很多做 RPA 和浏览器自动化的朋友在问这种 21 秒跑完全程的具体工程实现, 替大家把核心的三层链路拆解如下:
第一层 结构化状态提取
通过 Playwright 或 Puppeteer 直接挂载到考试页面的 DOM 树, 快速提取当前的题干文本与候选的 ABCD 控件 ID。这一步只提取纯文本与选项范围, 完全不需要截取整屏图像, 节省了大量的多模态网络传输开销。
第二层 毫秒级单选决策
系统将题干与四个候选选项作为上下文, 调用 TypeSafe 的 Jev 进行单选原语求解。由于底层不走任何自回归长文本生成, 模型在 100 毫秒内直接输出胜出选项的键值与置信度, 没有格式错误, 也不存在额外的思考废话。
第三层 原生事件直驱与快速跳转
拿到单选结果后, 浏览器驱动直接触发对应控件的原生点击事件, 紧接着监听下一题按钮并瞬间派发跳转。三个环节严丝合缝咬在一起, 使得单题的全流程耗时被压制在 800 毫秒以内。
除了做题, 这套逻辑是目前处理企业内部高频问卷调查、资格审查和工单初筛最高效的自动化模版。