        for col in range(GRID_SIZE):
            cell_id = get_grid_cell_id(col, row)
.........完整代码请登录后点击上方下载按钮下载查看

网友评论0

取消

评论提交中...

提交评论