mcpField
W
WorkflowLearner

WorkflowLearner

本地服务
github.com/u3588064AI 与智能体494 周前更新

关于 WorkflowLearner

WorkflowLearner 解析 Windows PSR.exe 生成的 MHT 操作记录,并让 LLM 学习其中的工作流。它面向希望从分步操作和截图中提取工作流信息的用户,包含解析与学习脚本。

主要功能

  1. 01解析 PSR.exe 生成的 MHT
  2. 02提取工作流信息
  3. 03通过 LLM 学习工作流
  4. 04将解析数据保存为 JSON

适用场景

  1. 01将操作记录解析为步骤数据
  2. 02从截图和步骤中提取工作流
  3. 03使用 LLM 理解已解析的工作流

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

工作流录制通 WorkflowLearner

项目概述

本项目旨在通过使用 PSR.exe 录制的 MHT 文件,让大语言模型(LLM)学习工作流。PSR.exe 是 Windows 操作系统中的问题步骤记录器,可以记录用户操作并生成 MHT 文件。通过解析这些 MHT 文件,LLM 可以学习和理解用户的工作流程。

为了教会 LLM Agent 如何处理 PSR.exe 的 MHT 文件,本项目旨在使用 PSR.exe 录制的 MHT 文件,让大语言模型(LLM)学习工作流。PSR.exe 是 Windows 操作系统中的问题步骤记录器,可以记录用户操作并生成 MHT 文件。通过解析这些 MHT 文件,LLM 可以学习和理解用户的工作流程。

在线演示: https://deepnote.com/app/skedge-d0bd/-9355fadf-b8e7-4dfb-acf1-7c56103d1360?utm_source=app-settings&utm_medium=product-shared-content&utm_campaign=data-app&utm_content=9355fadf-b8e7-4dfb-acf1-7c56103d1360

功能

  • 使用 PSR.exe 录制用户操作并生成 MHT 文件。

  • 解析 MHT 文件并提取工作流信息。

  • 使用 LLM 学习和理解工作流。

  • 使用 PSR.exe 录制用户操作并生成 MHT 文件。

  • 解析 MHT 文件并提取工作流信息。

  • 使用 LLM 学习和理解工作流。

安装

前提条件
  • Windows 操作系统
  • Python 3.x
  • PSR.exe(问题步骤记录器,Windows 自带)
安装步骤

克隆仓库:

git clone https://github.com/u3588064/WorkflowLearner
cd llm-workflow-learning

安装依赖:

pip install -r requirements.txt

使用方法

使用 PSR.exe 录制用户操作
  1. 打开 PSR.exe(问题步骤记录器),可通过 Win7/Win8/Win10 的搜索栏搜索找到。
  2. 点击“开始记录”按钮,然后开始你的工作。PSR.exe 会自动记录鼠标动作(如点击、拖动、滚动等)以及键盘动作(仅记录动作,不会记录键入的内容)。
  3. 完成操作后,点击“停止记录”按钮。软件会自动弹出保存窗口。
  4. 结果会以 Zip 压缩包的形式保存,压缩包内包含一个 MHT 格式的网页,其中包括分步操作和屏幕截图。

  1. 打开 PSR.exe(问题步骤记录器),可通过 Win7/Win8/Win10 的搜索栏找到。
  2. 点击“开始记录”按钮,然后开始你的工作。PSR.exe 会自动记录鼠标动作(例如点击、拖动、滚动)和键盘动作(仅记录动作,不记录键入的内容)。
  3. 操作完成后,点击“停止记录”按钮。软件会自动弹出保存窗口。
  4. 结果会保存为一个 Zip 文件,其中包含一个 MHT 文件,该文件包含分步操作和屏幕截图。
解析 MHT 文件:
python parse_mht.py path/to/your/file.mht
使用 LLM 学习工作流:
python learn_workflow.py path/to/parsed/data.json

文件结构:

llm-workflow-learning/
│
├── parse_mht.py          # 解析MHT文件的脚本
├── learn_workflow.py     # 使用LLM学习工作流的脚本
├── requirements.txt      # 项目依赖
├── README.md             # 项目说明文档
└── data/                 # 存放解析后的数据文件
llm-workflow-learning/
│
├── parse_mht.py          # Script to parse MHT files
├── learn_workflow.py     # Script to use LLM to learn workflows
├── requirements.txt      # Project dependencies
├── README.md             # Project documentation
└── data/                 # Directory to store parsed data files

贡献

欢迎贡献!请提交 Issue 或 Pull Request。

欢迎贡献!请提交 Issue 或 Pull Request。

许可证

本项目采用 MIT 许可证,详见 LICENSE 文件。

本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。

联系方式

如果您有任何问题或需要进一步的信息,请联系项目维护者:[email protected]。

qrcode_for_gh_643efb7db5bc_344(1)

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。