正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

TinyFish：独立开发者必备的Web Agent API Web Agent是什么概念？相当于你同时雇了一批大学生，按你的文字要求上网点点点访问网页，找到你要的内容，然后按统一的格式把内容汇总起来。 Web Agent不是搜索，搜索只能获取搜索引擎返回的数据，不能一层层点击页面获取到深层的内容；Web Agent也不是Browser use，Browser use同时只能执行一个任务，Web Agent可以大规模并行任务。 Web Agent能做什么？ · 从多个电商网站查找商品价格、库存 · 查询酒店、餐厅是否营业、可预约时间 · 自动化网页测试下图是搜索、Browser use和Web Agent的能力对比，视频是Web Agent运行流程演示，实际调用API时是并行任务、响应速度快的多

Gorden Sun

47,362 subscribers

60,741 次观看 • 3 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Sider AI 也推出了Deep Research功能但是和其他家的有一点不一样🙃 它可以自动模拟人类进行研究，访问网络去搜索内容，最重要的是它在搜索内容的同时会自动做笔记，你可以在界面右侧看到它做的笔记内容。左侧是搜索来源。最重要的是它会在最终给你生成一个可视化的交互式网页。将报告进行可视化。它在生成整个报告的同时也会自动创建一些图表、流程图、表格等，比其他家也先进一点。

Sider AI 也推出了Deep Research功能但是和其他家的有一点不一样🙃 它可以自动模拟人类进行研究，访问网络去搜索内容，最重要的是它在搜索内容的同时会自动做笔记，你可以在界面右侧看到它做的笔记内容。左侧是搜索来源。最重要的是它会在最终给你生成一个可视化的交互式网页。将报告进行可视化。它在生成整个报告的同时也会自动创建一些图表、流程图、表格等，比其他家也先进一点。

小互

27,663 次观看 • 1 年前

Firecrawl 推出了一个 AI 驱动的数据爬虫Agent 无需提供任何信息不需要你提供网址，不用写爬虫，不怕反爬机制只要输入你的需求它就能自动爬取任何你想要的信息它会自动搜索、浏览、提取网站内容（包括深层网页），整合信息，然后给你返回结构化结果。支持并发抓取多个网站，自动爬取并深入网站结构，能找到”隐藏”或难以直接访问的网页数据。

Firecrawl 推出了一个 AI 驱动的数据爬虫Agent 无需提供任何信息不需要你提供网址，不用写爬虫，不怕反爬机制只要输入你的需求它就能自动爬取任何你想要的信息它会自动搜索、浏览、提取网站内容（包括深层网页），整合信息，然后给你返回结构化结果。支持并发抓取多个网站，自动爬取并深入网站结构，能找到”隐藏”或难以直接访问的网页数据。

小互

41,547 次观看 • 5 个月前

我在MIT看到的Agent 新范式今天在麻省理工学院的EmTech大会上，看到了一个让我重新思考整个AI agent领域的演示。演示方是TinyFish，一家相当低调的公司。创始团队里有两位华人，获得了ICONIQ领投的近3.5亿元人民币融资，但在今天之前从未公开展示过他们的核心产品。而他们正在做的事情，已经在为Google和DoorDash运行超过千万级别的web agent操作... 不是实验室demo，是真实的生产环境。 TinyFish产品能让 AI 能够像人类一样自动操作网页、完成企业级任务... 它可以在没有 API 的情况下，让 AI 自动跨网站读取、理解、操作网页，执行业务流程、采集数据、提交信息、监控变化。从抓数据、比价格、做填表、查库存，到合规审查与动态定价，都能完成... 可以在几千个网站间实时操作、执行任务。也就是可以以同时运行一千个ChatGPT Atlas ，然后不间断的，同样的答案运行一千万次... 一个被所有人忽视的事实 TinyFish的CEO Sudheesh在演示中分享了一个震撼的洞察：现在市面上所有的AI agent，都只能操作5%的网络。不是因为开发者技术不行，而是因为所有人都在基于搜索引擎构建agent。而搜索这个范式，早就失效了。搜索是怎么失效的？我们来看一个最简单的例子：Amazon。 Amazon的每个产品页面都被Google完整索引，完全可以爬取。这是搜索引擎最理想的场景。但当你在Amazon搜索"笔记本电脑"时会发生什么？你会看到上万个结果。赞助商品、虚假评论、AI生成的描述铺天盖地。你翻了几页就放弃了，最后随便点一个"看起来还行"的，结账走人。这不是Amazon的问题。这是搜索范式本身的问题：当数据量太大时，排名就失效了。 Google成功地索引了数百万Amazon页面，但这并没有让搜索变得更有用。Amazon自己建了搜索引擎，也没有解决问题。网络变得太大了。即使是已经被索引的那部分，排名也已经无法工作。搜索假设你想"找到"某样东西。但如果你需要"检查所有"东西呢？比较所有供应商？验证每一个选项？** 这时候，整个范式就崩溃了。那剩下的95%呢？更糟糕的是，刚才说的还只是那5%被索引的网络。剩下95%的网络藏在哪里？ - 需要登录的供应商门户 - 有身份验证的医疗系统 - 只能通过表单提交访问的政府数据库 - 需要多步骤导航的竞争情报搜索引擎根本接触不到这些。不是技术问题，是架构问题。你无法爬取需要交互才能访问的内容。所以我们面临两个问题： 1. 被索引的5%网络因为太大而失效 2. 95%的重要数据根本没被索引两个问题的根源都一样：搜索这个范式假设人类会手动评估结果。当你需要全面的情报而不是排名选项时，它就失效了。为什么现有方案都解决不了你可能会想：RAG呢？更好的embedding呢？Browser agents 呢？它们都解决不了因为它们都继承了搜索的核心局限：假设你想"找到"某样东西，而不是"检查所有"东西。当一个采购团队需要检查200个供应商门户的竞争定价时，排名帮不了你。当制药公司需要在数千个研究站点匹配临床试验的患者资格时，检索帮不了你。这不是"这项工作很繁琐我们想自动化"的问题。这是"这种分析在我们需要的规模上根本不可能完成"的问题。从可读Web到可执行Web Sudheesh解释了他们的解决方案：不是更好的搜索，而是操作性基础设施。 TinyFish构建的系统可以： - 登录认证系统 - 导航多步骤工作流 - 提取结构化数据 - 同时运行数十万个并行会话这就是从"可读Web"到"可执行Web"的转变。浏览器代理（比如OpenAI的Atlas）帮助个人更快地导航网站：一次一个会话，一个浏览器。 TinyFish 的 Mino： 👉 就像一个“AI工厂”，让公司自己创建、部署和管理这些“网页机器人（Web Agents）”。 Mino可在基础设施规模上运行数十万个并行会话，在需要人类团队数周时间完成的复杂工作流中保持准确性。这不是自行车和摩托车的区别。这是自行车和货运网络的区别。规模化的证明这不是理论 TinyFish已经在为ClassPass、Google、DoorDash等公司每月运行3000万次操作。 ClassPass的例子很典型：他们需要聚合数万家健身工作室的课程。大部分工作室没有API，只有手动更新的预订网站。课程安排每天变化，价格因时间、地点和等级而异。传统方法全部失败： - 人工录入：无法规模化，数据永远过时 - 爬虫：网站一改版就崩溃 - API对接：长尾永远不会开发集成使用TinyFish后，他们的场馆覆盖率增加了3-4倍，成本降低了50%。更具体的实际落地案例： 🏨 Google Hotels 日本许多酒店使用老旧系统，无法接入 Google 聚合平台 TinyFish 的代理能自动获取这些酒店的库存与价格；无需 IT 改造，让 Google Hotels 实现实时更新。实现 99% 的实时覆盖率更新频率提升 20 倍运行量超过每月 1,000 万+ 操作 🛵 DoorDash 为每个城市部署 AI 代理，自动抓取竞争网站菜单、价格、促销每小时更新、自动去重与异常检测；与 DoorDash 内部数据系统自动对接。每月收集数百万个定价变量；用于动态调整价格、优化市场响应；自动化 95% 市场数据采集；提高预测模型精度 30%；大幅降低人工调研成本（原来每月人工工时 1200+ 小时）。这意味着什么搜索在过去25年里运行得很好，因为网络足够小，人类可以手动评估排名结果。现在网络太大了。即使是被索引的部分也变得无法管理。而95%的网络从来没被索引过。接下来的范式不是更好的搜索或更智能的排名。而是能够在整个网络上导航、推理和提取的操作性基础设施：公开的和私密的，被索引的和未被索引的。 Agent功能的发展速度远超预期。短短36个月，我们就从"AI起草邮件"发展到了"AI运行完整工作流"。 TinyFish可能在企业规模的实际落地上已经领先了。他们正在向开发者开放这个基础设施。如果你在构建需要大规模可靠性的agent产品，这可能是一个值得关注的早期信号。

我在MIT看到的Agent 新范式今天在麻省理工学院的EmTech大会上，看到了一个让我重新思考整个AI agent领域的演示。演示方是TinyFish，一家相当低调的公司。创始团队里有两位华人，获得了ICONIQ领投的近3.5亿元人民币融资，但在今天之前从未公开展示过他们的核心产品。而他们正在做的事情，已经在为Google和DoorDash运行超过千万级别的web agent操作... 不是实验室demo，是真实的生产环境。 TinyFish产品能让 AI 能够像人类一样自动操作网页、完成企业级任务... 它可以在没有 API 的情况下，让 AI 自动跨网站读取、理解、操作网页，执行业务流程、采集数据、提交信息、监控变化。从抓数据、比价格、做填表、查库存，到合规审查与动态定价，都能完成... 可以在几千个网站间实时操作、执行任务。也就是可以以同时运行一千个ChatGPT Atlas ，然后不间断的，同样的答案运行一千万次... 一个被所有人忽视的事实 TinyFish的CEO Sudheesh在演示中分享了一个震撼的洞察：现在市面上所有的AI agent，都只能操作5%的网络。不是因为开发者技术不行，而是因为所有人都在基于搜索引擎构建agent。而搜索这个范式，早就失效了。搜索是怎么失效的？我们来看一个最简单的例子：Amazon。 Amazon的每个产品页面都被Google完整索引，完全可以爬取。这是搜索引擎最理想的场景。但当你在Amazon搜索"笔记本电脑"时会发生什么？你会看到上万个结果。赞助商品、虚假评论、AI生成的描述铺天盖地。你翻了几页就放弃了，最后随便点一个"看起来还行"的，结账走人。这不是Amazon的问题。这是搜索范式本身的问题：当数据量太大时，排名就失效了。 Google成功地索引了数百万Amazon页面，但这并没有让搜索变得更有用。Amazon自己建了搜索引擎，也没有解决问题。网络变得太大了。即使是已经被索引的那部分，排名也已经无法工作。搜索假设你想"找到"某样东西。但如果你需要"检查所有"东西呢？比较所有供应商？验证每一个选项？** 这时候，整个范式就崩溃了。那剩下的95%呢？更糟糕的是，刚才说的还只是那5%被索引的网络。剩下95%的网络藏在哪里？ - 需要登录的供应商门户 - 有身份验证的医疗系统 - 只能通过表单提交访问的政府数据库 - 需要多步骤导航的竞争情报搜索引擎根本接触不到这些。不是技术问题，是架构问题。你无法爬取需要交互才能访问的内容。所以我们面临两个问题： 1. 被索引的5%网络因为太大而失效 2. 95%的重要数据根本没被索引两个问题的根源都一样：搜索这个范式假设人类会手动评估结果。当你需要全面的情报而不是排名选项时，它就失效了。为什么现有方案都解决不了你可能会想：RAG呢？更好的embedding呢？Browser agents 呢？它们都解决不了因为它们都继承了搜索的核心局限：假设你想"找到"某样东西，而不是"检查所有"东西。当一个采购团队需要检查200个供应商门户的竞争定价时，排名帮不了你。当制药公司需要在数千个研究站点匹配临床试验的患者资格时，检索帮不了你。这不是"这项工作很繁琐我们想自动化"的问题。这是"这种分析在我们需要的规模上根本不可能完成"的问题。从可读Web到可执行Web Sudheesh解释了他们的解决方案：不是更好的搜索，而是操作性基础设施。 TinyFish构建的系统可以： - 登录认证系统 - 导航多步骤工作流 - 提取结构化数据 - 同时运行数十万个并行会话这就是从"可读Web"到"可执行Web"的转变。浏览器代理（比如OpenAI的Atlas）帮助个人更快地导航网站：一次一个会话，一个浏览器。 TinyFish 的 Mino： 👉 就像一个“AI工厂”，让公司自己创建、部署和管理这些“网页机器人（Web Agents）”。 Mino可在基础设施规模上运行数十万个并行会话，在需要人类团队数周时间完成的复杂工作流中保持准确性。这不是自行车和摩托车的区别。这是自行车和货运网络的区别。规模化的证明这不是理论 TinyFish已经在为ClassPass、Google、DoorDash等公司每月运行3000万次操作。 ClassPass的例子很典型：他们需要聚合数万家健身工作室的课程。大部分工作室没有API，只有手动更新的预订网站。课程安排每天变化，价格因时间、地点和等级而异。传统方法全部失败： - 人工录入：无法规模化，数据永远过时 - 爬虫：网站一改版就崩溃 - API对接：长尾永远不会开发集成使用TinyFish后，他们的场馆覆盖率增加了3-4倍，成本降低了50%。更具体的实际落地案例： 🏨 Google Hotels 日本许多酒店使用老旧系统，无法接入 Google 聚合平台 TinyFish 的代理能自动获取这些酒店的库存与价格；无需 IT 改造，让 Google Hotels 实现实时更新。实现 99% 的实时覆盖率更新频率提升 20 倍运行量超过每月 1,000 万+ 操作 🛵 DoorDash 为每个城市部署 AI 代理，自动抓取竞争网站菜单、价格、促销每小时更新、自动去重与异常检测；与 DoorDash 内部数据系统自动对接。每月收集数百万个定价变量；用于动态调整价格、优化市场响应；自动化 95% 市场数据采集；提高预测模型精度 30%；大幅降低人工调研成本（原来每月人工工时 1200+ 小时）。这意味着什么搜索在过去25年里运行得很好，因为网络足够小，人类可以手动评估排名结果。现在网络太大了。即使是被索引的部分也变得无法管理。而95%的网络从来没被索引过。接下来的范式不是更好的搜索或更智能的排名。而是能够在整个网络上导航、推理和提取的操作性基础设施：公开的和私密的，被索引的和未被索引的。 Agent功能的发展速度远超预期。短短36个月，我们就从"AI起草邮件"发展到了"AI运行完整工作流"。 TinyFish可能在企业规模的实际落地上已经领先了。他们正在向开发者开放这个基础设施。如果你在构建需要大规模可靠性的agent产品，这可能是一个值得关注的早期信号。

小互

42,772 次观看 • 7 个月前

感觉跟 Alma 的 Agent Crew 功能差不多，Alma 提供了一些内置的 Agent，同时用户也可以添加 Custom Agent。每个 Agent 都可以指定： 1. 不同的模型/ACP 2. 不同的视角 3. 不同的工具遇到复杂任务时，系统会自动使用 Agent Crew 拆分和分发给不同的 Agent 去完成整个任务。

感觉跟 Alma 的 Agent Crew 功能差不多，Alma 提供了一些内置的 Agent，同时用户也可以添加 Custom Agent。每个 Agent 都可以指定： 1. 不同的模型/ACP 2. 不同的视角 3. 不同的工具遇到复杂任务时，系统会自动使用 Agent Crew 拆分和分发给不同的 Agent 去完成整个任务。

yetone

21,801 次观看 • 2 个月前

字节开源了一个 AI 团队大脑：DeerFlow 2.0 刚发就冲上 GitHub Trending 第一，43k ⭐。它是一个开源的超级代理框架，它让 AI 不再是工具，而是一个能干活的团队。你只需要一句话： “帮我研究 AI 行业趋势，并做一份 PPT” 它会自动完成：拆任务 → 分配 Agent → 并行执行 → 汇总交付不是建议，是直接把结果做出来。更关键的是：它通过 Agent 协同 + 内存 + 沙箱执行 + 可扩展技能可以完成几乎任何事情核心能力就三点： - 多 Agent 协作：一个 AI = 一个团队 - 技能驱动（可扩展）：报告、PPT、网站、视频都能做 - 完整工作流执行：从任务到交付，一步到位 DeerFlow 2.0 不是提升效率，是把几乎所有工作流程交给 AI。

字节开源了一个 AI 团队大脑：DeerFlow 2.0 刚发就冲上 GitHub Trending 第一，43k ⭐。它是一个开源的超级代理框架，它让 AI 不再是工具，而是一个能干活的团队。你只需要一句话： “帮我研究 AI 行业趋势，并做一份 PPT” 它会自动完成：拆任务 → 分配 Agent → 并行执行 → 汇总交付不是建议，是直接把结果做出来。更关键的是：它通过 Agent 协同 + 内存 + 沙箱执行 + 可扩展技能可以完成几乎任何事情核心能力就三点： - 多 Agent 协作：一个 AI = 一个团队 - 技能驱动（可扩展）：报告、PPT、网站、视频都能做 - 完整工作流执行：从任务到交付，一步到位 DeerFlow 2.0 不是提升效率，是把几乎所有工作流程交给 AI。

开发者Hailey

61,880 次观看 • 2 个月前

Firecrawl 推出一个新功能 /search API 可在后台实现搜索 + 抓取网页内容并返回Markdown、HTML、截图等给AI，方便模型读取功能亮点： - 一次 API 调用即可实现搜索 + 抓取网页内容。 - 在后端直接运行自然语言查询，无需借助浏览器或第三方搜索服务。 - 返回内容格式支持：Markdown、HTML、纯链接、网页截图。 - 输出结果对 LLM友好，便于 AI 处理网页内容。

Firecrawl 推出一个新功能 /search API 可在后台实现搜索 + 抓取网页内容并返回Markdown、HTML、截图等给AI，方便模型读取功能亮点： - 一次 API 调用即可实现搜索 + 抓取网页内容。 - 在后端直接运行自然语言查询，无需借助浏览器或第三方搜索服务。 - 返回内容格式支持：Markdown、HTML、纯链接、网页截图。 - 输出结果对 LLM友好，便于 AI 处理网页内容。

小互

18,548 次观看 • 1 年前

Kimi新出的K2.5模型（应该）是目前最强国产模型，极其全能。伴随新模型一起发布的，还有Agent集群功能。在K2.5的驱动下，Agent集群能根据你的需求即时生成多个Agent，并且并行运作。注意，是即时生成，不是那种预先设定好的。如果你是Kimi会员的话，请马上就去试试！

Kimi新出的K2.5模型（应该）是目前最强国产模型，极其全能。伴随新模型一起发布的，还有Agent集群功能。在K2.5的驱动下，Agent集群能根据你的需求即时生成多个Agent，并且并行运作。注意，是即时生成，不是那种预先设定好的。如果你是Kimi会员的话，请马上就去试试！

huangyihe

15,620 次观看 • 4 个月前

肝了几天,来回打磨了快 30 遍, 一次性把最新的 Claude Code 的 Workflow 给你完全拆解清楚有人说它的伟大程度,不亚于 MCP 和 Skill。第一眼我是不信的,直到拆开看它内部怎么跑：这不是"问一句答一句"的对话,而是一个能自己跑起来的任务系统:后台持续执行、可监控、可保存进度, 还能一口气派出几十上百个 agent 分头干活/合并汇总。核心就三个角色: Claude 拆任务、定计划; Runtime 管调度和状态; 每个 agent 只啃一个子任务,配上并发池和队列,有节奏地推进。它代表的是一种新的工程编排方式:智能负责规划,Runtime 负责执行,状态独立保存,模型按需调度。最反直觉的一点:它能扩展到上百个 agent,靠的不是模型变强,而是"状态外置"—中间结果全交给执行系统保存,主上下文只看摘要和关键判断。这才是复杂任务能跑稳的真正原因。这条视频直接给了你把它搬进自己系统的方法: 先用 Claude Code 做高质量规划、拆任务定阶段; 再把 workflow 转成自己的执行格式,按任务难度路由到不同模型池，简单的走便宜模型，复杂的才上高阶模型。这条视频,值得反复看几遍👇

肝了几天,来回打磨了快 30 遍, 一次性把最新的 Claude Code 的 Workflow 给你完全拆解清楚有人说它的伟大程度,不亚于 MCP 和 Skill。第一眼我是不信的,直到拆开看它内部怎么跑：这不是"问一句答一句"的对话,而是一个能自己跑起来的任务系统:后台持续执行、可监控、可保存进度, 还能一口气派出几十上百个 agent 分头干活/合并汇总。核心就三个角色: Claude 拆任务、定计划; Runtime 管调度和状态; 每个 agent 只啃一个子任务,配上并发池和队列,有节奏地推进。它代表的是一种新的工程编排方式:智能负责规划,Runtime 负责执行,状态独立保存,模型按需调度。最反直觉的一点:它能扩展到上百个 agent,靠的不是模型变强,而是"状态外置"—中间结果全交给执行系统保存,主上下文只看摘要和关键判断。这才是复杂任务能跑稳的真正原因。这条视频直接给了你把它搬进自己系统的方法: 先用 Claude Code 做高质量规划、拆任务定阶段; 再把 workflow 转成自己的执行格式,按任务难度路由到不同模型池，简单的走便宜模型，复杂的才上高阶模型。这条视频,值得反复看几遍👇

huangserva

137,533 次观看 • 3 天前

千问现在除了点外卖、定机票、酒店预订外，还出了个任务助理，刚刚体验了下，感觉还不错的，实际就是agent，，能查资料，写报告，做办公总结及网站开发一个任务能查4000个网页，115次API调用😂，果然大厂有资源优势啊，框框给你一顿查，速度也还行。可惜主要是查国内资源，百度比较多。。。要是能查国际资源就好了，不过内容让Gemini复核了下，准确度还是可以的我这里还有两个邀测码有需要的朋友可以留言，明早随机抽两位私发😊

千问现在除了点外卖、定机票、酒店预订外，还出了个任务助理，刚刚体验了下，感觉还不错的，实际就是agent，，能查资料，写报告，做办公总结及网站开发一个任务能查4000个网页，115次API调用😂，果然大厂有资源优势啊，框框给你一顿查，速度也还行。可惜主要是查国内资源，百度比较多。。。要是能查国际资源就好了，不过内容让Gemini复核了下，准确度还是可以的我这里还有两个邀测码有需要的朋友可以留言，明早随机抽两位私发😊

岚叔

19,936 次观看 • 4 个月前

试了一下昨天这个海外产品 MuleRun，发现很牛啊。从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。我还用里面的 Blender Agent 让他创建了一个灯塔模型。里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。

试了一下昨天这个海外产品 MuleRun，发现很牛啊。从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。我还用里面的 Blender Agent 让他创建了一个灯塔模型。里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。

歸藏(guizang.ai)

62,432 次观看 • 9 个月前

发现一个被低估的 AI 基建：XCrawl XCrawl是一个网页抓取和数据采集的API，它让 Agent 拥有了真正意义上的"上网能力"。它提供几个核心能力： - Scrape：抓单个页面 - Crawl：批量跑整个站点 - Map：摸清网站结构 - Search：拿搜索结果从单页到整站，从搜索到整理，一步打通。用下来最直接的感受： - 不给一堆原始HTML，直接输出Markdown、JSON、摘要、链接 - 基本不用二次清洗，拿来就能用 - 动态页面（JS渲染）也能处理 - 地区、语言、结构化提取都支持 - 成功率稳定如果你在用OpenClaw，会发现很多Agent卡住不是因为模型不行，而是数据不好用。 XCrawl正好解决这块——让Agent自己搜、抓、读，继续执行下去。OpenClaw负责决策，XCrawl负责把信息接进来。能落地的场景： - 电商选品、竞品整理 - 招聘、社交、新闻信息汇总 - SEO关键词跟踪 - 自动整理资料、生成报告原本需要人工收集的数据，现在跑个流程就行。它遵循公开网页+合规采集的原则，自带规则约束。这不是更强的爬虫，而是把"获取数据"变成可以直接接进Agent的能力。做Agent或自动化，XCrawl 是一个趁手的工具。

发现一个被低估的 AI 基建：XCrawl XCrawl是一个网页抓取和数据采集的API，它让 Agent 拥有了真正意义上的"上网能力"。它提供几个核心能力： - Scrape：抓单个页面 - Crawl：批量跑整个站点 - Map：摸清网站结构 - Search：拿搜索结果从单页到整站，从搜索到整理，一步打通。用下来最直接的感受： - 不给一堆原始HTML，直接输出Markdown、JSON、摘要、链接 - 基本不用二次清洗，拿来就能用 - 动态页面（JS渲染）也能处理 - 地区、语言、结构化提取都支持 - 成功率稳定如果你在用OpenClaw，会发现很多Agent卡住不是因为模型不行，而是数据不好用。 XCrawl正好解决这块——让Agent自己搜、抓、读，继续执行下去。OpenClaw负责决策，XCrawl负责把信息接进来。能落地的场景： - 电商选品、竞品整理 - 招聘、社交、新闻信息汇总 - SEO关键词跟踪 - 自动整理资料、生成报告原本需要人工收集的数据，现在跑个流程就行。它遵循公开网页+合规采集的原则，自带规则约束。这不是更强的爬虫，而是把"获取数据"变成可以直接接进Agent的能力。做Agent或自动化，XCrawl 是一个趁手的工具。

开发者Hailey

28,973 次观看 • 2 个月前

来自 Monica IM 团队的新产品 Manus AI，已经很接近理想中的数字版 AI Agent 的样子了！能够自动执行任务、搜索、找资料、写代码和生成各种格式的文档👀 一个真正的个人数字助理，就是应该完成你能用电脑完成的所有工作。但这样的 Agent 应用，会不会撞到大模型公司下一代产品的枪口上呢🤔

来自 Monica IM 团队的新产品 Manus AI，已经很接近理想中的数字版 AI Agent 的样子了！能够自动执行任务、搜索、找资料、写代码和生成各种格式的文档👀 一个真正的个人数字助理，就是应该完成你能用电脑完成的所有工作。但这样的 Agent 应用，会不会撞到大模型公司下一代产品的枪口上呢🤔

indigo

98,069 次观看 • 1 年前

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

小互

85,685 次观看 • 4 个月前

通用Agent，测了，设计Agent，测了，视频Agent，测了，能无丝分裂出Agent的母体Agent，今天刚测完🙀 MasterAgent, 它的核心玩法就是通过我的任务提示语反推，能解决这个任务都需要有什么样的能力，然后生成多个Agent，以及对应的工作流。生成后的AI团队还可以手动加人（Agent），手动给人换okr（提示语）。 Agent for Agents （1/6）

通用Agent，测了，设计Agent，测了，视频Agent，测了，能无丝分裂出Agent的母体Agent，今天刚测完🙀 MasterAgent, 它的核心玩法就是通过我的任务提示语反推，能解决这个任务都需要有什么样的能力，然后生成多个Agent，以及对应的工作流。生成后的AI团队还可以手动加人（Agent），手动给人换okr（提示语）。 Agent for Agents （1/6）

卡尔的AI沃茨

34,527 次观看 • 10 个月前

酷，阿里出的一个可以让LLM像人类一样在网上搜索信息的多智能体框架：WebWalker，它可以让LLM能自动点击链接、阅读网页、理解信息、最终给出答案，解决传统搜索引擎只能浅层搜索的问题系统包含两个智能体，一个找信息助手，负责点击链接、浏览网页内容；一个判断助手，判断找到的信息够不够，是否需要继续找，给出答案垂直搜索能力强，能处理复杂问题，可以深入多个网页，找到隐藏的信息它可以和现有的AI问答系统（比如RAG）结合，比如RAG系统以前只能找到一些简单的答案，加上WebWalker后，可以增强处理复杂网络信息的能力 #AI上网助手 #WebWalker #AI问答助手 #RAG

酷，阿里出的一个可以让LLM像人类一样在网上搜索信息的多智能体框架：WebWalker，它可以让LLM能自动点击链接、阅读网页、理解信息、最终给出答案，解决传统搜索引擎只能浅层搜索的问题系统包含两个智能体，一个找信息助手，负责点击链接、浏览网页内容；一个判断助手，判断找到的信息够不够，是否需要继续找，给出答案垂直搜索能力强，能处理复杂问题，可以深入多个网页，找到隐藏的信息它可以和现有的AI问答系统（比如RAG）结合，比如RAG系统以前只能找到一些简单的答案，加上WebWalker后，可以增强处理复杂网络信息的能力 #AI上网助手 #WebWalker #AI问答助手 #RAG

AIGCLINK

34,415 次观看 • 1 年前

这是我基于 Claude Agent SDK 做的一个类似于 v0 dev 的 Coding Agent，输入 Prompt 就能帮你做一个网页，并且可以实时预览。等我整理一下代码预计下周会开源出来。

这是我基于 Claude Agent SDK 做的一个类似于 v0 dev 的 Coding Agent，输入 Prompt 就能帮你做一个网页，并且可以实时预览。等我整理一下代码预计下周会开源出来。

宝玉

138,203 次观看 • 7 个月前

下一个流量破亿的 AI Agent 赛道，是在线下/线上零售行业继续聊能切实落地的 Agent 工具应用领域 - 批量化地为每一个零售商品营销赋能以服装行业为例 - 上传服装的商品样图，即可生成成套的服装宣传故事，并整合到网页中（网页可以转换二维码）。

下一个流量破亿的 AI Agent 赛道，是在线下/线上零售行业继续聊能切实落地的 Agent 工具应用领域 - 批量化地为每一个零售商品营销赋能以服装行业为例 - 上传服装的商品样图，即可生成成套的服装宣传故事，并整合到网页中（网页可以转换二维码）。

MSB

20,712 次观看 • 10 个月前

一句话告诉 Agent 要操控哪个网站，它自动帮你生成 CLI 工具，直接走你已登录的 Chrome 浏览器，不用调 API 或搞 token。 x-cli 的玩法是装上 Kimi WebBridge 插件后，对 Agent 说一句"帮我给某网站做个 CLI"，Agent 会先问你要哪些功能，然后自己去分析页面、写代码、生成工具。最后你拿到的 CLI 能直接控制你 Chrome 里已登录的会话，不走 API。仓库里给了四个成品：百度搜素、Google 搜索加抓取、Nano Banana 出图、ChatGPT 出图，都是 Go 写的。

一句话告诉 Agent 要操控哪个网站，它自动帮你生成 CLI 工具，直接走你已登录的 Chrome 浏览器，不用调 API 或搞 token。 x-cli 的玩法是装上 Kimi WebBridge 插件后，对 Agent 说一句"帮我给某网站做个 CLI"，Agent 会先问你要哪些功能，然后自己去分析页面、写代码、生成工具。最后你拿到的 CLI 能直接控制你 Chrome 里已登录的会话，不走 API。仓库里给了四个成品：百度搜素、Google 搜索加抓取、Nano Banana 出图、ChatGPT 出图，都是 Go 写的。

Geek Lite

31,595 次观看 • 18 天前