KeymouseGo:3个核心技术解析与跨平台自动化实战 [特殊字符]

news2026/4/29 21:00:11
KeymouseGo3个核心技术解析与跨平台自动化实战 【免费下载链接】KeymouseGo类似按键精灵的鼠标键盘录制和自动化操作 模拟点击和键入 | automate mouse clicks and keyboard input项目地址: https://gitcode.com/gh_mirrors/ke/KeymouseGo在当今数字化工作环境中重复性任务占据了大量宝贵时间。传统自动化工具往往受限于单一平台、复杂的配置流程或高昂的学习成本。KeymouseGo作为一款开源的跨平台鼠标键盘录制自动化框架通过Python技术栈实现了从录制到回放的完整工作流为开发者和普通用户提供了轻量级、易用且功能强大的桌面自动化解决方案。KeymouseGo的核心价值在于其简洁而强大的事件驱动架构设计支持Windows、Linux和macOS三大操作系统。该项目采用JSON5脚本格式记录用户操作序列实现了事件抽象、平台适配、脚本执行和用户界面的完全解耦为自动化任务提供了灵活的技术基础。如何解决跨平台自动化录制的兼容性问题事件抽象层的统一接口设计传统自动化工具往往为每个平台单独开发一套事件处理逻辑导致代码冗余和维护困难。KeymouseGo通过抽象基类设计将事件处理逻辑统一封装在Event基类中所有具体事件类型都继承自这个基类。from Event.Event import Event class MouseEvent(Event): def execute(self, thdNone): # 平台特定的鼠标事件执行逻辑 pass class KeyboardEvent(Event): def execute(self, thdNone): # 平台特定的键盘事件执行逻辑 pass这种设计确保了事件处理的统一性同时允许不同平台实现自己的执行逻辑。事件系统支持三种主要类型EM鼠标事件、EK键盘事件和EX输入事件涵盖了桌面自动化的基本需求。平台适配器的双重实现策略KeymouseGo采用双重适配策略来解决跨平台兼容性问题。对于Windows系统使用原生Windows API钩子实现高性能录制对于Linux和macOS则使用跨平台的pynput库。平台适配模块技术实现性能特点WindowsWindowsRecorderWindows API钩子高性能低延迟LinuxUniversalRecorderpynput库跨平台兼容性好macOSUniversalRecorderpynput库跨平台兼容性好平台检测与适配的核心逻辑如下import platform class PlatformAdapter: def __init__(self): self.system platform.system() def get_recorder(self): if self.system Windows: from Recorder.WindowsRecorder import WindowsRecorder return WindowsRecorder() else: from Recorder.UniversalRecorder import UniversalRecorder return UniversalRecorder()这种设计使得KeymouseGo能够在不同操作系统上提供一致的API接口同时充分利用各平台的性能优势。如何应对不同分辨率和缩放比例的坐标系统挑战相对坐标系统的智能处理坐标处理是桌面自动化工具面临的核心挑战之一特别是在多显示器、不同分辨率和缩放比例的环境中。KeymouseGo采用相对坐标系统将屏幕坐标归一化为百分比形式从而自动适应各种显示环境。图Windows显示设置中的缩放与布局选项KeymouseGo能智能适配不同的DPI缩放比例在UniversalEvents.py中坐标转换的核心逻辑如下class UniversalEvent(Event): def changepos(self, pos: tuple): if self.event_type EM: x, y pos if isinstance(x, int): self.action[0] x # 绝对坐标 else: self.action[0] int(x * SW) # 相对坐标转换为绝对坐标 if isinstance(y, int): self.action[1] y else: self.action[1] int(y * SH)这种设计允许脚本同时支持绝对坐标和相对坐标为不同的使用场景提供灵活性。例如在录制时可以使用绝对坐标确保精确性而在回放时可以使用相对坐标确保跨设备兼容性。高DPI环境下的自适应缩放现代操作系统普遍支持高DPI显示这给自动化工具的坐标定位带来了额外挑战。KeymouseGo通过集成PySide6的高DPI支持功能确保界面元素在不同缩放比例下保持正确的布局。def resize_layout(ui, ratio_w, ratio_h): ui.resize(ui.width() * ratio_w, ui.height() * ratio_h) for q_widget in ui.findChildren(QWidget): q_widget.setGeometry(QRect(q_widget.x() * ratio_w, q_widget.y() * ratio_h, q_widget.width() * ratio_w, q_widget.height() * ratio_h)) q_widget.setStyleSheet(font-size: str( math.ceil(9 * min(ratio_h, ratio_w))) px)这种自适应缩放机制确保了KeymouseGo界面在各种DPI设置下都能正确显示为用户提供一致的使用体验。如何实现高效的事件录制与回放机制⚡事件录制的精度控制策略录制精度是自动化工具的关键指标。KeymouseGo通过可配置的鼠标移动间隔参数在录制精度和脚本大小之间取得平衡。在UniversalRecorder.py中精度控制的核心逻辑如下def get_delay(action_type): delay globalv.current_ts() - globalv.latest_time # 录制鼠标轨迹的精度数值越小越精准但同时可能产生大量的冗余 mouse_move_interval_ms globalv.mouse_interval_ms or 999999 if action_type mouse move and delay mouse_move_interval_ms: return -1 # 忽略过于频繁的鼠标移动事件 if globalv.latest_time 0: delay 0 globalv.latest_time globalv.current_ts() return delay这种设计允许用户根据具体需求调整录制精度。对于需要精确轨迹的应用如绘图软件操作可以设置较小的间隔值对于一般性操作较大的间隔值可以减少脚本文件大小。事件回放的线程安全执行事件回放需要确保线程安全和执行顺序的准确性。KeymouseGo使用专门的线程类来处理脚本执行确保UI响应性和执行稳定性的平衡。logger.catch def single_run(script_path, run_times): flag StopFlag(False) thread RunScriptCMDClass(script_path, run_times, flag) thread.start() thread.join()RunScriptCMDClass继承自threading.Thread负责按顺序执行脚本中的事件。每个事件执行前都会检查停止标志确保用户可以随时中断执行过程。脚本格式的灵活性与可读性KeymouseGo使用JSON5格式存储录制脚本这种格式相比标准JSON支持注释和更灵活的数据结构提高了脚本的可读性和可维护性。{ // 这是一个示例脚本演示了鼠标点击和键盘输入的组合操作 scripts: [ { type: event, event_type: EM, delay: 1000, // 延迟1秒后执行 action_type: mouse left down, action: [0.2604%, 0.4630%] // 相对坐标 }, { type: event, event_type: EK, delay: 200, action_type: key down, action: [13, Enter, 0] // 按下Enter键 } ] }JSON5格式的脚本可以直接在文本编辑器中查看和编辑支持注释和更灵活的数字格式为高级用户提供了手动调整脚本的能力。如何构建模块化插件系统扩展功能插件接口的标准化设计KeymouseGo v5.2引入了模块化的插件系统允许开发者扩展功能而不修改核心代码。插件系统基于接口设计模式所有插件都必须实现PluginInterface中定义的方法。from Plugin.Interface import PluginInterface class CustomPlugin(PluginInterface): def __init__(self): self.name CustomPlugin self.version 1.0.0 def on_load(self): # 插件加载时的初始化逻辑 print(f插件 {self.name} v{self.version} 已加载) def on_unload(self): # 插件卸载时的清理逻辑 print(f插件 {self.name} 已卸载) def register_functions(self): # 注册插件提供的功能 return { custom_function: self.custom_function, data_processing: self.process_data } def custom_function(self, *args, **kwargs): # 自定义功能实现 return 自定义功能执行成功 def process_data(self, data): # 数据处理功能 return data.upper()这种设计确保了插件的可插拔性和兼容性。插件可以注册自定义函数这些函数可以通过脚本或UI调用为KeymouseGo提供了无限的功能扩展可能。插件管理器的动态加载机制插件管理器负责插件的加载、卸载和功能注册。它支持热插拔允许在不重启应用的情况下加载或卸载插件。class PluginManager: def __init__(self): self.plugins [] self.functions {} def load_plugin(self, plugin_path): # 动态加载插件模块 spec importlib.util.spec_from_file_location(plugin, plugin_path) module importlib.util.module_from_spec(spec) spec.loader.exec_module(module) # 创建插件实例 plugin_instance module.PluginClass() plugin_instance.on_load() # 注册插件功能 functions plugin_instance.register_functions() for name, func in functions.items(): self.functions[name] func self.plugins.append(plugin_instance) print(f插件 {plugin_instance.name} 加载成功注册了 {len(functions)} 个功能)动态加载机制使得KeymouseGo可以灵活地扩展功能用户可以根据需要选择加载特定的插件避免不必要的资源消耗。插件生态系统的实际应用场景插件系统为KeymouseGo打开了无限的可能性。以下是一些实用的插件应用场景网页自动化扩展集成Selenium或Playwright实现网页操作的录制和回放图像识别插件通过OpenCV实现基于图像识别的自动化操作数据库集成将自动化操作与数据库查询结果结合实现数据驱动的自动化API测试插件集成HTTP客户端实现API接口的自动化测试图KeymouseGo v5.1主界面展示了深色主题与功能区域划分包括脚本选择、执行参数配置和热键设置如何优化自动化脚本的性能与可靠性事件延迟的智能优化脚本执行性能直接影响自动化效率。KeymouseGo提供了多种延迟优化策略确保脚本执行的效率和准确性。class DelayOptimizer: def __init__(self): self.last_event_time 0 self.min_delay 10 # 最小延迟10ms def optimize_delay(self, script_events): optimized_events [] current_time 0 for event in script_events: # 合并连续的小延迟事件 if event.delay self.min_delay and len(optimized_events) 0: last_event optimized_events[-1] last_event.delay event.delay else: optimized_events.append(event) return optimized_events优化策略包括自适应延迟根据系统负载动态调整事件间隔批量处理合并相似事件减少系统调用预编译脚本提前解析脚本结构减少运行时开销资源管理与内存优化对于长时间运行的自动化任务内存管理至关重要。KeymouseGo实现了智能的资源管理机制避免内存泄漏和性能下降。class ResourceManager: def __init__(self): self.event_cache {} self.script_cache {} def cache_script(self, script_path): 缓存解析后的脚本避免重复解析 if script_path not in self.script_cache: with open(script_path, r, encodingutf-8) as f: content json5.load(f) self.script_cache[script_path] self.parse_script(content) return self.script_cache[script_path] def clear_cache(self): 清理缓存释放内存 self.event_cache.clear() self.script_cache.clear() print(资源缓存已清理)错误处理与恢复机制自动化脚本执行过程中可能会遇到各种异常情况。KeymouseGo提供了完善的错误处理机制确保脚本执行的稳定性。def safe_execute_event(event, error_handlerNone): try: event.execute() return True except Exception as e: if error_handler: error_handler(e, event) else: logger.error(f事件执行失败: {e}) # 尝试恢复操作 recover_from_error() return False错误恢复策略包括异常捕获与日志记录详细记录错误信息便于调试状态回滚在关键操作失败时回滚到安全状态用户通知通过UI或日志通知用户执行状态如何将KeymouseGo集成到现有工作流程中命令行模式与脚本化集成除了图形界面KeymouseGo还提供了完整的命令行接口便于集成到自动化流水线或CI/CD流程中。# 直接运行指定脚本 ./KeymouseGo scripts/0314_1452.txt # 运行指定脚本3次 ./KeymouseGo scripts/0314_1452.txt -rt 3 ./KeymouseGo scripts/0314_1452.txt --runtimes 3命令行模式支持以下参数-rt, --runtimes指定脚本执行次数-h, --help显示帮助信息-v, --version显示版本信息与其他自动化工具的集成方案KeymouseGo可以与其他自动化工具无缝集成构建更复杂的自动化解决方案。# 与Python脚本集成示例 import subprocess import time def run_keymousego_script(script_path, times1): 通过子进程运行KeymouseGo脚本 cmd [./KeymouseGo, script_path, -rt, str(times)] result subprocess.run(cmd, capture_outputTrue, textTrue) return result.returncode 0 # 集成到自动化测试流程 def automated_test_workflow(): # 1. 准备测试环境 setup_test_environment() # 2. 执行UI自动化 success run_keymousego_script(tests/ui_login.json5) # 3. 验证测试结果 if success: verify_test_results() else: handle_test_failure()持续集成与部署集成KeymouseGo可以集成到CI/CD流程中实现自动化测试和部署验证。# GitHub Actions配置示例 name: Automated Testing with KeymouseGo on: [push, pull_request] jobs: automation-test: runs-on: ubuntu-latest steps: - uses: actions/checkoutv2 - name: Set up Python uses: actions/setup-pythonv2 with: python-version: 3.9 - name: Install dependencies run: | pip install -r requirements-universal.txt pip install pytest - name: Run KeymouseGo tests run: | # 执行预定义的自动化测试脚本 python KeymouseGo.py test_scripts/ui_test.json5 --runtimes 3 - name: Generate test report run: | python generate_report.py进阶技巧从基础使用到专业级应用 脚本优化与性能调优对于复杂的自动化任务脚本优化可以显著提高执行效率和可靠性。减少不必要的鼠标移动通过调整mouse_interval_ms参数过滤掉过于频繁的鼠标移动事件使用相对坐标在可能的情况下使用相对坐标提高脚本的跨设备兼容性批量操作优化将连续的小延迟事件合并减少系统调用开销{ scripts: [ // 优化前多个小延迟事件 {type: event, event_type: EM, delay: 10, action_type: mouse move, action: [0.10%, 0.20%]}, {type: event, event_type: EM, delay: 10, action_type: mouse move, action: [0.15%, 0.25%]}, {type: event, event_type: EM, delay: 10, action_type: mouse move, action: [0.20%, 0.30%]}, // 优化后合并为一个事件 {type: event, event_type: EM, delay: 30, action_type: mouse move, action: [0.20%, 0.30%]} ] }复杂逻辑控制与条件执行KeymouseGo支持脚本中的条件判断和循环控制实现更复杂的自动化逻辑。{ scripts: [ // 条件执行示例根据时间执行不同操作 { type: condition, condition: ${hour} 12, scripts: [ {type: event, event_type: EX, delay: 1000, action_type: input, action: 上午任务开始} ] }, // 嵌套循环示例重复执行复杂操作序列 { type: loop, times: 5, scripts: [ {type: event, event_type: EM, delay: 500, action_type: mouse left down, action: [0.30%, 0.40%]}, { type: loop, times: 3, scripts: [ {type: event, event_type: EK, delay: 200, action_type: key down, action: [65, A, 0]}, {type: event, event_type: EK, delay: 100, action_type: key up, action: [65, A, 0]} ] } ] } ] }生产环境部署的最佳实践在生产环境中使用KeymouseGo时建议遵循以下最佳实践环境隔离为每个自动化任务创建独立的虚拟环境版本控制将脚本文件纳入版本控制系统监控与日志启用详细日志记录监控脚本执行状态错误恢复实现完善的错误处理和恢复机制性能监控定期检查脚本执行时间和资源使用情况# 生产环境监控示例 import logging import time from datetime import datetime class ProductionMonitor: def __init__(self): self.logger logging.getLogger(KeymouseGo) self.start_time None def start_monitoring(self, script_name): self.start_time time.time() self.logger.info(f开始执行脚本: {script_name} at {datetime.now()}) def end_monitoring(self, script_name, successTrue): elapsed time.time() - self.start_time status 成功 if success else 失败 self.logger.info(f脚本执行{status}: {script_name}, 耗时: {elapsed:.2f}秒) def log_event(self, event_type, details): self.logger.debug(f事件: {event_type}, 详情: {details})总结自动化工具的技术演进与未来展望KeymouseGo代表了桌面自动化工具的技术演进方向从简单的宏录制到智能的事件驱动架构从单一平台到跨平台兼容从封闭系统到开放的插件生态。其技术实现展示了现代自动化工具的多个关键特性架构先进性基于事件驱动的分层架构设计确保系统的可扩展性和可维护性跨平台能力统一的API抽象与平台特定实现支持Windows、Linux和macOS三大操作系统扩展性模块化的插件系统设计允许开发者轻松扩展功能性能优化智能的延迟优化和资源管理确保高效稳定的执行生态系统丰富的社区贡献和集成方案满足多样化的自动化需求随着人工智能和机器学习技术的发展未来的自动化工具将更加智能化。KeymouseGo为这一演进提供了坚实的基础架构开发者可以基于此构建更复杂的自动化解决方案满足日益增长的自动化需求。图JetBrains开发工具为KeymouseGo提供专业开发支持体现了项目的技术成熟度通过深入理解KeymouseGo的技术实现开发者不仅能够更好地使用这一工具还能够借鉴其设计理念构建自己的自动化解决方案。开源项目的价值不仅在于其功能更在于其提供的技术参考和架构范例。KeymouseGo的成功证明了简洁、模块化的设计在复杂软件系统中的重要性为自动化工具的发展指明了方向。【免费下载链接】KeymouseGo类似按键精灵的鼠标键盘录制和自动化操作 模拟点击和键入 | automate mouse clicks and keyboard input项目地址: https://gitcode.com/gh_mirrors/ke/KeymouseGo创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2529922.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…