一、引言：当 AI 自动化遇上定时巡检凌晨 3 点，你的 Web 应用正在为用户提供服务。但核心用户路径——从登录、搜索商品、加入购物车到下单一气呵成——是否依然顺畅？用户身份校验是否正常？支付网关的连接是否保持活跃？对于大多数中小团队而言，7×24 小时的人工值守是不现实的。传统的监控方案可以告诉你“服务是否还活着”，但无法回答“核心业务流程是否依然可用”。这就是我们引入定时自动化巡检的理由——通过定期执行端到端的用户路径验证，在真正用户发现问题之前主动发现隐患。然而，传统的 UI 自动化巡检脚本面临着严峻的维护挑战：页面结构微调导致选择器失效、动态渲染的异步内容需要复杂的等待逻辑、跨浏览器兼容性让脚本越写越臃肿……当维护巡检脚本的时间超过了手动检查的时间，自动化就失去了意义。2025 年 12 月，字节跳动 Web Infra 团队正式发布了Midscene v1.0——一款基于纯视觉驱动方案的 AI UI 自动化框架。自 2024 年开源以来，Midscene 已在 GitHub 上获得超过 1.2 万个星标，并在互联网、金融、政企、汽车等大量应用场景下完成落地。v1.0 版本宣告了一个重要的技术转向：UI 操作与元素定位不再依赖 DOM 信息，只基于截图完成。本文将基于 Midscene.js 的最新版本（截至 2026 年 5 月已迭代至 v1.8.0），系统性地讲解如何将 Midscene.js 的 YAML 自动化脚本接入 GitHu