Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

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... show more

梭哈.AI

25,806 subscribers

24,095 görüntüleme • 2 gün önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

🚀 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：👇

🚀 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

99,331 görüntüleme • 4 ay önce

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😂

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

66,754 görüntüleme • 4 ay önce

Arc 浏览器团队的 AI 浏览器 Dia 终于可以用了试了一下，可以看视频的演示目前可以读取你本地打开的任何网页或者全部网页进行对话网页读取的颗粒度非常细，可以读到指定位置的内容目前还不支持之前演示的自动操作网页的能力需要邀请的可以在评论区传火，我的码发完了

Arc 浏览器团队的 AI 浏览器 Dia 终于可以用了试了一下，可以看视频的演示目前可以读取你本地打开的任何网页或者全部网页进行对话网页读取的颗粒度非常细，可以读到指定位置的内容目前还不支持之前演示的自动操作网页的能力需要邀请的可以在评论区传火，我的码发完了

歸藏(guizang.ai)

56,879 görüntüleme • 1 yıl önce

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

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 görüntüleme • 1 yıl önce

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。

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

178,138 görüntüleme • 1 ay önce

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。

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 görüntüleme • 25 gün önce

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。

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

19,953 görüntüleme • 5 ay önce

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。

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

85,402 görüntüleme • 4 ay önce

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。

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

142,044 görüntüleme • 25 gün önce

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。

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

239,171 görüntüleme • 2 ay önce

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

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

76,627 görüntüleme • 1 yıl önce

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。

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

24,741 görüntüleme • 2 ay önce

🧵 Codex 深度拆解完整视频 Codex 不只是个聊天框，而是能帮你从 Web 应用一路做到桌面客户端、甚至远程操控电脑的全栈开发平台。视频里详细拆解了 10 个核心功能： 1. 用 Annotate 框选预览区直接改 UI，比反复打字描述更直观 2. 通过 Fork 功能复制会话，配合 Git worktree 实现并行开发不冲突 3. 创建 AGENTS.md 文件，让 Codex 每次自动执行 Git Commit 等全局指令 4. 安装 Computer Use 和 Chrome Plugin，让 Codex 自动操作浏览器和电脑 5. 设置定时任务，每天自动审查代码，再通过 Codex Mobile 用手机远程下发指令看完这个视频，你就能把 Codex 从玩具变成真正能 7x24 小时帮你干活的 AI 开发助手。

🧵 Codex 深度拆解完整视频 Codex 不只是个聊天框，而是能帮你从 Web 应用一路做到桌面客户端、甚至远程操控电脑的全栈开发平台。视频里详细拆解了 10 个核心功能： 1. 用 Annotate 框选预览区直接改 UI，比反复打字描述更直观 2. 通过 Fork 功能复制会话，配合 Git worktree 实现并行开发不冲突 3. 创建 AGENTS.md 文件，让 Codex 每次自动执行 Git Commit 等全局指令 4. 安装 Computer Use 和 Chrome Plugin，让 Codex 自动操作浏览器和电脑 5. 设置定时任务，每天自动审查代码，再通过 Codex Mobile 用手机远程下发指令看完这个视频，你就能把 Codex 从玩具变成真正能 7x24 小时帮你干活的 AI 开发助手。

Martin

50,790 görüntüleme • 1 ay önce

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。

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

49,593 görüntüleme • 10 ay önce

哼哧哼哧用 Codex 又改了一整天的官网，对于网页注释功能是越来越爱不释手了。总结了几个小技巧，记录和分享一下，👇 1. 网页注释只支持 Codex 的内置浏览器。通过 Codex 在本地跑起来的服务，只需要点击输出内容中的链接即可自动唤起。如果没有链接，也可以通过窗口最右侧的侧边栏按钮，直接打开浏览器手动输入地址唤起。 2. 注释功能分为简要和详细模式，又分别是对应单个和批量两种修改执行方式。这一点估计是很多人没有注意到的，其实是用好注释功能的关键。 3. 先说简要模式。使用简要模式，只需要在开启了注释功能之后，使用对话气泡样式的鼠标 ICON ，在需要调整的元素上点击一下，即可唤出输入框，然后直接在输入框中描述期望的修改即可。输入完毕之后，使用回车确认，注释的内容和相关上下文就会直接到进入到 Codex 的对话框，并立即开始执行修改操作。 4. 更有价值的是详细模式。打开详细模式，需要点击注释输入框的左侧的配置 ICON。打开之后，元素对应的属性值会一览无遗，需要做什么样的修改，都可以直接手动调整最底层的细节。同时，也依然支持通过自然语言，在上方的输入框中输入期望的调整效果。另外，在详细模式下，此前 ⬆️ 形状的确认按钮，变成了 ☑️ 的形状。在每一个注释确认了之后，也并不会立即执行，而是可以持续的添加多个注释，最后再一起通过右上角的“发送”发送至 Codex 进行批量处理。 5. 注释模式还有一些细节做的挺用心的，例如 Esc 键的逐级取消，在Codex 对话框的样式，甚至还有个很漂亮的轻微摆动的交互效果，很明显是花了不少的心思打磨的。作为在 AI 时代依然坚守了 VS Code 三年的老顽固，最近沉迷于 Codex 无法自拔，已经好久好久没有打开过老伙计了。原因无他，一个超级 App ，All in One 搞定一切需求，这种顺畅感实在是让人无法抗拒，也许 Codex 真的是那个带领用户从 Vibe Coding 阶段迈入 Vibe Working 阶段的天选之子。我郑重承诺，只要你丫不封号，我就一直充值用下去！

哼哧哼哧用 Codex 又改了一整天的官网，对于网页注释功能是越来越爱不释手了。总结了几个小技巧，记录和分享一下，👇 1. 网页注释只支持 Codex 的内置浏览器。通过 Codex 在本地跑起来的服务，只需要点击输出内容中的链接即可自动唤起。如果没有链接，也可以通过窗口最右侧的侧边栏按钮，直接打开浏览器手动输入地址唤起。 2. 注释功能分为简要和详细模式，又分别是对应单个和批量两种修改执行方式。这一点估计是很多人没有注意到的，其实是用好注释功能的关键。 3. 先说简要模式。使用简要模式，只需要在开启了注释功能之后，使用对话气泡样式的鼠标 ICON ，在需要调整的元素上点击一下，即可唤出输入框，然后直接在输入框中描述期望的修改即可。输入完毕之后，使用回车确认，注释的内容和相关上下文就会直接到进入到 Codex 的对话框，并立即开始执行修改操作。 4. 更有价值的是详细模式。打开详细模式，需要点击注释输入框的左侧的配置 ICON。打开之后，元素对应的属性值会一览无遗，需要做什么样的修改，都可以直接手动调整最底层的细节。同时，也依然支持通过自然语言，在上方的输入框中输入期望的调整效果。另外，在详细模式下，此前 ⬆️ 形状的确认按钮，变成了 ☑️ 的形状。在每一个注释确认了之后，也并不会立即执行，而是可以持续的添加多个注释，最后再一起通过右上角的“发送”发送至 Codex 进行批量处理。 5. 注释模式还有一些细节做的挺用心的，例如 Esc 键的逐级取消，在Codex 对话框的样式，甚至还有个很漂亮的轻微摆动的交互效果，很明显是花了不少的心思打磨的。作为在 AI 时代依然坚守了 VS Code 三年的老顽固，最近沉迷于 Codex 无法自拔，已经好久好久没有打开过老伙计了。原因无他，一个超级 App ，All in One 搞定一切需求，这种顺畅感实在是让人无法抗拒，也许 Codex 真的是那个带领用户从 Vibe Coding 阶段迈入 Vibe Working 阶段的天选之子。我郑重承诺，只要你丫不封号，我就一直充值用下去！

李不凯正在研究

30,033 görüntüleme • 1 ay önce

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

30,565 görüntüleme • 23 gün önce

妈的，终于把 Chrome 上的 Gemini 开了录个视频教大家怎么开启如果你也跟我一样，所有的方法都用了，还是不行，而且你是 macOS 系统的话。你直接把系统语言改成英文，它重启后就出来了。首先就是 Chrome 的设置： 1. 把 Gemini 相关的所有开关都打开 2. 然后再把所有的 Chrome 浏览器地区设置成美国这个流程可以用命令行去完成，也可以用现成的项目（如下面所发）去完成然后关于谷歌账号和系统的设置： 1. 把你的 Google 账号地区改成美国 2. 把 Google 账号语言设置成英文 3. 刚才我提到的 Google 浏览器也需要改成英文在 macOS 上，如果想把 Google 浏览器改成英文界面，需要把你整个系统语言都设置成英文

妈的，终于把 Chrome 上的 Gemini 开了录个视频教大家怎么开启如果你也跟我一样，所有的方法都用了，还是不行，而且你是 macOS 系统的话。你直接把系统语言改成英文，它重启后就出来了。首先就是 Chrome 的设置： 1. 把 Gemini 相关的所有开关都打开 2. 然后再把所有的 Chrome 浏览器地区设置成美国这个流程可以用命令行去完成，也可以用现成的项目（如下面所发）去完成然后关于谷歌账号和系统的设置： 1. 把你的 Google 账号地区改成美国 2. 把 Google 账号语言设置成英文 3. 刚才我提到的 Google 浏览器也需要改成英文在 macOS 上，如果想把 Google 浏览器改成英文界面，需要把你整个系统语言都设置成英文

歸藏(guizang.ai)

291,368 görüntüleme • 5 ay önce

Simular：专为 Mac 用户设计的本地 AI 智能助手让你和 AI 可以同时控制电脑，互不干扰，一起协作完成任务它能理解你屏幕上的各种内容，并且能自己点击、填表、实现各种操作等。你可以随时介入或与 AI 同时操作，比如在它执行任务时，你自己也可以点击、输入，不需要 AI“让位”或交接控制权。 Simular 能自动浏览网页、搜索信息、填写表单、点击按钮、切换标签页等，适合日常生活和工作中的重复性操作。如自动帮你查找、对比商品、整理清单、下单购物，甚至跨多个网站收集整理信息。

Simular：专为 Mac 用户设计的本地 AI 智能助手让你和 AI 可以同时控制电脑，互不干扰，一起协作完成任务它能理解你屏幕上的各种内容，并且能自己点击、填表、实现各种操作等。你可以随时介入或与 AI 同时操作，比如在它执行任务时，你自己也可以点击、输入，不需要 AI“让位”或交接控制权。 Simular 能自动浏览网页、搜索信息、填写表单、点击按钮、切换标签页等，适合日常生活和工作中的重复性操作。如自动帮你查找、对比商品、整理清单、下单购物，甚至跨多个网站收集整理信息。

小互

51,719 görüntüleme • 1 yıl önce

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub：主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub：主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

GitHubDaily

35,779 görüntüleme • 1 yıl önce

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub：市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub：市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

高军

41,652 görüntüleme • 2 ay önce