xTag

Overview

Full name
docker.io/dkpayne/omniparser
Registry
docker.io
Namespace
dkpayne
Repository
omniparser
Cached tags
1
Last synced
07/06/2026, 08:15 PM

Introduction

OmniParser 屏幕 UI 元素解析 API 镜像，将截图转为结构化控件树，供 AI Agent 做 GUI 自动化与视觉 grounding。

Details

OmniParser 基于视觉模型识别界面按钮、输入框等可交互区域，输出带坐标的 JSON 供 LLM Agent 决策点击目标。容器以 HTTP API 形式提供服务，适合 RPA 原型、移动端/UI 测试辅助。推理可 CPU 运行但 GPU 显著加速；上传截图可能含敏感信息，API 应仅内网可达并限制请求大小。

快速启动

docker run -d --name omniparser \
  -p 8000:8000 \
  docker.io/dkpayne/omniparser:latest

推荐实践

docker run -d --name omniparser \
  --restart unless-stopped \
  -p 127.0.0.1:8000:8000 \
  --gpus all \
  -v /data/omniparser/models:/models \
  -e TZ=Asia/Shanghai \
  docker.io/dkpayne/omniparser:1.0

核心参数说明

  • -p 127.0.0.1:8000:8000 — REST API 端口，建议内网访问
  • --gpus all — GPU 加速视觉推理（可选但推荐）
  • -v /data/omniparser/models:/models — 模型权重缓存
  • --restart unless-stopped — Agent 后端持续可用
  • 隐私 — 截图勿含密码或 PII，生产启用 API 鉴权

Kubernetes

apiVersion: apps/v1
kind: Deployment
metadata:
  name: omniparser
spec:
  replicas: 1
  selector:
    matchLabels:
      app: omniparser
  template:
    metadata:
      labels:
        app: omniparser
    spec:
      containers:
        - name: omniparser
          image: docker.io/dkpayne/omniparser:1.0
          ports:
            - containerPort: 8000
          volumeMounts:
            - name: models
              mountPath: /models
      volumes:
        - name: models
          persistentVolumeClaim:
            claimName: omniparser-models
---
apiVersion: v1
kind: Service
metadata:
  name: omniparser
spec:
  selector:
    app: omniparser
  ports:
    - port: 8000
      targetPort: 8000

GPU 节点需配置 device plugin 并在 Pod 中申请 nvidia.com/gpu；模型 PVC 预下载权重，ClusterIP 内网供 Agent 调用。

Latest tags (20)

View all 1 tags →
TagArchPushed AtSizeDigestSyncWishAction
docker.io/dkpayne/omniparser
:latest
linux/amd64
2024/11/04 14:525.1 GBsha256:45b496fce19a…