在用agent工程+adb控制手机爬取一些数据，其中会遇到滑动型、物体识别型的验证码，如 
 [002] 
[002] 
目前的大概做法就是视觉模型识别坐标，然后拟人化的adb来操作，完成度其实蛮高的。 
但是架不住某些app的风控有点严，因为耗时主要在视觉模型识别坐标这一part，从开始识别到实际开始操作，中间隔了小段时间（几秒到十几秒不等），某些app认为你在验证码界面停留这么长时间才操作，认为是“异常请求”（即使agent做的是准确的）： 
[image] 
究其原因还是识别坐标这一过程慢了，所以想请求L站的大佬（尤其是搞爬虫的大佬）有没有做过较为快速响应的，帮帮忙给点建议~ 
已经尝试在做的： 
1.github找一些解决滑动拼图和图标点类型的项目，但是没找到合适的，年份都比较“老”了，应该是视觉模型发展后，确实解决了一部分需求。 
2.改用更小的视觉模型？4B、8B？我现在用的是...