Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
PageEyes Agent 是一个轻量级 UI Agent，通过自然语言指令驱动，无需编写脚本既可实现Web、Android平台的UI自动化任务。
| Date | Stars |
|---|---|
| 2026-07-31 | 979 |
| 2026-08-06 | 983 |
Today
+4 stars today
This week
— stars this week
This month
— stars this month
Momentum
16.0
growth rate 0.00%/day
## PageEyes Agent
<a href="https://github.com/tencentmusic/page-eyes-agent/blob/master/LICENSE">
<img src="https://img.shields.io/badge/License-MIT-blue?labelColor=d4eaf7" alt="License">
</a>
<a href="https://pypi.org/project/page-eyes/">
<img alt="Version" src="https://img.shields.io/pypi/v/page-eyes.svg?labelColor=d4eaf7&label=version&color=blue">
</a>
---
**Documentation**: [PageEyes Agent](https://tencentmusic.github.io/page-eyes-agent/)
---
<p align="center">
<img src="./docs/img/logo-ai.png" height="100" alt="" />
</p>
PageEyes Agent 是基于 [Pydantic AI](https://ai.pydantic.dev/#why-use-pydanticai) 框架开发的一个轻量级 UI Agent，
其中元素信息感知能力依靠 [OmniParserV2](https://huggingface.co/microsoft/OmniParser-v2.0) 模型，整个 Agent
的优势在于不依赖视觉语言大模型，
即使小参数的 LLM 也能胜任路径规划能力，同时支持多平台（Web、Android、HarmonyOS、iOS、Electron 桌面应用），目前主要包含以下功能：
1. 完全由自然语言指令驱动，无需编写脚本，既可实现自动化测试，UI巡检等任务
2. 跨平台、跨端支持，在 Python 环境中安装 page-eyes 库和配置 OmniParser 服务后即可开始多个平台的自动化任务
3. 支持多种大模型接入，包括DeepSeek、OpenAI、千问等，默认使用 deepseek-v4-flash 模型，后续会支持更多大模型接入
4. 可通过自然语言进行断言，并生成详细的执行日志和报告，方便测试人员查看执行过程和结果
<p align="center">
<img title="" src="https://cdn-y.tencentmusic.com/1e1e171e6dd06b6808489acd381db735.png" alt="" width="610" data-align="center">
</p>
## 安装
您可以通过 [pip](https://pypi.org/project/page-eyes/) 安装
```shell
pip install page-eyes
```
或者克隆项目源码安装
```shell
git clone https://github.com/tencentmusic/page-eyes-agent.git
cd page-eyes-agent
uv sync # 安装依赖
```
## 快速开始
配置环境变量，可在项目根目录下创建一个 `.env` 文件，配置项可参考 [.env.example](.env.example)
### 一、轻量化部署: 配好模型, 插上手机就能跑
`.env` 中配置VLM模型，以 qwen3-vl-plus 为例
```shell
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
OPENAI_API_KEY=xxx-xxx-xxx-xxx-xxx
AGENT_MODEL_TYPE=vlm
AGENT_MODEL=openai:qwen3-vl-plus
```
编写测试脚本，以 Android 端为例（需先安装好 adb）
```python
import asyncio
from page_eyes.agent import AndroidAgent
async def main():
# 移动端
ui_agent = await AndroidAgent.create()
report = await ui_agent.run("打开QQ音乐, 点击乐馆，点击排行，点击腾讯音乐榜，检测当前页面出现由你榜")
if __name__ == "__main__":
asyncio.run(main())
```
### 二、多源融合(视觉小模型+大模型)部署
OmniParser + LLM
`.env` 中配置模型，以 deepseek-v4-flash 为例, OmiParser 需提前[部署](docs/getting-started/installation.md)
```shell
OPENAI_BASE_URL=https://api.deepseek.com/v1
OPENAI_API_KEY=xxx-xxx-xxx-xxx-xxx
AGENT_MODEL=openai:deepseek-v4-flash
OMNI_BASE_URL=http://127.0.0.1:8000
```
测试脚本参考上面已有示例
### 三、更多配置
| 环境变量 | 默认值 | 说明 |
|:-----------------|-----------------------------|--------------------------------------|
| AGENT_MODEL | openai:deepseek-v4-flash | 使用的AI模型，当前设置为 deepseek-v4-flash |
| AGENT_DEBUG | False | 是否启用调试模式 |
| BROWSER_HEADLESS | False | WebAgent 启动浏览器时是否使用无头模式 |
| AGENT_MODEL_TYPE | llm | Agent 使用的模型类型，支持 llm 和 vlm |
| OMNI_BASE_URL | http://127.0.0.1:8000 | OmniParser API的服务端点, vlm 不需要配置该项 |
| OPENAI_BASE_URL | https://api.deepseek.com/v1 | 模型 API 的服务端点 |
| OPENAI_API_KEY | xxx-xxx-xxx | 模型 API 所需的认证密钥 |
| IOS_WDA_URL | - | iOS WebDriverAgent 服务地址（仅 iOS 自动化需要） |
> llm 模型支持：`deepseek-v4-flash` `deepseek-v4-pro` `deepseek-v3.1-terminus` `deepseek-v3` `glm-4.7` `glm-4.6v` `qwen3-vl-plus` 等
Excerpt of 7,183 characters
Read on GitHub
179
26
14
8
2
1
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:1a47241d33ef4b56, llm:description: 'PageEyes Agent 是一个轻量级 UI Agent，通过自然语言指令驱动，无需编写脚本既可实现Web、Android平台的UI自动化任务.' (natural language driven UI automation for Web and Android)
matched fp:1a47241d33ef4b56, llm:description: 'PageEyes Agent 是一个轻量级 UI Agent，通过自然语言指令驱动，无需编写脚本既可实现Web、Android平台的UI自动化任务.' (natural language driven UI automation for Web and Android)
matched fp:1a47241d33ef4b56, llm:description: 'PageEyes Agent 是一个轻量级 UI Agent，通过自然语言指令驱动，无需编写脚本既可实现Web、Android平台的UI自动化任务.' (natural language driven UI automation for Web and Android)