Loading video...

Video Failed to Load

Go Home

33秒的视频--新版 ChatGPT Codex 侧边栏 + 电脑操控演示（含避坑指南） Codex 更新了 Chrome 浏览器插件（侧边栏），现在直接可以在浏览器打开CodeX的侧边栏工作，支持电脑操控。AI 可自动模拟真实浏览器操作：打开页面、点击、读取内容、抓取数据等，提升了网页交互能力，模仿真人的操作 接下来我手把手教你怎么设置，以及怎么避坑： 1. 先设置权限（关键，很多人都卡在这里）： 打开 Codex 设置 → 电脑操控 开启 Google Chrome，确认显示 已连接（绿色小点） 🌟连接不上或无法运行 → 换 VPN 节点；换节点还不行，就让 Codex 检查本地是否有残留的其他浏览器操作插件（如 OpenCLI），清理后即可。我实测有效 2. 设置完成后，在浏览器直接打开 ChatGPT / Codex 侧边栏 进行对话，即可操纵浏览器 我的视频操作是，直接在CodeX侧边栏输入： “帮我直接在小红书搜索 CODEX 相关内容，找到5个点赞比较高的作品，每个作品再抓5条热门评论。最后帮我总结大家在关心什么、吐槽什么、想知道什么。” AI 通过 Chrome 集成技术自动读取搜索结果，打开高赞笔记，抓取评论区，输出结构化总结（安装、费用、国内使用限制、实际用法等讨论点） 整体用下来还是比较丝滑的，没有遇到什么卡点 适用场景： 各种网页平台内容抓取与分析（包括小红书、X、LinkedIn、电商平台、论坛等）、UI...

SUOHA_AI's profile picture

梭哈.AI

29,185 subscribers

28,542 views • 1 month ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

🚀 Chrome 146 刚刚发布！ 现在，只需 一个开关，就能把你当前的 Chrome 浏览器会话暴露给 MCP，让你的 CLI AI 代理直接在 真实页面里操作。 📌 不用启动新浏览器 📌 直接利用你当前的标签页 📌 读取内容、点击、注入 JS……想做什么就做什么 你会用这个能力做什么？🤔 🔗 项目地址：👇
0:26

🚀 Chrome 146 刚刚发布！ 现在，只需 一个开关，就能把你当前的 Chrome 浏览器会话暴露给 MCP，让你的 CLI AI 代理直接在 真实页面里操作。 📌 不用启动新浏览器 📌 直接利用你当前的标签页 📌 读取内容、点击、注入 JS……想做什么就做什么 你会用这个能力做什么？🤔 🔗 项目地址：👇

axiaisacat

99,693 views • 5 months ago

Claude 在Cowork 推出了中内置浏览器 当你的任务涉及网站时，浏览器会在 Cowork 的侧边栏中打开，Claude 会进行导航、填写表单并完成任务 这个浏览器属于 Claude 自己，与你的个人浏览器（历史、书签、标签页、密码）完全隔离。 你可以按需选择性同步部分网站的登录状态（支持 macOS 上的 Chrome/Edge/Firefox 以及 Windows/Linux 上的 Firefox），但银行、邮箱和单点登录（SSO）等敏感站点默认排除 适用场景：适合将完整的网页任务直接“外包”给 Claude，例如跨平台收集竞品调研数据、从供应商后台批量下载当月账单，或在没有 API 接口的系统里自动填表 面向 Pro、Max 和 Team 订阅用户陆续推送；Enterprise 企业管理员即日起可在后台开启 跨设备支持：内置浏览器依附于桌面端运行 只要你的电脑端桌面应用保持打开并联网，即使从手机端或网页端向 Claude 发送任务，它依然能调用桌面端的内置浏览器完成操作。 若之前已安装 Chrome 插件，默认仍优先使用插件；其他情况下默认启用内置浏览器（可在 Settings → Cowork → Preferred browser 中自由切换）。
0:30

Claude 在Cowork 推出了中内置浏览器 当你的任务涉及网站时，浏览器会在 Cowork 的侧边栏中打开，Claude 会进行导航、填写表单并完成任务 这个浏览器属于 Claude 自己，与你的个人浏览器（历史、书签、标签页、密码）完全隔离。 你可以按需选择性同步部分网站的登录状态（支持 macOS 上的 Chrome/Edge/Firefox 以及 Windows/Linux 上的 Firefox），但银行、邮箱和单点登录（SSO）等敏感站点默认排除 适用场景：适合将完整的网页任务直接“外包”给 Claude，例如跨平台收集竞品调研数据、从供应商后台批量下载当月账单，或在没有 API 接口的系统里自动填表 面向 Pro、Max 和 Team 订阅用户陆续推送；Enterprise 企业管理员即日起可在后台开启 跨设备支持：内置浏览器依附于桌面端运行 只要你的电脑端桌面应用保持打开并联网，即使从手机端或网页端向 Claude 发送任务，它依然能调用桌面端的内置浏览器完成操作。 若之前已安装 Chrome 插件，默认仍优先使用插件；其他情况下默认启用内置浏览器（可在 Settings → Cowork → Preferred browser 中自由切换）。

小互

11,065 views • 5 days ago

Claude Desktop 接管了我的 Chrome🐙 总算打通了！通过 MCP 协议，AI 现在可以直接操控浏览器 打开网页、填表单、点按钮 全部自动化 上次用的是插件方案，这次直接走 Claude Desktop，放在浏览器旁边就行 不用再多个窗口来回切 很多自动化场景在浏览器上，这一步打通，后面的事就顺了 一直在调的OpenClaw 小龙虾🦞就先放回池子里吧😂
0:26

Claude Desktop 接管了我的 Chrome🐙 总算打通了！通过 MCP 协议，AI 现在可以直接操控浏览器 打开网页、填表单、点按钮 全部自动化 上次用的是插件方案，这次直接走 Claude Desktop，放在浏览器旁边就行 不用再多个窗口来回切 很多自动化场景在浏览器上，这一步打通，后面的事就顺了 一直在调的OpenClaw 小龙虾🦞就先放回池子里吧😂

老张来了

66,797 views • 5 months ago

Browser-Use WebUI 教程：轻松实现浏览器自动化操作 | 支持 Gemini / DeepSeek 等 AI 模型 通过一系列实战演示，你将学会如何利用该工具快速实现以下操作： 1. 自动填写并提交在线表单 2. 搜索并获取网页数据、总结内容 3. 打开网页，执行自动化浏览及操作 4. 连接Gemini、DeepSeek设置 时间戳 0:00 - 项目背景 1:45 - Gemini 自动化操作实战演示 5:02 - Gemini 和 DeepSeek 配置 6:23 - DeepSeek 自动化操作实战演示 7:15 - Browser-Use WebUI 安装 8:49 - 项目应用场景与总结
9:43

Browser-Use WebUI 教程：轻松实现浏览器自动化操作 | 支持 Gemini / DeepSeek 等 AI 模型 通过一系列实战演示，你将学会如何利用该工具快速实现以下操作： 1. 自动填写并提交在线表单 2. 搜索并获取网页数据、总结内容 3. 打开网页，执行自动化浏览及操作 4. 连接Gemini、DeepSeek设置 时间戳 0:00 - 项目背景 1:45 - Gemini 自动化操作实战演示 5:02 - Gemini 和 DeepSeek 配置 6:23 - DeepSeek 自动化操作实战演示 7:15 - Browser-Use WebUI 安装 8:49 - 项目应用场景与总结

nicekate

14,800 views • 1 year ago

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。 【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring 都能控制。 代价是慢。结构化插件可以直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用，这是其他方式做不到的。 Mac 和 Windows 的体验差距很大：Mac 上 Codex 可以在后台静悄悄地操作，你继续用自己的电脑不受影响；Windows 上它必须占据前台，操作期间你没法用那台机器。 Jason 举了个例子：有次他的快递被偷了，Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款流程。他去洗了个澡，回来退款已经办好了。 【2】Chrome 扩展：带着你的登录状态 Chrome 扩展让 Codex 使用你已登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录才能用的工具，Chrome 扩展是对的选择。 它还能同时控制多个标签页，在一个标签里读信息，到另一个标签里对比，再到第三个标签完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标，Chrome 扩展理解的是浏览器层面的上下文。 Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。 要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。 【3】内置浏览器：给开发者的沙盒 内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。 这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。 Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。 【选哪个？】 简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。
1:28

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。 【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring 都能控制。 代价是慢。结构化插件可以直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用，这是其他方式做不到的。 Mac 和 Windows 的体验差距很大：Mac 上 Codex 可以在后台静悄悄地操作，你继续用自己的电脑不受影响；Windows 上它必须占据前台，操作期间你没法用那台机器。 Jason 举了个例子：有次他的快递被偷了，Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款流程。他去洗了个澡，回来退款已经办好了。 【2】Chrome 扩展：带着你的登录状态 Chrome 扩展让 Codex 使用你已登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录才能用的工具，Chrome 扩展是对的选择。 它还能同时控制多个标签页，在一个标签里读信息，到另一个标签里对比，再到第三个标签完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标，Chrome 扩展理解的是浏览器层面的上下文。 Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。 要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。 【3】内置浏览器：给开发者的沙盒 内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。 这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。 Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。 【选哪个？】 简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。

宝玉

185,195 views • 2 months ago

卧槽，以后开发原生 App，可能真的不需要先准备移动设备了。 Dactyl 让你直接在浏览器里用自然语言描述需求，AI 生成 SwiftUI 代码，并通过 WASM 模拟器实时预览和操作。 从界面开发、功能调试，到摄像头、登录、支付等能力验证，都可以在浏览器中完成。确认效果后，再扫码安装到真实设备，或提交到应用商店。 这一切打开浏览器就能开始。
0:30

卧槽，以后开发原生 App，可能真的不需要先准备移动设备了。 Dactyl 让你直接在浏览器里用自然语言描述需求，AI 生成 SwiftUI 代码，并通过 WASM 模拟器实时预览和操作。 从界面开发、功能调试，到摄像头、登录、支付等能力验证，都可以在浏览器中完成。确认效果后，再扫码安装到真实设备，或提交到应用商店。 这一切打开浏览器就能开始。

Vince 聊开发

55,189 views • 7 days ago

这是我们的第 4 个 DeepSeek Harness 插件 🥳 iOS 模拟器 + 真机自动化插件 dsh-ios 🐳📱 让 DSH 中的 Agent 直接查看并操作 iOS 模拟器和真机 构建并运行 App，完成点击、滑动、输入等操作 还能检查进程、调用栈和内存泄漏 ⚙️ 内置 21 个 Agent 工具 实时画面显示在侧边栏，支持人机协同操作 🤗 支持 SwiftUI 预览热重载 在 DSH 中就能完成 iOS 开发、调试和自动化 欢迎使用： 演示视频前半段为模拟器，后半段为真机 快速安装见评论区 ⬇️ #deepseek #harness #dsh #plugin #ios #agent
1:08

这是我们的第 4 个 DeepSeek Harness 插件 🥳 iOS 模拟器 + 真机自动化插件 dsh-ios 🐳📱 让 DSH 中的 Agent 直接查看并操作 iOS 模拟器和真机 构建并运行 App，完成点击、滑动、输入等操作 还能检查进程、调用栈和内存泄漏 ⚙️ 内置 21 个 Agent 工具 实时画面显示在侧边栏，支持人机协同操作 🤗 支持 SwiftUI 预览热重载 在 DSH 中就能完成 iOS 开发、调试和自动化 欢迎使用： 演示视频前半段为模拟器，后半段为真机 快速安装见评论区 ⬇️ #deepseek #harness #dsh #plugin #ios #agent

Fini.Yang

185,884 views • 12 days ago

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。 之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。 目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。
0:27

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。 之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。 目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。

钟二信

23,961 views • 2 months ago

想让 AI 帮我们自动操作浏览器，比如抓取数据或填写表单，过去需要编写复杂的 Selenium 或 Puppeteer 代码，门槛确实不低。 最近在 GitHub 发现 BrowserWing 这个开源项目，可以充当了 LLM 大模型与本地浏览器之间的桥梁。 支持可视化脚本录制，能像按录像机一样记录我们在浏览器的操作，随后可直接回放或转为脚本，无需我们手写代码。 并且支持 MCP 和 Skills 协议，可以让 Claude 等 AI 助手直接接管浏览器，用自然语言指令完成“打开网页、搜索内容、提取数据” 等任务。 另外还支持智能数据提取，利用模型做内容分析，兼容 OpenAI、Claude 等多个模型。 并且提供稳定的会话管理，能处理 Cookie 和数据存储，可以一直保持登录状态。 提供 npm、pnpm 安装方式，也有 Linux、macOS、Windows 的一键安装脚本，或者直接下载预编译包运行。
0:51

想让 AI 帮我们自动操作浏览器，比如抓取数据或填写表单，过去需要编写复杂的 Selenium 或 Puppeteer 代码，门槛确实不低。 最近在 GitHub 发现 BrowserWing 这个开源项目，可以充当了 LLM 大模型与本地浏览器之间的桥梁。 支持可视化脚本录制，能像按录像机一样记录我们在浏览器的操作，随后可直接回放或转为脚本，无需我们手写代码。 并且支持 MCP 和 Skills 协议，可以让 Claude 等 AI 助手直接接管浏览器，用自然语言指令完成“打开网页、搜索内容、提取数据” 等任务。 另外还支持智能数据提取，利用模型做内容分析，兼容 OpenAI、Claude 等多个模型。 并且提供稳定的会话管理，能处理 Cookie 和数据存储，可以一直保持登录状态。 提供 npm、pnpm 安装方式，也有 Linux、macOS、Windows 的一键安装脚本，或者直接下载预编译包运行。

GitHubDaily

20,030 views • 7 months ago

这是玩 Seedance 2.5 必须在 Codex 中安装的插件： Higgsfield 安装这个插件，你在 codex 中可以直接调用 Higgsfield 生成高质量的 AIGC 视频，生产力直接起飞 我实测下来，最大的感受是现在 seedance 2.5 工作流直接住在了 codex 中，从关键帧 👉 视频提示词 👉 视频生成 👉 修改都可以直接在 codex 中完成 最让我震撼的两个点是： 1、我直接让 codex 学习了最优秀的开源 AIGC 视频提示词，然后根据自己的需求生成提示词，直接调用 Higgsfield 生成视频，整体效率直接拉满了 2、生成视频后，视频会直接在 Codex 中展示，其也会直接通过观看视频的关键帧，提出修改意见 这个插件一上线后，我就用其制作了一个小短片《我和 Claude 女孩的故事》 灵感来源: Claude 一直封杀我的账号，但是我还是像个舔狗订阅它 😭😭😭 具体成片和我怎么操作的，大家看下面视频👇（全部都在 codex 中操作）
0:38

这是玩 Seedance 2.5 必须在 Codex 中安装的插件： Higgsfield 安装这个插件，你在 codex 中可以直接调用 Higgsfield 生成高质量的 AIGC 视频，生产力直接起飞 我实测下来，最大的感受是现在 seedance 2.5 工作流直接住在了 codex 中，从关键帧 👉 视频提示词 👉 视频生成 👉 修改都可以直接在 codex 中完成 最让我震撼的两个点是： 1、我直接让 codex 学习了最优秀的开源 AIGC 视频提示词，然后根据自己的需求生成提示词，直接调用 Higgsfield 生成视频，整体效率直接拉满了 2、生成视频后，视频会直接在 Codex 中展示，其也会直接通过观看视频的关键帧，提出修改意见 这个插件一上线后，我就用其制作了一个小短片《我和 Claude 女孩的故事》 灵感来源: Claude 一直封杀我的账号，但是我还是像个舔狗订阅它 😭😭😭 具体成片和我怎么操作的，大家看下面视频👇（全部都在 codex 中操作）

Sac

91,999 views • 19 days ago

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。 它最打动我的一点是： 把最烦人的数据录入干掉了。 很多公司每天都在做这种重复工作： 复制数据 → 打开系统 → 填表 → 提交 以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。 几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统 直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot） 用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助 语音 → 操作网页 用户说话就能完成网页操作。 和很多 Agent 不一样的是，它 不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低 而且整个系统 直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化 相当于给网站装了一个 AI 操作员。 未来很多网站可能会变成这样： 用户不点按钮，而是直接和 AI 说话。
0:39

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。 它最打动我的一点是： 把最烦人的数据录入干掉了。 很多公司每天都在做这种重复工作： 复制数据 → 打开系统 → 填表 → 提交 以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。 几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统 直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot） 用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助 语音 → 操作网页 用户说话就能完成网页操作。 和很多 Agent 不一样的是，它 不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低 而且整个系统 直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化 相当于给网站装了一个 AI 操作员。 未来很多网站可能会变成这样： 用户不点按钮，而是直接和 AI 说话。

开发者Hailey

85,884 views • 5 months ago

豆包真的进飞书了！豆包的模型能力+飞书的知识管理，这两组合做国内AI自媒体有亿点东西啊！​ ​ 豆包负责打开抖音网页版，操控浏览器，批量抓取视频和数据，同时飞书负责把数据结构化写入飞书多维表格字段。​ ​ 我让豆包帮我抓取了抖音站内Codex排名前十的视频，记录链接、标题、博主名、粉丝数、逐字稿、标签、封面图，新建一个飞书多维表格写入。​ ​ 登录浏览器→搜索Codex→挨个点进详情页搜集数据→新建飞书多维表格字段→写入数据​ ​ 整个过程都完成得很好，所有我要求的数据都成功采集了下来，而且很神奇的是，我让豆包帮我把抓取到的第一个视频尝试转成逐字稿，但是我忘了告诉它用ASR，结果它直接在抖音里面打开了“AI抖音”生成逐字稿😅真会省Token。。。​ ​ 除了Seed2.1，豆包还有Seedance2.5，所以上述的视频对标拆解完了，我甚至还能让豆包直接给我根据搜集到的信息生成视频。。。
1:09

豆包真的进飞书了！豆包的模型能力+飞书的知识管理，这两组合做国内AI自媒体有亿点东西啊！​ ​ 豆包负责打开抖音网页版，操控浏览器，批量抓取视频和数据，同时飞书负责把数据结构化写入飞书多维表格字段。​ ​ 我让豆包帮我抓取了抖音站内Codex排名前十的视频，记录链接、标题、博主名、粉丝数、逐字稿、标签、封面图，新建一个飞书多维表格写入。​ ​ 登录浏览器→搜索Codex→挨个点进详情页搜集数据→新建飞书多维表格字段→写入数据​ ​ 整个过程都完成得很好，所有我要求的数据都成功采集了下来，而且很神奇的是，我让豆包帮我把抓取到的第一个视频尝试转成逐字稿，但是我忘了告诉它用ASR，结果它直接在抖音里面打开了“AI抖音”生成逐字稿😅真会省Token。。。​ ​ 除了Seed2.1，豆包还有Seedance2.5，所以上述的视频对标拆解完了，我甚至还能让豆包直接给我根据搜集到的信息生成视频。。。

逸尘

141,356 views • 28 days ago

兄弟们，以后要改图直接在Codex里调整，不浪费GPT生图次数🥳。 操作很简单： 1/ 在Codex的右侧栏里点开内置浏览器，输入网址： 2/ 在这个网站上打开你要修改的图片，并在上面标注要修改的地方，如图所示 3/ 然后把整张图连修改意见截图发给Codex，让它按截图上的修改已经进行调整，然后输出不带红色标记和文字的图片即可，完整内容如视频所示。 感谢大佬Cell 细胞提供的思路。
0:36

兄弟们，以后要改图直接在Codex里调整，不浪费GPT生图次数🥳。 操作很简单： 1/ 在Codex的右侧栏里点开内置浏览器，输入网址： 2/ 在这个网站上打开你要修改的图片，并在上面标注要修改的地方，如图所示 3/ 然后把整张图连修改意见截图发给Codex，让它按截图上的修改已经进行调整，然后输出不带红色标记和文字的图片即可，完整内容如视频所示。 感谢大佬Cell 细胞提供的思路。

李岳

147,255 views • 2 months ago

有个朋友最近想去 Threads 做账号。 内容方向他已经想好了，真正让他头疼的，是每天去哪里找热点，怎么整理素材，写完以后又怎么稳定发布。 我给他的建议很直接： 先用 EasyClaw 跑一套自动化。 刚好 EasyClaw EasyClaw 最近更新了 RPA 自动化，我也顺手拿这个需求实际测试了一遍。 最后做出来的效果是： Google Trends 获取热点 → 生成 Threads 文案 → 按照间隔逐条发布 整个过程比我原本想象中简单很多。 现在它也支持其他的平台实现自动化，感兴趣的可以去试试 首充用码 MJLH8QY7 可以享 95 折，每天 200 免费额度足够搭好几条监控了。 ////////////////////////// EasyClaw EasyClaw 需要从官推进入官网，再下载安装到电脑上，它目前并不是一个直接打开网页就能使用的 Web 工具。 因为后面会涉及浏览器操作、本地脚本和账号登录状态，我个人更建议安装在虚拟机，或者单独准备的 VPS 里。 一方面环境比较干净，可以减少其他软件和浏览器插件的干扰。 另一方面也能把自动化任务和自己的主力电脑隔离开，用起来会安心一些。 安装完成之后，找到里面的 automation-rpa Agent，就可以直接描述需求。 ////////////////////////// 我最开始给出的需求很简单（我把教程图贴了出来，我也把做好之后的运行视频录制了一下，大家可以看看）： “帮我做一个 Threads 运营工具，从 Google Trends 获取热点，再生成搞笑和 Crypto 方向的内容。” EasyClaw 会先确认热点来源、生成数量、发布方式和运行频率。 我选择抓取 5 个热点，生成 3 条内容，先保存草稿，确认没有问题以后再升级成自动发布。 接下来基本不用自己研究页面结构。 EasyClaw 会打开 Google Trends，处理弹窗，等待页面加载，找到热点列表并提取数据。 热点拿到以后，再按照提前设置好的方向生成 Threads 文案，并把结果保存到 Excel。 第一次运行时，可以先用少量数据试跑。 整套流程确认正常以后，再让它打开已经登录的 Threads，自动找到发帖入口、填写内容，并按照设置好的间隔逐条发布。 热点数量、内容方向、发布条数、间隔时间和文件路径，后面都可以直接修改。 第一次把流程做好，之后换一个话题、换一种文案风格，也能继续复用。 ////////////////////////// 最后生成的也不是一个只能在 EasyClaw 里运行的封闭任务。 整个流程会被整理成标准的 Python 脚本。 懂代码的人，可以打开 继续增加功能，接入新的数据源或者 AI API。 不懂代码的人，也可以直接调整参数运行。 后面还可以加入定时调度。 比如每天固定时间抓一次热点，生成几条内容，先保存草稿，或者直接发布到 Threads ////////////////////////// 这次实际用下来，EasyClaw 给我最明显的感受，就是做自动化的门槛确实被压低了。 以前想做一套类似的流程，可能要自己研究 Selenium、DOM 结构、浏览器驱动和各种报错。 现在只需要把需求尽量说清楚。 页面怎么打开，按钮在哪里，数据怎么提取，最后怎么整理成脚本，可以让 Agent 自己往下探索。 而且生成出来的任务还可以参数化。 今天用来做 Threads，明天换成抓取其他网站、整理资料或者批量处理一些重复工作，前面的思路都可以继续复用。 所以我愿意把 EasyClaw 理解成： 一个能操作真实浏览器，也能把操作写成脚本的 AI 助手。 你负责提出需求和检查结果。 中间那些重复、机械，又很浪费时间的操作，可以慢慢交给它。 我朋友原本只是想做一个 Threads 账号。 最后我们顺手给他搭出了一条能够反复运行的内容生产线。
0:39

有个朋友最近想去 Threads 做账号。 内容方向他已经想好了，真正让他头疼的，是每天去哪里找热点，怎么整理素材，写完以后又怎么稳定发布。 我给他的建议很直接： 先用 EasyClaw 跑一套自动化。 刚好 EasyClaw EasyClaw 最近更新了 RPA 自动化，我也顺手拿这个需求实际测试了一遍。 最后做出来的效果是： Google Trends 获取热点 → 生成 Threads 文案 → 按照间隔逐条发布 整个过程比我原本想象中简单很多。 现在它也支持其他的平台实现自动化，感兴趣的可以去试试 首充用码 MJLH8QY7 可以享 95 折，每天 200 免费额度足够搭好几条监控了。 ////////////////////////// EasyClaw EasyClaw 需要从官推进入官网，再下载安装到电脑上，它目前并不是一个直接打开网页就能使用的 Web 工具。 因为后面会涉及浏览器操作、本地脚本和账号登录状态，我个人更建议安装在虚拟机，或者单独准备的 VPS 里。 一方面环境比较干净，可以减少其他软件和浏览器插件的干扰。 另一方面也能把自动化任务和自己的主力电脑隔离开，用起来会安心一些。 安装完成之后，找到里面的 automation-rpa Agent，就可以直接描述需求。 ////////////////////////// 我最开始给出的需求很简单（我把教程图贴了出来，我也把做好之后的运行视频录制了一下，大家可以看看）： “帮我做一个 Threads 运营工具，从 Google Trends 获取热点，再生成搞笑和 Crypto 方向的内容。” EasyClaw 会先确认热点来源、生成数量、发布方式和运行频率。 我选择抓取 5 个热点，生成 3 条内容，先保存草稿，确认没有问题以后再升级成自动发布。 接下来基本不用自己研究页面结构。 EasyClaw 会打开 Google Trends，处理弹窗，等待页面加载，找到热点列表并提取数据。 热点拿到以后，再按照提前设置好的方向生成 Threads 文案，并把结果保存到 Excel。 第一次运行时，可以先用少量数据试跑。 整套流程确认正常以后，再让它打开已经登录的 Threads，自动找到发帖入口、填写内容，并按照设置好的间隔逐条发布。 热点数量、内容方向、发布条数、间隔时间和文件路径，后面都可以直接修改。 第一次把流程做好，之后换一个话题、换一种文案风格，也能继续复用。 ////////////////////////// 最后生成的也不是一个只能在 EasyClaw 里运行的封闭任务。 整个流程会被整理成标准的 Python 脚本。 懂代码的人，可以打开 继续增加功能，接入新的数据源或者 AI API。 不懂代码的人，也可以直接调整参数运行。 后面还可以加入定时调度。 比如每天固定时间抓一次热点，生成几条内容，先保存草稿，或者直接发布到 Threads ////////////////////////// 这次实际用下来，EasyClaw 给我最明显的感受，就是做自动化的门槛确实被压低了。 以前想做一套类似的流程，可能要自己研究 Selenium、DOM 结构、浏览器驱动和各种报错。 现在只需要把需求尽量说清楚。 页面怎么打开，按钮在哪里，数据怎么提取，最后怎么整理成脚本，可以让 Agent 自己往下探索。 而且生成出来的任务还可以参数化。 今天用来做 Threads，明天换成抓取其他网站、整理资料或者批量处理一些重复工作，前面的思路都可以继续复用。 所以我愿意把 EasyClaw 理解成： 一个能操作真实浏览器，也能把操作写成脚本的 AI 助手。 你负责提出需求和检查结果。 中间那些重复、机械，又很浪费时间的操作，可以慢慢交给它。 我朋友原本只是想做一个 Threads 账号。 最后我们顺手给他搭出了一条能够反复运行的内容生产线。

Mr.理想三旬(🌸,🍃)(FREE,WON)

13,675 views • 1 month ago

谷歌Chrome刚刚解锁了“上帝模式”，原生集成Gemini+垂直标签+技能商店，直接降维打击！ 这是一个完全免费，但能极大提升你搞钱效率的“信息差”玩法。今天拿Chrome最新隐藏功能拆解： 1⃣ 开启垂直标签：地址栏输入 chrome://flags，搜索“vertical”，点击Enabled。瞬间拥有Arc同款侧边栏，多任务处理效率翻倍。 2⃣ 解锁技能商店：在flags里搜索“skills”并开启。访问 chrome://skills/browse，这里有官方内置的AI技能库（如一键调研公司、食谱规划），不用装任何插件。 3⃣ 召唤Gemini侧边栏：点击右上角“Ask Gemini”，它能实时读取你当前页面，甚至跨标签页对比数据（比如同时打开三个竞品页，让它总结差异）。 4⃣ 深度整合：这不仅仅是个浏览器，这是谷歌给你配的免费AI员工。 整个过程不需要你懂任何代码，只要改两个设置，你的浏览器就进化了。 别去当那些AI浏览器的韭菜了，核心逻辑是“生态降维”。谷歌不需要做新浏览器，它只需要把AI塞进你每天都在用的Chrome里，其他人就得死。
2:01

谷歌Chrome刚刚解锁了“上帝模式”，原生集成Gemini+垂直标签+技能商店，直接降维打击！ 这是一个完全免费，但能极大提升你搞钱效率的“信息差”玩法。今天拿Chrome最新隐藏功能拆解： 1⃣ 开启垂直标签：地址栏输入 chrome://flags，搜索“vertical”，点击Enabled。瞬间拥有Arc同款侧边栏，多任务处理效率翻倍。 2⃣ 解锁技能商店：在flags里搜索“skills”并开启。访问 chrome://skills/browse，这里有官方内置的AI技能库（如一键调研公司、食谱规划），不用装任何插件。 3⃣ 召唤Gemini侧边栏：点击右上角“Ask Gemini”，它能实时读取你当前页面，甚至跨标签页对比数据（比如同时打开三个竞品页，让它总结差异）。 4⃣ 深度整合：这不仅仅是个浏览器，这是谷歌给你配的免费AI员工。 整个过程不需要你懂任何代码，只要改两个设置，你的浏览器就进化了。 别去当那些AI浏览器的韭菜了，核心逻辑是“生态降维”。谷歌不需要做新浏览器，它只需要把AI塞进你每天都在用的Chrome里，其他人就得死。

Vincent

240,858 views • 4 months ago

在 GitHub 挖到一个好用的工具：xiaohongshu-mcp，一个能把小红书运营流程自动化的 MCP 服务器。 它用浏览器自动化模拟真实操作，支持登录状态持久化、图文发布、内容搜索等能力，可直接集成到 Claude、Cursor 等客户端，让 AI 助手替你完成日常运营动作。 GitHub： 主要特性： - 登录状态管理：自动登录并保持会话不掉线 - 图文发布：图片 + 文案一键组合发布 - 关键词搜索：快速检索相关内容 - 推荐流获取：抓取首页推荐列表 - 多客户端支持：Claude、Cursor、VSCode 等均可接入 - 浏览器自动化：支持有头/无头模式运行 使用方式也很清晰：先跑登录脚本保存状态 → 启动 MCP 服务 → 配置到你常用的 MCP 客户端。之后就可以把小红书的操作交给 AI 助手来执行。
0:30

在 GitHub 挖到一个好用的工具：xiaohongshu-mcp，一个能把小红书运营流程自动化的 MCP 服务器。 它用浏览器自动化模拟真实操作，支持登录状态持久化、图文发布、内容搜索等能力，可直接集成到 Claude、Cursor 等客户端，让 AI 助手替你完成日常运营动作。 GitHub： 主要特性： - 登录状态管理：自动登录并保持会话不掉线 - 图文发布：图片 + 文案一键组合发布 - 关键词搜索：快速检索相关内容 - 推荐流获取：抓取首页推荐列表 - 多客户端支持：Claude、Cursor、VSCode 等均可接入 - 浏览器自动化：支持有头/无头模式运行 使用方式也很清晰：先跑登录脚本保存状态 → 启动 MCP 服务 → 配置到你常用的 MCP 客户端。之后就可以把小红书的操作交给 AI 助手来执行。

Joruno

24,889 views • 4 months ago

字节开源了一套 AI Agent 框架：Agent TARS 支持深度研究、电脑操作、文件编辑、MCP。 🌐高级浏览器操作：通过代理框架执行深度研究和操作员功能等复杂任务，实现全面的规划和执行。 🛠️全面的工具支持：集成搜索、文件编辑、MCP，工具来处理复杂的工作流程。 💻️增强的桌面应用程序：改进的用户界面，带有浏览器显示、多模式元素、会话管理、模型配置、对话流可视化以及浏览器/搜索状态跟踪。 🔄 工作流程编排：无缝连接 GUI 代理工具——搜索、浏览、探索链接并将信息合成最终输出。 ⚙️ 开发人员友好框架：简化与 UI-TARS 的集成以及 GUI 代理项目的自定义工作流程创建。 演示视频
0:21

字节开源了一套 AI Agent 框架：Agent TARS 支持深度研究、电脑操作、文件编辑、MCP。 🌐高级浏览器操作：通过代理框架执行深度研究和操作员功能等复杂任务，实现全面的规划和执行。 🛠️全面的工具支持：集成搜索、文件编辑、MCP，工具来处理复杂的工作流程。 💻️增强的桌面应用程序：改进的用户界面，带有浏览器显示、多模式元素、会话管理、模型配置、对话流可视化以及浏览器/搜索状态跟踪。 🔄 工作流程编排：无缝连接 GUI 代理工具——搜索、浏览、探索链接并将信息合成最终输出。 ⚙️ 开发人员友好框架：简化与 UI-TARS 的集成以及 GUI 代理项目的自定义工作流程创建。 演示视频

Orange AI

76,874 views • 1 year ago

在 GitHub 上发现 xiaohongshu-mcp 这个 MCP 服务器能帮我们实现自动化运营小红书。 通过浏览器自动化模拟人工操作，支持登录状态保持、图文发布、内容搜索等功能，可在 Claude、Cursor 等客户端上集成使用。 GitHub： 主要特性： - 自动登录管理，保持小红书登录状态 - 图文内容发布，支持图片和文字组合发布 - 内容搜索功能，根据关键词快速搜索相关内容 - 推荐列表获取，获取小红书首页推荐内容 - 支持 Claude、Cursor、VSCode 等客户端 - 浏览器自动化，可选有头或无头模式运行 需要先运行登录脚本保存状态，然后启动 MCP 服务，再配置到自己习惯用的 MCP 客户端，即可通过 AI 助手进行小红书操作。
0:30

在 GitHub 上发现 xiaohongshu-mcp 这个 MCP 服务器能帮我们实现自动化运营小红书。 通过浏览器自动化模拟人工操作，支持登录状态保持、图文发布、内容搜索等功能，可在 Claude、Cursor 等客户端上集成使用。 GitHub： 主要特性： - 自动登录管理，保持小红书登录状态 - 图文内容发布，支持图片和文字组合发布 - 内容搜索功能，根据关键词快速搜索相关内容 - 推荐列表获取，获取小红书首页推荐内容 - 支持 Claude、Cursor、VSCode 等客户端 - 浏览器自动化，可选有头或无头模式运行 需要先运行登录脚本保存状态，然后启动 MCP 服务，再配置到自己习惯用的 MCP 客户端，即可通过 AI 助手进行小红书操作。

GitHubDaily

49,793 views • 1 year ago

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务 在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒 可以做什么 ？ （视频演示） 1. 控制电脑 /远程服务器 小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器 上执行。 （它就是Hermes Agent） 可以做： 打开/关闭本地应用或网页 在电脑/远程服务器 上运行命令 读取、搜索、整理本地文件 上传文件给 Agent 分析 下载 Agent 生成的文件 控制浏览器访问网页、查资料、填表、抓取信息 调用本地 Coding Agent，让它改代码、跑测试、生成项目 查看运行日志、任务状态、错误信息 用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具 （生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。 文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。 终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。 浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。 代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。 语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。 自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。 多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。 一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。 产品功能： 语音唤醒桌面 Agent 实体按键触发 本地文件读取、搜索与整理 电脑/远程服务器命令执行与任务自动化 浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务 多模型、多 Profile 切换 多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀
1:31

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务 在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒 可以做什么 ？ （视频演示） 1. 控制电脑 /远程服务器 小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器 上执行。 （它就是Hermes Agent） 可以做： 打开/关闭本地应用或网页 在电脑/远程服务器 上运行命令 读取、搜索、整理本地文件 上传文件给 Agent 分析 下载 Agent 生成的文件 控制浏览器访问网页、查资料、填表、抓取信息 调用本地 Coding Agent，让它改代码、跑测试、生成项目 查看运行日志、任务状态、错误信息 用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具 （生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。 文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。 终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。 浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。 代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。 语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。 自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。 多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。 一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。 产品功能： 语音唤醒桌面 Agent 实体按键触发 本地文件读取、搜索与整理 电脑/远程服务器命令执行与任务自动化 浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务 多模型、多 Profile 切换 多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

31,786 views • 2 months ago