Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

兄弟们这个有点 6 Manus 发布 Manus Browser Operator 一个浏览器扩展，可以将任何浏览器变成 AI 浏览器它能够自动化各种复杂的浏览器操作支持访问受保护的网站和系统，如研究平台和 CRM 工具 AI 的操作行为被系统视为来自用户本地的浏览器与 IP，因此：不会触发额外登录验证或验证码；可直接访问受信任的内部系统；能长期保持会话活跃，避免过期中断。

小互

112,132 subscribers

22,977 просмотров • 8 месяцев назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

兄弟们，终极写代码工具来了 Bolt․new：AI 帮你自动写代码自动运行并自动部署而且全部在浏览器中完成你只需撰写简单的提示，它即可帮你自动编写代码、并可一键编辑、运行和自动部署复杂的全栈应用。而且全部在浏览器中完成，不需要安装额外的任何软件。真正的零基础小白也可开发产品... bolt․new 依托于 WebContainers 技术，这是一种能够在浏览器中运行完整开发环境的微型操作系统。它支持现代开发工具链，如 npm、Vite 和 Next.js，让用户无需额外的开发环境配置，即可直接在浏览器中编写、运行、调试和部署应用。这些环境在毫秒内启动并立即在线可分享——只需点击一次

兄弟们，终极写代码工具来了 Bolt․new：AI 帮你自动写代码自动运行并自动部署而且全部在浏览器中完成你只需撰写简单的提示，它即可帮你自动编写代码、并可一键编辑、运行和自动部署复杂的全栈应用。而且全部在浏览器中完成，不需要安装额外的任何软件。真正的零基础小白也可开发产品... bolt․new 依托于 WebContainers 技术，这是一种能够在浏览器中运行完整开发环境的微型操作系统。它支持现代开发工具链，如 npm、Vite 和 Next.js，让用户无需额外的开发环境配置，即可直接在浏览器中编写、运行、调试和部署应用。这些环境在毫秒内启动并立即在线可分享——只需点击一次

小互

88,879 просмотров • 1 год назад

开发浏览器插件的福音：Extension.js 一个命令行工具一键生成支持不同浏览器插件的开发环境，内置支持 TS，React，WebAssembly 以及现代 Javascript。试了一下，确实挺香，看官方视频感受一下，大家如果要做浏览器插件，建议直接使用这个插件。

开发浏览器插件的福音：Extension.js 一个命令行工具一键生成支持不同浏览器插件的开发环境，内置支持 TS，React，WebAssembly 以及现代 Javascript。试了一下，确实挺香，看官方视频感受一下，大家如果要做浏览器插件，建议直接使用这个插件。

Viking

71,595 просмотров • 2 лет назад

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 просмотров • 1 год назад

BrowserSkill 是腾讯开源的本地桥接工具，为 Cursor、Claude Code、Codex 等能调用 shell 的 AI 智能体提供桥接，让它们操作你已登录的浏览器而不打断你的正常工作。智能体通过 shell 调用 bsk 命令发起浏览器任务，本地守护进程经 WebSocket 把请求转给扩展，扩展在独立的 Agent Window 中执行，不触碰用户其他窗口。复用真实登录态，遇到验证码、登录或确认弹窗时触发人工接管，再交回智能体继续；兼容 macOS、Linux、Windows 上的 Chrome 和 Edge。

BrowserSkill 是腾讯开源的本地桥接工具，为 Cursor、Claude Code、Codex 等能调用 shell 的 AI 智能体提供桥接，让它们操作你已登录的浏览器而不打断你的正常工作。智能体通过 shell 调用 bsk 命令发起浏览器任务，本地守护进程经 WebSocket 把请求转给扩展，扩展在独立的 Agent Window 中执行，不触碰用户其他窗口。复用真实登录态，遇到验证码、登录或确认弹窗时触发人工接管，再交回智能体继续；兼容 macOS、Linux、Windows 上的 Chrome 和 Edge。

Geek

24,720 просмотров • 1 месяц назад

OpenClaw能代你完成所有浏览器/需要上网的工作。调研，情报，学习，写作，信息，投资，监控….. 24/7 我们今天介绍四种方案，他们的优点缺点，场景，如何上手，从无浏览器，到浏览器独立运行24*7，看完视频，不走弯路 👇 时间戳： 0:32 内置工具web_fetch 3:00 API搜索Skill 7:06 浏览器自动化Openclaw managed 11:03 浏览器自动化Relay Extension 14:56 总结

OpenClaw能代你完成所有浏览器/需要上网的工作。调研，情报，学习，写作，信息，投资，监控….. 24/7 我们今天介绍四种方案，他们的优点缺点，场景，如何上手，从无浏览器，到浏览器独立运行24*7，看完视频，不走弯路 👇 时间戳： 0:32 内置工具web_fetch 3:00 API搜索Skill 7:06 浏览器自动化Openclaw managed 11:03 浏览器自动化Relay Extension 14:56 总结

木子不写代码

107,274 просмотров • 5 месяцев назад

GitHub 上这款 Browserbase MCP Server 浏览器爬虫 MCP 服务器有点强大！通过它能够让 Claude 直接控制网页浏览器，除了可以爬取页面上内容外，还能网页导航、截图、点击和内容填写等操作。 GitHub：主要功能： - 创建和管理云浏览器会话 - 网页导航和内容提取 - 网页全屏或元素截图 - 点击元素和填写表单 - 执行 JavaScript 代码 - 支持并行浏览器会话拉取代码到本地并安装依赖，支持 Windsurf、Claude 和 Cursor 等 MCP 客户端，配置启动后即可使用。

GitHub 上这款 Browserbase MCP Server 浏览器爬虫 MCP 服务器有点强大！通过它能够让 Claude 直接控制网页浏览器，除了可以爬取页面上内容外，还能网页导航、截图、点击和内容填写等操作。 GitHub：主要功能： - 创建和管理云浏览器会话 - 网页导航和内容提取 - 网页全屏或元素截图 - 点击元素和填写表单 - 执行 JavaScript 代码 - 支持并行浏览器会话拉取代码到本地并安装依赖，支持 Windsurf、Claude 和 Cursor 等 MCP 客户端，配置启动后即可使用。

GitHubDaily

24,181 просмотров • 1 год назад

谷歌终于发布了带有 Gemini 的 Chrome 浏览器，太晚了支持总结回答页面问题，对比多页面的信息找回已关闭的标签页、跨站点快速提炼关键信息整合日历及 YouTube ，可以安排日程和总结视频内容未来会上线 Agentic 能力，操作浏览器网页完成任务美国地区、Mac 与 Windows 可用、系统语言需设为英文

谷歌终于发布了带有 Gemini 的 Chrome 浏览器，太晚了支持总结回答页面问题，对比多页面的信息找回已关闭的标签页、跨站点快速提炼关键信息整合日历及 YouTube ，可以安排日程和总结视频内容未来会上线 Agentic 能力，操作浏览器网页完成任务美国地区、Mac 与 Windows 可用、系统语言需设为英文

歸藏(guizang.ai)

103,266 просмотров • 10 месяцев назад

Manus 开源替代又又又又又又又来啦！ kortix-ai 新发布了一个开源 Agent 平台，Suna，完全对标 Manus。集成了浏览器自动化，文件管理，网络爬虫，扩展搜索，命令行执行，网站部署以及与各种 API 和服务的集成。这些功能都能在AI的操作下协同工作，最终实现通过简单的对话解决复杂的问题并自动化工作流程。地址：

Manus 开源替代又又又又又又又来啦！ kortix-ai 新发布了一个开源 Agent 平台，Suna，完全对标 Manus。集成了浏览器自动化，文件管理，网络爬虫，扩展搜索，命令行执行，网站部署以及与各种 API 和服务的集成。这些功能都能在AI的操作下协同工作，最终实现通过简单的对话解决复杂的问题并自动化工作流程。地址：

karminski-牙医

22,716 просмотров • 1 год назад

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

20,013 просмотров • 6 месяцев назад

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

76,836 просмотров • 1 год назад

OpenClaw-RPA 是一个"RPA 编译器"，核心理念是"录制一次，回放为确定性 Python 脚本"。它用 AI 驱动真实浏览器录制工作流，然后编译成纯 Playwright Python 脚本，回放时零 Token 消耗、无幻觉风险。支持浏览器操作、HTTP API 调用、Excel/Word 自动化、自动登录（Cookie 注入）等功能，可作为 OpenClaw 生态的 Skill 使用。

OpenClaw-RPA 是一个"RPA 编译器"，核心理念是"录制一次，回放为确定性 Python 脚本"。它用 AI 驱动真实浏览器录制工作流，然后编译成纯 Playwright Python 脚本，回放时零 Token 消耗、无幻觉风险。支持浏览器操作、HTTP API 调用、Excel/Word 自动化、自动登录（Cookie 注入）等功能，可作为 OpenClaw 生态的 Skill 使用。

Geek Lite

16,818 просмотров • 4 месяцев назад

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 просмотров • 1 год назад

今年的确是 AI Agent 爆发年，MacOS Agent 来了！—— Cua 简单来讲这个程序可以在 Mac 上开一个虚拟机，然后提供 cua-agent 让 AI 能够操作虚拟机中的 Mac 系统。详细可以直接看视频，不但能操作系统，还能使用内部的程序比如浏览器， VSCode 等等。到目前为止，windows，MacOS，Linux 的 Agent 都有了，操作系统 Agent 已经补齐了。地址：

今年的确是 AI Agent 爆发年，MacOS Agent 来了！—— Cua 简单来讲这个程序可以在 Mac 上开一个虚拟机，然后提供 cua-agent 让 AI 能够操作虚拟机中的 Mac 系统。详细可以直接看视频，不但能操作系统，还能使用内部的程序比如浏览器， VSCode 等等。到目前为止，windows，MacOS，Linux 的 Agent 都有了，操作系统 Agent 已经补齐了。地址：

karminski-牙医

88,005 просмотров • 1 год назад

经常用 Codex、Claude Code 做网页自动化？试试 ego-lite。不是 Playwright 那种另开浏览器，而是你和 Agent 共用一个浏览器：各干各的，互不抢标签页。登录态、Cookie、扩展直接继承，不用反复登录。每个 Agent 有独立 Spaces，支持并行跑多个任务。用 JS 调用，复杂任务最高快 2.5 倍，Token 更少。支持 Codex、Claude Code、Cursor 等。目前 Mac 可用，Win/Linux 在规划。适合操作需要登录的后台、CRM、社媒等。

经常用 Codex、Claude Code 做网页自动化？试试 ego-lite。不是 Playwright 那种另开浏览器，而是你和 Agent 共用一个浏览器：各干各的，互不抢标签页。登录态、Cookie、扩展直接继承，不用反复登录。每个 Agent 有独立 Spaces，支持并行跑多个任务。用 JS 调用，复杂任务最高快 2.5 倍，Token 更少。支持 Codex、Claude Code、Cursor 等。目前 Mac 可用，Win/Linux 在规划。适合操作需要登录的后台、CRM、社媒等。

开发者Hailey

12,998 просмотров • 15 дней назад

推荐一个浏览器可拖拽自动化流程 - 爬虫，录像，日志 Automa - 免费 - 浏览器直接安装使用 @imzqz1983 亮点 • 可视化模块连接，零代码自动化网页操作 • 支持自动填表、批量任务、截图、数据抓取等 • 可自定义触发器，定时或按网站自动运行 • 丰富模板，支持一键添加与自定义 • 支持数据导出JSON/CSV、同步至Google Sheets • 多任务串联，适合办公、采集、分析等 • 社区活跃，用户可分享和导入工作流 Github 官网

推荐一个浏览器可拖拽自动化流程 - 爬虫，录像，日志 Automa - 免费 - 浏览器直接安装使用 @imzqz1983 亮点 • 可视化模块连接，零代码自动化网页操作 • 支持自动填表、批量任务、截图、数据抓取等 • 可自定义触发器，定时或按网站自动运行 • 丰富模板，支持一键添加与自定义 • 支持数据导出JSON/CSV、同步至Google Sheets • 多任务串联，适合办公、采集、分析等 • 社区活跃，用户可分享和导入工作流 Github 官网

艾略特

148,070 просмотров • 1 год назад

一款开源的 AI 网页自动化工具：Nanobrowser。 OpenAI Operator 的开源平替，在浏览器中本地运行，支持多智能体系统。完全免费、注重隐私、灵活的 LLM 选项、完全开源，让网页操作变得更加智能高效。 GitHub：从 GitHub 下载 zip 文件，轻松安装到 Chrome 中即可使用。

一款开源的 AI 网页自动化工具：Nanobrowser。 OpenAI Operator 的开源平替，在浏览器中本地运行，支持多智能体系统。完全免费、注重隐私、灵活的 LLM 选项、完全开源，让网页操作变得更加智能高效。 GitHub：从 GitHub 下载 zip 文件，轻松安装到 Chrome 中即可使用。

GitHubDaily

46,916 просмотров • 1 год назад

Google浏览器稳了，至少现在这个OpenAI的Atlas浏览器功能相当简陋，最多能取代AskPDF之类的AI工具。最佳场景，应该是开启Sidebar同步问ChatGPT这个页面/PDF内容，对于学习研究不错，但是这个功能微软Edge浏览器不是一样么？搞得发布会独家创新一样。最搞笑是，搜索用Google，谢谢你啊，给我导流。

Google浏览器稳了，至少现在这个OpenAI的Atlas浏览器功能相当简陋，最多能取代AskPDF之类的AI工具。最佳场景，应该是开启Sidebar同步问ChatGPT这个页面/PDF内容，对于学习研究不错，但是这个功能微软Edge浏览器不是一样么？搞得发布会独家创新一样。最搞笑是，搜索用Google，谢谢你啊，给我导流。

Tigris 会讲课教授是好老师

18,026 просмотров • 9 месяцев назад

天天用 Codex、Claude Code 跑网页自动化，是不是被这几件事烦死过？ 1️⃣ 得另开一个浏览器给 Agent 用，跟 Playwright 一个套路 2️⃣ 登录态、Cookie、扩展死活带不过去，反复登录 3️⃣ 你和 Agent 抢同一个标签页，互相添乱 ego lite 直接换思路：你俩共用一个浏览器，各干各的。每个 Agent 有独立 Space，能并行跑一堆任务，靠 JS 调用，复杂活儿最高快 2.5 倍，还更省 Token。Codex、Claude Code、Cursor 都能接。目前只有 Mac，Win 和 Linux 在排期。要天天操作后台、CRM、社媒这种需要登录的，挺对路。 🔗

天天用 Codex、Claude Code 跑网页自动化，是不是被这几件事烦死过？ 1️⃣ 得另开一个浏览器给 Agent 用，跟 Playwright 一个套路 2️⃣ 登录态、Cookie、扩展死活带不过去，反复登录 3️⃣ 你和 Agent 抢同一个标签页，互相添乱 ego lite 直接换思路：你俩共用一个浏览器，各干各的。每个 Agent 有独立 Space，能并行跑一堆任务，靠 JS 调用，复杂活儿最高快 2.5 倍，还更省 Token。Codex、Claude Code、Cursor 都能接。目前只有 Mac，Win 和 Linux 在排期。要天天操作后台、CRM、社媒这种需要登录的，挺对路。 🔗

鸟哥 | 蓝鸟会🕊️

19,150 просмотров • 13 дней назад

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

180,716 просмотров • 1 месяц назад