当前版本的四个流程如下所示：输入数据、Screph 中的工作、保存的结果以及每种模式的限制。
描述界面元素、它们的特征、状态和关系，以供后续自动化使用。
Windows 屏幕或窗口、单个快照或操作记录。
标记元素和连接、描述，如有必要，进行 OCR 和图像比较，然后检查结果。
主要项目和为Automation Runtime单独准备的脚本；所选数据也可以传递到 Screph Code。
边界： 该项目不会自动执行。要运行，您需要一个单独的脚本、一个坐标上下文和一个自定义的输入方法。
链接感兴趣的区域、方法参数、视觉结果和应用于标记的决策。
图像、屏幕截图、视频或媒体文件夹。
运行单个方法、方法序列或方法图，并将源数据与掩码、轮廓、识别的文本和指标进行比较。
参数、执行日志和结果文件。对主标记的更改仅在确认后才会保存。
边界： 带有模型的方法需要合适的模型文件和依赖项； Tesseract OCR 需要本地安装。
确定记录的击键或鼠标按钮的视觉目标。
动作录制以及动作之前、期间和之后的相关镜头。
LLM可以提出计划，计算机视觉技术在本地执行，结果由用户接受、修改或拒绝。
提议的目标、有关其起源的信息以及原始条目旁边的用户解决方案。
边界： 结果需要人工验证。原来的动作记录保持不变。
探索具有缺陷、测量、变化和轨迹领域数据类型的图像。
具有可用时间和空间数据的工业图像或无人机镜头。
选择模式，运行方法，将结果与原始数据进行比较，并确认支持的标记更改。
所选模式的基本标记和附加材料。
边界： 这些过程尚未完成，并且不控制设备、生产、任务或自动驾驶仪。