导读：随着 AI 驱动的 UI 自动化工具 Midscene 在业界大规模落地，其运行耗时和 Token 成本成为开发者最关心的两大核心痛点。本文将系统拆解 Midscene 的架构原理，从模型上下文大小调优、Prompt 工程优化、缓存机制利用、竞品对比等多个维度，手把手带你将脚本耗时砍半。一、问题溯源：为什么你的 Midscene 脚本跑得这么慢？Midscene 作为字节跳动 Web Infra 团队开源的 AI 驱动 UI 自动化 SDK，自 2024 年发布以来，已在 GitHub 斩获 11k star、Trending 榜第二名，并在互联网、金融、政企、汽车等大量场景落地。然而，在实际落地中，开发者普遍遇到以下性能瓶颈：AI 模型调用次数过多：每次操作都重新调用大模型，大量时间消耗在网络往返和推理延迟上。Prompt 内容冗余：发送给模型的 Prompt 中包含大量无关的 DOM 信息和重复的页面上下文。模型本身推理慢：不同模型在 UI 自动化场景下的推理速度差异巨大。上下文窗口被浪费：模型上下文窗口虽然很大（如 200K tokens），但大量空间被无意义的 HTML 噪声占据。核心结论