Observação de tela
Use correspondência de imagem, OCR, detecção de objetos, capturas e busca na árvore UI para encontrar texto, botões, templates ou alvos visíveis na tela Android atual.
LaiCai Flow: ferramenta de automação Android com suporte a modelos de AI
LaiCai Flow cria Flows de automação Android sem programação. Arraste e conecte nós, integre visão, OCR, LLM e outros modelos de AI ou use AI Planner e MCP para configurar um Flow mais rapidamente.
Mais tutoriais em vídeo do LaiCai Flow
- Visão geral da interface do LaiCai Flow
- Crie seu primeiro perfil do LaiCai Flow
- Crie seu primeiro nó do LaiCai Flow
- Crie um LaiCai Flow manualmente
- Gere um LaiCai Flow com o AI Planner
- Gere perfis do LaiCai Flow com Codex e MCP
- Execute automação Android em dispositivos com LaiCai Flow
- Automatize o Google Photos com nós do LaiCai Flow
- Exclua uma imagem do Google Photos com nós do LaiCai Flow
- Exclua várias imagens do Google Photos com nós de repetição do Flow
- Exclua automaticamente todas as imagens do Google Photos com flow.until
- Digite texto automaticamente no Android com data.array e flow.foreach
- Transforme um celular Android antigo em um monitor de IA com o LaiCai Flow
- Transforme um celular Android em um leitor com nós OCR e Speak
- Automatize jogos Android com o LaiCai Flow Router
Core concepts
Você pode entender uma configuração Flow como um fluxograma: cada nó dentro do Flow faz apenas uma coisa. Cada nó tem entradas e saídas, e o nó anterior passa os dados para os nós seguintes. Por exemplo, um [nó de correspondência de imagem] só encontra as coordenadas da imagem e depois passa essas coordenadas para o próximo [nó de clique] executar a tarefa de clique.
Profile and Main Flow
A profile stores one or more flows. The Main Flow is the entry point that runs when you start automation on a device.
Nodes and data
O Flow oferece muitos tipos de nós para processar diferentes tipos de tarefas. Cada nó é responsável por uma ação clara ou por uma etapa de processamento de dados, como operações na tela, condições, transformação de dados, controle de fluxo, interação com serviços externos ou chamada de outro Flow. Depois de executado, um nó pode gerar dados para os próximos nós usarem.
O que os nós podem fazer
Os nós do LaiCai Flow cobrem observação de tela, ações no dispositivo, processamento de dados, controle de fluxo e integrações externas. Você combina como blocos: observar a tela, escolher dados, agir no dispositivo e depois ramificar, esperar, repetir ou chamar outro Flow.
Toque e entrada
Depois que um nó anterior fornece uma posição ou valor, execute toque, swipe, toque longo, arrastar, digitar texto, pressionar teclas ou ações de área de transferência.
Controle de app e dispositivo
Abra ou pare apps Android, envie Home e Back, tire capturas, grave a tela, ajuste volume ou salve mídia no telefone.
Processamento de dados
Escolha campos, leia caminhos JSON, monte objetos e arrays, filtre e ordene listas, compare valores e salve estado de execução para passos posteriores.
Controle de Flow
Ramifique por condições, espere entre passos, pare uma execução, chame Flows filhos, repita um Flow, percorra arrays ou execute até um Flow filho ter sucesso.
Integração externa
Chame HTTP APIs, carregue arquivos locais, execute macros ou scripts AutoJS salvos e use ADB Shell quando precisar de automação Android mais profunda.
Referência de nodes do LaiCai Flow
Consulte separadamente a função, as entradas, as saídas e os ambientes compatíveis de cada node.
apps
pointer
text-clipboard
vision
ui-tree
device
router
flow
data
llm
storage
files
audio
scripts-macros
network
advanced
Três formas de criar um workflow de automação LaiCai Flow
Método 1
Editar um Flow no Graph View
Ideal quando você quer montar o Flow por conta própria e a tarefa é clara e não muito complexa. No Graph View, adicione nós de automação, conecte-os na ordem de execução e configure os parâmetros, entradas, saídas e a passagem de dados entre os nós.
- Primeiro divida o objetivo em alguns passos determinísticos, como abrir app, aguardar a tela e tocar em um botão.
- Use conexões para mostrar o caminho de execução e ramificações simples, como success, failure, true e false.
- Execute após cada pequena seção e confira no log os parâmetros do nó, entradas, saídas e estado do dispositivo.
Método 2
Gerar um Flow conversando dentro do app LaiCai
Não é necessário saber programar. Qualquer pessoa pode descrever uma tarefa de automação em linguagem natural e deixar a IA gerar ou editar um Flow dentro do app LaiCai. Você pode explicar o objetivo como em uma conversa, como abrir um app, encontrar um botão, ler texto, tocar em um elemento, inserir conteúdo ou repetir ações. Também pode usar @mention para escolher rapidamente imagens de template, regiões OCR, assets do dispositivo ou um nó existente, para a IA atualizar o Profile atual com mais precisão.
- Descreva a tarefa em linguagem comum, por exemplo: “abra o YouTube, toque no ícone de busca e digite LaiCai Flow”.
- Use @mention para escolher assets como imagens de template, regiões de reconhecimento, capturas de botão ou nós existentes.
- A IA usa o Flow atual, as capacidades dos nós, o estado do dispositivo e os assets escolhidos para gerar ou ajustar conexões e parâmetros.
- Se faltarem nomes de pacote, imagens de template, regiões OCR, dados de conta ou parâmetros de API, o app pedirá essas informações em vez de adivinhar.
Método 3
Gerar Flows via MCP no Codex, Claude e outras ferramentas de AI desktop
Ideal para quem já usa Codex, Claude ou ferramentas de AI desktop semelhantes. Com o LaiCai MCP, a AI desktop pode ler diretamente dispositivos, capacidades dos nós, assets de automação e Profiles existentes, então você não precisa copiar esse contexto para o chat nem gastar tokens extras de LLM API com esse contexto local. Você pode continuar usando a leitura de código, análise de arquivos, raciocínio estruturado e contexto longo do Codex e do Claude enquanto a AI gera, verifica ou atualiza um LaiCai Flow Profile.
- Não é preciso copiar manualmente informações do dispositivo, node schema, assets ou conteúdo do Profile para a janela de chat.
- O contexto local fornecido pelo MCP não consome tokens extras de LLM API.
- Combine análise de código, leitura de arquivos e decomposição de problemas do Codex e Claude para ajudar a criar Flows mais complexos.
- Útil quando a AI deve consultar arquivos locais do projeto, assets de automação e o estado real do dispositivo ao manter um Profile.