vs code安装浏览器自动化
如果你写爬虫时经常被验证码拦住，或者你的 ai 一 访问网页就被识别成机器人，那么这个项目值得你认真看看。它就是 cloak browser， 一 款基于开源内核深度修改的隐身浏览器，通过在底层代码上打补丁，直接消除自动化程序的痕迹。 市面上大多数反检测工具走的是注入脚本或者修改启动参数的路线，网站一更新，这些手段就容易失效。 而 clock browser 的 思路不一样，它在 chrome 浏览器的原码上打了四十九个补丁，重新编出了一个定制版的浏览器。补丁覆盖的指纹维度非常全面，画布三维图形、音频、字体、显卡信息、屏幕分辨率、网络地址、加密协议特征等等全部做了修改。 在官方测试中，它能通过三十个主流反爬站点的监测，验证码评分从普通自动化工具的零点一直接拉到零点九，达到真人水平。 他还提供了一个人性化模拟开关，开启后鼠标移动走平滑曲线，按键有随机延迟滚动，模拟真实节奏，连空闲时的微小动作也做了模拟，从指纹到行为，相当于从头到尾把机器人特征修了一遍。 北京使用场景包括采集数据、管理多个账号自动化测试以及需要操作网页的 ai 项目。代码采用开放许可证，没有订阅费用。这个项目的核心价值就是不试图伪装脚本，而是从底层重构浏览器本身，让自动化环境看起来就是一个真实的普通浏览器。我们下期见。
粉丝273获赞4577
相关视频
02:50查看AI文稿AI文稿cloud code 浏览器自动化方案应该怎么选？先说结论，再介绍这几个方案。如果你是普通用户，只是想抓取简单页面的内容，订酒店机票，填写一些网站的表单，就用 agent browser。 如果你是开发者，想在开发中排查页面 bug， 查看接口信息，分析性能瓶颈，就用 chrome dvodes mcp。 如果你是测试，想生成测试脚本，执行测试流程，或者是抓取复杂页面的内容，更推荐使用 playwrite mcp。 如果是一些复杂图标 converse 实现的页面，不想依赖其他方式，例如 mcp 的 话，单纯依靠浏览器来操作，那么 cloud in chrome 几乎是你唯一的方案。 那么接下来具体的介绍一下每个方案。首先是 agent browser， 它会解析页面结构，过滤掉样式图片后，将内容交给大模型识别，在对页面变化的适应性和内容识别的准确度方面得到比较好的平衡， 适合进行日常的浏览操作。例如抓取内容平台数据，预定酒店机票，监控商品信息，填写在线表单深层咨询日报 chromos mcd 底层是通过远程调试端口直接控制浏览器，所以天然的比其他查看页面结构的工具可以做更底层的事情，更适合开发者来使用。 例如排查前端页面的 bug， 查看 api 接口信息，分析性能瓶颈，甚至能绕过页面的反爬虫机制人机验证等拦截。 playwrite mcp 会把整个页面的完整结构都交给大模型，所以它能面对很复杂的页面。如果通过 agent browser 抓取一些页面上的内容时，发现不能抓取或者抓取不完整， 可以考虑用 playrite mcp 来抓取，更多的时候会适合 qa 使用。例如辅助生成自动化测试代码，执行自动化测试脚本。微软还推出了 playrite and coi， 可以 搭配 playrite mcp 来干活。 最后是 cloud in chrome 最大的特点是采用纯视觉方案，好处是显而易见的拟人程度最高，任何人类能够操作和看到的内容它都能执行。例如执行 figma 这样的 canvas 画布类应用操作，可直观图标，填写图形验证码。 最后我们看一下它们大致的任务投币消耗量，从低到高依次是， agent browser、 chrome、 dvodes、 mcp、 per write mcp、 cloud in chrome。
103AI 触角
01:49查看AI文稿AI文稿大家中午好，我想了想，我还是要跟大家录一下，因为最近 codex 跟 anthropic 的 cloud code 真的 太火了，昨天晚上 openai 也发布了 codex， 现在已经可以直接支持谷歌的 chrome 以及 windows， 就是 chrome 在 macos 和 windows 情况下，呃，可以直接调用 codex 的。 我快速录一个视频，教一下大家怎么把这个功能激活。首先呢， 我们要打开最新版本的 codex， 如果不是最新版本的，可以在这里去检查 update， 就是 要确保更新到最新版本的 codex。 更新完之后，打开这个插件 plug ins， 打开这个插件， plug ins， chrome 的 这个选项就会出现了，点击这个 chrome 点击吧，因为刚才我已经点击了啊，可以直接点打开， 打开它会直接跳到你默认浏览器的这个 codex 的 激活界面啊，如果你默认的是 chrome， 就 会正常蹦到这个 chrome 的 界面 crom 蹦到之后直接点击艾特 crom 就 ok 了啊，因为我认为接下来会很精彩的。其实 cloud 大家能看到我的 cloud 已经支持了，就当我点开这个 cloud 的 时候， cloud 的 无论他调用自己大模型也好，还是还是 cloud code 也好，他可以直接操纵我的 crom。 那 现在呢，就是我把 code 也加入到 crom 之后， open up code 也可以直接调用我的 crom 吧。因为今天我想录这个视频的原因就是我认为接下来整个电商的搜索逻辑都会因为世界头部的几个大模型公司会带来天翻地覆的变化。 比如我现在自己日常的使用已经不用去打字了，我调用的是 tapis 会比较多，所以现在目前，哦，现在才五月份，我觉得其实 ai 的 风向已经调了好几次了。比如年初的 open code 火了一阵子， openclaw 就是 龙虾。 那其实我认为到现在为止了， open opencloud 的 风风口或者说营销热度已经完全消退了。那接下来就是 webcoding。 那 目前最主流的就是 codex 和 android 的 cloud code。 就是 cloud 的 code 啊。好吧，今天就跟大家快速录一下。我估计可能很多伙伴不知道怎么在 codex 里面去添加 chrome， 在 chrome 里面去激活 codex。 好 吧，那今天先这样，拜拜。
169凯文不要嗨
00:33查看AI文稿AI文稿给 code codex 这类 coding agent 装浏览器技能已经狂揽三千新标。你可以让它去网页上点按钮填表截图抓数据， 简单，页面用 fetch 和 search， 真要交互的再开浏览器跑稳定了还能用 fpx 部署到云端。以前你让 ai 写脚本控制浏览器，现在是让 ai 自己进浏览器干活。 如果你的流程卡在登录表单网页抓取 q a 测试，赶紧蹲一下，别只让 ai 看代码，给他一台浏览器。
330靓仔AI进化论
11:04查看AI文稿AI文稿好了，各位，这节课我想讲一个叫 m c p 和 m c p 服务器的东西，它能让 cloud code 连接并和外部数据源通信，比如服务和 api。 比如我现在在这个项目里用 cloud， 它了解我的项目，也能用内置工具、改代码、跑办事命令等等， 但这些工具只限于这个代码库，对吧？ cloud code 没有工具去操作外部数据源、第三方服务或 api。 比如我不能让它连接数据库，分析我的表，甚至帮我新建一个表，因为它没有这种工具。这就是 m c p 服务器的作用。简单说， m c p 是 model context protocol， 由 osrbic 设计，让 ai 连接外部资源。做法是通过 mcp 服务器给模型提供额外工具和上下文。不同的 mcp 服务器会带来不同工具，用来做不同事情，连接不同资源。 所以你可以把 m c p 服务器理解成能接入 cloud code 的 东西，或接入你用的任何客户端。然后 cloud 在 ai 模型指挥下，就能使用服务器提供的工具去操作某个外部数据源，比如 superbase。 m c p 服务器提供列出表、部署边缘函数，甚至执行 sql 命令等工具。 如果我安装了 superbase mcp 服务器， cloud 就 能使用这些工具。我可以对 cloud code 说，读取 superbase 的 blogs 表，做个界面来展示记录。 cloud 会先查找能用的工具， 然后在这个 superbase mcp 服务器里找到一个，接着他会调用那个工具，也就是服务器里定义的函数去连接数据库。找到 blocks 表，他会读取表，并把表结构返回给 cloud code， 然后 cloud code 就 能根据这些数据来设计界面。所以使用 mcp 服务器时，不是 ai 本身，也不是 cloud code 这类客户端直接访问外部资源， 真正访问外部资源的是 m c p 服务器，它再让 cloud code 或其他客户端调用这些工具。另一个叫 playwrite 的 m c p 服务器可以给 ai 模型工具，用来打开浏览器，浏览网页、检查元素截图。 context 七 m c p 服务器提供工具，能获取很多框架和库的最新文档，再让 cloud code 用来开发新功能。用这些框架更多可在 pos m c p 点 com 找到， 所以一定去看看。我们要安装这里这两个服务器， context 七和 playwrite， 接下来几节课我们会把它们用到工作流里。不过先说怎么添加这些服务器，看 cloud code 文档里 mcp 安装部分可以看到，既能本地添加，也能远程连接。 我们会在本地添加服务器，所以用最上面的这个选项。做法是运行 cloud mps， 加服务器名，再加命令和参数。另外，如果你用 windows， 目前还要多加一段往下果，能看到黄色警告框， 也就是加上 c m d， 再加 c c m d 会打开 windows 命令行来运行命令， c 会确保命令运行后关闭 shell。 通常使用 m c p 服务器时，文档会给出一整段命令，让我们复制到终端执行。 但要注意，如果你在 windows 上用 npx 服务器，可能要加 cmd 除以 c， 不 然可能无法正常工作。总之，回到 context 七 mcp 页面看看安装说明。点击顶部的 mcp 链接，会跳到这个服务器的 get up 页面， 然后一直往下滚。会看到很多添加到不同客户端的选项，其中应该有 cloud code， 点开它会看到几个选项， 前两个是远程服务器连接，最下面这个是本地连接，所以输入 cloud m c p i 的， 再写服务器名 config 四七。然后是这个双横线，再接 n p x 命令，现在把它复制下来，粘到终端里。然后我们还要改几处，我已经把它粘到终端了，接着再加几项。 第一件事是在双横线前再加一个 flag， 也就是 scope。 用 cloud code 添加 m c p 服务器时，可以加到三种 scope。 project scope 会把 m c p 配置推到远端，项目成员都能使用 local scope， 只能你在当前这个项目里使用这个 m c p 服务器。 global scope 是 全区添加 m c p， 所有项目都能用，默认是 local。 但我想设成 project scope， 这样就能在项目目录里看到 m c p 配置。我主要用 project 或 global scope， 很 少用 local scope， 要设置 scope 就 用 scope flag， 后面跟 project 表示项目级， 也可写 local 或 global。 先说若在 windows 原声跑 cloud code 添加 m c p 服务器时可能有点问题，至少录这期视频时是这样。 如果你用 mac， 基本不需要绕弯子，现在直接按回车就能正常运行。但如果你用 windows， 还得多做几步才能正常工作。 首先要像前面说的，在 npx 命令前加上 cmd 和 c， 就是 刚才提到的那一段。第二，如果现在直接运行会报错，我按回车给你看。报错说有个未知选项 y， 它就在 npx 后面。 这个 y flag 用来在安装包时自动接受默认提示，这里确实需要它。那怎么绕过去呢？一个办法是先去掉 y flag， 运行整条命令， 这样就能成功。 cloud code 会在项目根目录创建 m c p json 文件，打开它会看到一个 json 对 象，里面有 m c p servers 属性，所有项目级服务器都会加在这个属性里面，所以能看到刚才添加的 context 七点一 服务器。按这些属性配置本地 mcp 连接，用标准输入，输出命令是 cmd， 因为在 windows 上我们加了这段 cmd， 然后还有一些参数，包括 c， 这也是因为我们在 windows 上才加的。 如果你用的是 mac， 这里可能会不太一样，也不需要改这些。但在 windows 上，因为我们去掉了 y 参数，现在要手动把它加到 npx 后面的参数数值里，加好保存 好了。现在启动 cloud code 应该能用了。不过我觉得 windows 上这个解决办法还是有点别扭，希望以后能把它做得更简单一点。你看是也许好了，现在试试。 我刚才试用这个 m c p 服务器时，遇到连接错误失败了，不知道什么原因，所以我会改用 context 七的远程服务器。有点奇怪，因为我录制前测试过，当时是能用的，一切正常。问题是 cloud code 和 m c p 都新，变化快， 所以有时就是会出问题，可能还需要一点时间稳定下来。接下来我回到文档，找一下远程服务器需要运行的另一个命令，我们就用这里这个它用 http 作为传输方式，先复制它。 好，我已经念到终端里了，但还要再加一个东西， scope 放在服务器名后， context 七后加双横线 scope， 再加 project， 设为项目机 按回车。希望现在他会帮我们添加这个服务器。如果关闭这个终端，再看这边，应该能看到 mcp 这层文件里面有 context 七。 这次是 http， 因为用远程连接，这是服务器 url， 服务器地址也在这里。好，现在要重新启动 clod， 我 在这里输入 clod， 然后按回车，先把文件数关掉，然后在这里输入 mcp。 这次希望能看到 context 七。 好，连接失败了，我按回车，然后重新连接一下，看看这次能不能连上。好了， m c p 旁有绿勾， 我们已经连上 context 七，可以开始用了。那我先退出这里。好，现在我要让 cloud code 使用 context 七输入这个提示，它写的是 查下最新 tailwind 的 文档，看全区 css 的 主题变量配对了吗？用 context 七，我也引用 css 文件，方便查找，就是 source app globers css。 回车前注意，我用了 use context 七，这样他就明确知道要用 mcp 服务器获取最新信息。 我现在按回车执行，他想使用 context 七的 resolve library id 工具，然后他还想再用一个额外工具，他需要我的许可，所以我在这里点 yes。 现在你能看到他说看了你的 tailwind css 配置，主题变量，配置正确之类的内容，说结构没问题， 这样就很棒。我喜欢用 context 七的一点是，当 cloud code 要用第三方框架或库实现功能时，我会让他用这个查文档，因为他经常会用旧代码，所以我想确保他每次用这些框架写代码时都参考最新文档。不止 cloud code， ai 工具都一样， 他们都可能用旧代码，因为训练数据里就有这些旧代码，所以我准备在这里用警号添加一条记忆。按警号添加记忆内容是需要使用 context seven 查最新文档，也就是在需要时查最新文档。按回车后，他会把这条加到项目记忆里， 然后打开这个文件，应该能在底部看到它。对，已经有了，很棒。再加 playwrite 服务给 cloud code 用， 比如打开浏览器，点击链接截图等等。我现在就在 play right m c p 页面 cloud code 这里让跑命令，但 windows 要调整 还是要改一下。我还想确保添加时使用项目作用域复制这个命令，然后回到终端。我已经把这个命令加进来了，还额外加了两个东西，第一个是这里的 scope 参数表示我们要把它加到项目级别。 另一个是 cmd switch c， 因为我们是在 windows 上运行，这次这个服务器不需要加域 y 参数。好，现在按回车。 希望他会把 playwrite 服务器加到 mcp json 文件里，我们到这里看一下。对，现在能看到 context 七，也能看到 playwrite。 这次类型是标准输入，输出命令是 cmd， 下面是这些参数。很棒。接下来我们需要再次启动 cloud 来试试它。 好， cloud 已经启动了。第一件事是用 mcp 工具确认它们连接正常。对，没问题。现在我退出。我就让 cloud code 打开浏览器访问。 net ninja dave， 然后给我总结一下这个网站。 这只是演示，它可以用 playwrite 浏览网站，或者由 playwrite 带它操作并返回我们需要的信息。首先它会请求权限，我们点 yes。 另一个屏幕打开了。 net ninja dave v v， 他会自己看，我先移走。好。现在他返回了一些信息，他说， night ninja 是 上创建的综合编程教育平台，专注于网页开发培训， 我对这个结果挺满意，他还给了其他信息，说实话内容也挺详细。不过 playwrite 能做的不只是这些。我想用 playwrite 在 浏览器里查看我们做的组件，并给出 u x 反馈。 所以下一刻我们会用 cloud code 创建自己的子代理，然后在那个子代理里里使用 playride mcp 来完成这件事。
38AI 工具集
03:45查看AI文稿AI文稿在使用 hermes agent 的 时候，如果你是 windows 系统的用户，那你肯定遇到过这样的问题，那就是它没有办法直接控制你的本地浏览器，无法完成一些已经登录过账号的自动化操作。这是因为 hermes 运行在 wsl 系统上，有着独立的网络环境， 所以常见的一些方式，比如 chrome mcp 或者 play rewrite 就 无法直接使用。但我只改了一个东西，我的 hermes agent 就 可以完美地控制我的本地浏览器了。 所以本期视频给大家带来一期 hermes 浏览器自动化的教程，以及分享一个实战操作，自动帮我们发布小红书。视频中的笔记我已经整理成了飞书文档放在评论区，如果本期视频对你来说有帮助的话，可以给我一个三连支持一下，谢谢！ 好的，废话不多说，我们直接开始。我们首先找到桌面上的 chrome 浏览器图标，右键复制，然后粘贴一个新的浏览器出来，对它重命名，改一个名字，方便等一下调试，我这里就叫调试模式好了。然后我们右键点击属性， 将它的目标替换成我们的飞书文档里面的这个代码，我们删除掉，然后 ctrl v 粘贴出来， 点击应用，然后再点击确定。接下来我们打开刚刚那个浏览器，在最上面的输入框输入这个代码，然后我们要确保我们的远程调试是打开的状态，然后再确保一下远程端口是不是九二二二。然后我们打开 c 盘，找到用户，再找到我们的用户名， 点击进去，我们先点击查看，我们一定要确保这个文件扩展名是打开的状态，然后我们右键空白处新建文件， ctrl a 全选，然后点击删除，然后我们输入一个小点， 注意是英文的点，然后 wsl config 点击是， 然后接下来我们把我们分数文档中的这三行代码给复制一下，右键一下这个文件，然后点击在记事本中编辑，然后 ctrl v 粘贴一下， ctrl s 保存，然后返回。然后我们在左下角的搜索找到 power shell， 如果没有的话可以直接搜一下， 然后我们输入 w s l 杠杠 s， t d 啊，注意啊，那个杠和 l 之间是有个空格的，然后回车之后返回。接下来我们打开我们的乌班图虚拟机，找不到的也是直接在左下角搜索就可以了。 然后我们可以发现终端上已经没有显示我们处于 light 模式了，就说明我们的镜像模式已经配置好了。这个时候我们输入 hermes 进入终端页面，然后我们将文档中的这几行代码复制一下，粘贴给 hermes， 它会自动的帮我们配置 chrome dev mcp， 安装完成后，它会自动的帮我们重启一下，如果你的没有自动重启的话，请把终端关闭，然后我们手动的再进入一次 hermes 即可。然后这里我们询问一下它，看看能不能正常的连接我们的 chrome 浏览器， 请注意这个时候你的浏览器一定要是打开的状态。 ok， 没有问题，到这里的话，我们的 hermes 就 可以直接控制我们的本类浏览器了。这里我随便准备了一份 t 叉 t 文档，然后给 hermes 输入提示词，打开小红书，然后帮我发一篇笔记来测试一下它的浏览器自动化能力。 ok， 已经开始了，可以看到我的鼠标在屏幕的右上角，我并没有去操控这个浏览器。现在 hermes 正在不断地识别浏览器的元素，然后一步一步地探索该怎么发笔记。然后等他把整个流程跑完之后，我们就可以用自然语言告诉他把这个流程做成 skill， 然后下次我们执行相同的操作的时候就会快很多。但这里属实是有点尴尬了，他不知道要先点一下这个一键排版才可以继续操作。他在那里探索半天，然后我们这里先提示他一下吧。 ok， 终于发布好了。好的，以上就是本期视频的所有内容，如果本期视频对你有帮助的话，还恳请各位观众给个三连支持一下，我们下期视频再见。
344阿维的AI笔记
02:47查看AI文稿AI文稿你是不是也遇到过这种情况，想让 ai 帮你查个网页上的信息，他跟你说我无法访问互联网，你想让他帮你填个表单，点个按钮，截个图，他说我只能生成代码，不能执行操作。这就很尴尬了， ai 明明那么聪明，但他没有手，碰不到真实的网页。 那如果我告诉你现在有一双手可以给 ai 装上呢？今天聊的这个工具叫 agent browser， versel labs 开源的， github 上快三万颗星了，用 rust 写的，专为 ai agent 设计它干嘛的一句话，让 cloud code 能真正打开网页，看到网页，操控网页。 装完之后，你跟 cloud code 说帮我去 google 搜个东西，然后截图，它就真的去做了。不是生成代码让你自己跑，是它自己打开浏览器，输入关键词，点搜索、截图，全程自动。 怎么做到的？核心就三步，第一步， open， 打开目标网页。第二步， snapshot i 拍个快照，但不是截图，是把页面上所有能交互的元素按钮、输入框、链接列成一个结构化列表，每个元素配一个唯一的 ref 编号。 第三步，你想点哪个按钮，就直接 click at。 八、想填哪个输入框，就 fill at。 五、关键词。你发现重点了吗？ ai 不 需要看屏幕猜坐标，它拿到的是一个精确的元素地图，每个按钮都有编号，这不比拿鼠标比划强多了？ 你想想以前的浏览器自动化工具，要么让你写脚本定位 css 选择器，要么靠像素坐标点击，换个分辨率就崩了。 agent browser 的 思路完全不一样，它给 ai 一 双能看懂网页的眼睛，那装起来麻烦吗？两条命令就搞定，先 npm install 杠 g agent browser， 再 agent browser install 第二条会自动下载一个 chrome 内核，大概一分钟， 然后再跑一条 npx skills， 阿德，把它注册成 cloud code 的 一个 skill， 装完之后你打开 cloud code 的 一个 skill， 装完之后你打开 cloud code 说一句话就行了。帮我去 google 搜索 cloud code agent browser tutorial， 然后截图保存， ai 就 会自动打开 google 拍快照，找到搜索框的 riff， 输入关键词，点搜索等页面，加载截图。全程你只发了一条指令，从帮我搜个东西到拿到截图，你只需要说一句话。当然，它不只是能搜 google， 你 可以让它用你本地的 chrome 登录状态操作，避免重复登录。你甚至可以批量执行一连串操作。 这才是 ai agent 该有的样子，不是只会聊天，是真的能帮你干活。装一个试试，五分钟的事，你会发现 ai 的 边界又往外扩了一圈。我是老七，下期见。
972老七聊AI
01:54查看AI文稿AI文稿如何用 opencore 实现浏览器自动化任务？这期视频告诉你是怎么实现的，然后文墨会提供到手直用的 skills， 现在正式进入正题。首先分享我之前春节的经验， 当时我直接让 ai 去做浏览器自动化任务，它会优先选择固定脚本，固定点击网页按钮的形式， 这样做出来的不知道为什么总是无法稳定成功。然后现在我成功了，我现在用的是大模型，理解网页再定位和点击元素的形式，这样就非常稳定。这里面用的是 blos user 工具， 只需要你填入你的大模型 a p i t， 就 可以用自然语言安排浏览器净化任务了。这工具大模型之前为什么没有找到和使用我不知道，但是我可以告诉大家我是怎么搞找到这个工具的。首先是问 ai 有 哪些工具，然后去问 ai 怎么用， 然后我就了解到了有一个工具，它需要使用到大模型 a p i t。 之前春节用过的方案都没有这个要求，那我就让人家去用和测试这个，呃，工具 就测试成功，那我就用 ai 优化为 skills 了。这个 skills 我 现在就分享给大家，这个链接我不确定可以在哪里分享给大家，大家可以私聊我获取或者评论区获取使用方法。我在视频里面就告诉大家，你下载完这个 skills 之后，你就告诉 ai 编程工具或者各种 code， 你告诉他我用的是叉叉大模型 a p i t。 是 s k 叉叉叉叉叉。使用这个 skills 帮我执行一下软式进化任务，这个描述可以参考一下， 请帮我完成以下浏览器是动画操作，第一部分是登录，打开某某网址，等网页完全加载之后，查找并点击某个按钮，在里面输入账号密码，登录完之后你就可以让他点击其他东西，这个就是一个范例，大家可以参考一下。好，那我这次的分享就很简短，就是这些。
01:41查看AI文稿AI文稿你可能见过 ai 写代码，但这次想聊的是更工程化的一套开源项目 kilo code。 它把会干活的编程智能体做成了一个平台，目标是让你从写需求、改代码、跑命令到调试，都能在同一套工具里完成。先说最硬的钩子， kilo 支持用自然语言生成代码，而且它不只是输出一段代码就结束。官方介绍里提到，它可以检查自己的工作，还能在终端里运行命令，自动化浏览器操作，并且在你敲代码时给行内自动补全。建议 它主要解决什么问题？很多人用 ai 写代码卡在三点，第一，生成的代码不落地。第二，需要你手动复制粘贴来回切工具。第三，改完不知道怎么验证。 ko 的 思路是把这些步骤串起来，生成重构自动化任务，再到调试，尽量在一个工作流里跑通， 怎么用也很直接。在 visual studio code 里装它的扩展或者装命令行工具。命令是 mpm install g at kilo code kilo， 然后在任意项目目录运行， kilo 就 能启动。 还有一个适合进阶同学的点，命令行支持 auto 全自动模式，比如 kilo run auto 运行测试并修复失败。 但官方也明确提醒，这个模式会关闭权限确认，只建议用在 c i c d 这类可信环境里。 项目是 m i t 许可证，允许商用弹药保留署名和许可声明。对了， keylock lee 说明里写得很清楚，它是从 open code 的 分叉出来，并做了增强。如果你想把 ai 从聊天变成能执行的工程助手，可以收藏下来试试。也欢迎评论区聊聊你最想让它自动化哪一步。
26鼠鼠不加班
00:52查看AI文稿AI文稿头盔消耗直接降百分之九十！强烈建议给可乐扣子装上 agentbrad 这个工具，它不仅能让 ai 更快的操作你的浏览器，而且头盔消耗比 prada 低百分之九十。真正的降本增效神器 agentbrad 是 warsoft 团队用 rap 开发的 c r i 版本的 prad， 但它不是对 prad 的 进行简单的工作，而是做了大量的优化，可以让可乐以命令行的形式玩转浏览器，比如打开网页，控制鼠标移动，点击浏览器第八个，甚至是对页面进行截图分析。 知识的命令非常的丰富，可以让 ai 完成非常复杂的浏览器自动化任务。安装方法也很简单，在终端执行两条命令，或者直接把命令丢为可拉倒来安装，然后就能用了。安装命令我放到了评论区，需要的同学咨询推荐的使用场景。 ai a 镜的自动化测试自动化表单，填写网页内容，抓取页面系统优化，点赞关注，每天获取一个新知识！
120程序员小江
06:21查看AI文稿AI文稿d stack 能把 cloud code 直接升级成一只完整的 ai 工程团队。 yc 总裁 gary ten 的 团队就是用这套工具，两个月就交付了六十万行生产代码。 这节课我会带你从安装配置开始，跑通从产品定义到发布的全流程工作，并深入讲解它的浏览器自动化和进阶写作技巧。建议先收藏 环境准备很简单，你需要确保有最新版的 cloud code、 git 以及 bug 环境。如果是 windows 用户，记得额外装一下 node js 安装方式有两种，个人用的话，直接在 cloud code 的 对话框里粘贴这条命令，它会自动帮你完成剩下的步骤。 git clone 路径加 set up 脚本 如果是想让团队成员也能直接用，就把代码拷贝到项目的 cloud skills 目录下再执行安装。最重要的一步是，安装完后一定要在项目跟目录的 cloud 点 md 文件里把 g stack 的 技能列表写进去，否则 cloud 根本识别不了这些。新命令 进入第一个阶段，我们要用 office hours 来定义产品。这不只是简单的头脑风暴，核心是重新框架化。 gps 会通过六个强制性问题来挑战你的假设，比如你只想做一个简报生成器，它会通过对话帮你发现你真正的痛点其实是多日历信息同步的问题。它会帮你把模糊的功能描述转化成一份逻辑严密的设计文档，这份文档会自动作为后续所有审查步骤的输入。 第二步是做 ceo 级别的策略审查，使用 plan co review 命令，它会读取你刚才生成的设计文档，从市场和优先级角度进行四象限审查，是该扩大范围还是应该缩减到最窄的切入点？ 它最实用的地方在于会给出三种不同的实现路径，并直接对比人工开发和使用 ai 辅助开发的时间成本，帮你判断现在的产品规模是否合理。代码写好后，运行 review 进行审查。你要记住，它的核心逻辑是语义分析，而不是简单的语法检查。 它能发现那些 ci 测试能通过但上线后会爆炸的逻辑漏洞。报告会分为三个等级， auto fix 是 它已经自动修复的边界问题。 one 是 风险提示，而最关键的是 ask 类别。当他遇到复杂的病发竞争或者逻辑冲突时，他不会乱改，而是会把具体的方案摆在你面前，让你做最终决策。 第四步是启动自动化 q a。 使用 q a 命令加上你的测试地址，他会启动一个持久化的浏览器环境，并自动附用你的登录台。 它和传统自动化测试最大的区别在于，传统测试只能刨你喜好的断言，而 g stack 会主动去寻找你没想到的场景，比如空状态、错误状态或者并发边界。最强的地方在于它的闭环能力，它发现 bug 后会直接尝试进行原子级的代码修复， 修复完后还会自动重新验证，确保问题真的解决了。最后一步是执行 ship 发布流水线，他会把之前所有的工作串联起来，自动合并分支运行测试、执行构建。最后自动创建一个包含变更、摘药的 p r。 整个过程内置了严格的检查清单，每一步都会进行校验。 如果流程中遇到需要人工决策的关键环节，它会停下来等你确认，确保发布过程既高效又安全。进入设计阶段，我们要理解 g stack 的 核心逻辑是文档驱动，设计阶段生成的不是死文档，而是整个工程流水线的数据底座。 通过 planning review， ai 会帮你锁定技术架构，生成 esk、 数据流图和状态机设计。通过 design consultation， 可以 从零构建设计系统。 这些深层的 markdown 文件会直接作为下游 review 和 qa 技能的输入依据，确保整个工程逻辑的一致性。 进入开发阶段， stack 有 两种深度分析手段。首先是调试专用命令 investigate， 它严格遵循不调查、不修复的原则。 ai 会先提出假设，然后逐个验证，只有在锁定根音后才会停止， 这样能有效避免盲目改代码带来的副作用。其次是 codex， 它能利用 open ai codex 提供第二意见，通过交叉模型分析，帮你规避单一模型可能存在的逻辑盲点。 发布阶段的核心是实现监控与回本的闭环， land and deploy 也会自动完成从合并、 p 二到部署的完整流水线，而部署后的安全由 canary 负责， 他会在上线后的三十分钟内持续监控三个关键指标，可搜的错误率、性能指标的回归以及页面的失败率。只要任何一个指标出现异常，系统就会自动触发回滚，确保生产环境的安全。在浏览器自动化方面， gedit 的 操作非常直观， 你可以通过 b o l 命令完成跳转、查看元素、点击和填表。这里我把常用的命令整理在了屏幕上， 其中最实用的功能是 ui 变更验证，使用 snapshot 配合 d 参数，它会以类似代码 d f 的 格式直接告诉你操作后哪些元素出现了、消失了，或者内容变了，非常适合做回归测试。 进阶功能主要解决登录态和多端适配的问题。首先是登录态使用，通过 cookie import 命令，你可以直接从 chrome 或 edge 等浏览器导入 cookie， 实现无需手动登录的自动化操作。 其次是响应式测试，使用 responsive 命令，可以一键生成手机、平板和桌面端三张布局截图，快速验证 ui 在 不同设备上的表现。想要实现一人机团队，就需要用到 conductor 模式，它的核心逻辑是并行， 你可以同时启动多个 code code 的 势力让实力 a 负责设计，实力 b 负责开发，实力 c 负责 qa。 这些任务之间不会产生冲突，因为它们是基于 get 分 支模型进行物理隔离的。通过 conductor， 你 可以像管理一个工程团队一样，同时推进多个 sprint 阶段。 在处理生产环境代码时，必须开启大的模式。它实际上是两种安全机制的合体，一个是 careful， 它会拦截所有危险命令， 比如删除文件或执行数据库。删除操作必须经过你确认。另一个是 freeze， 它会把 ai 的 编辑范围锁定在特定目录，防止它在调试时误改了不该动的代码。如果需要扩大权限，再运行 freeze 解除即可。最后是几个高频问题的排查建议， 如果技能不显示，重新运行 desktop 脚本即可。 windows 用户请务必使用 wsl 或 git bash， 不要用 powershell cookie 导入，目前仅支持 memos。 总的来说， sdk 的 核心并不是提供一些花哨的指令，而是通过一套完整的工具链，让 ai 能够遵循严谨的工程化标准流程，这才是实现高效 ai 编程的关键。
122AI赚钱研究社
05:17查看AI文稿AI文稿大家好，今天再给大家分享一个好用的工具叫 browser honeys， 它是目前 ai 操控浏览器最省 token 的 一种方式，它非常的简洁，只有五百九十二行的 python 代码，然后上线三周已经突破了一万的 star， 呃， token 是 比以前的方式能省很多的 呃，目前我们 ai 操控浏览器一共有五条路径，一个是呃 cloud in chrome， 就是 我们平时用的比较多的一个 cloud 的 插件。然后第二个是 computer use， 就是 相当于你把 cloud 交给了呃的电脑，交给了 cloud， 让它去控制这个整整个电脑，但这种方式非常消耗托管，因为它需要截屏确定位置在哪 啊？第三种是 zenium， 这种是传统的方式我就不说了啊。第四个是 pre write mcp， 这是目前像那个 brother u， 呃，那个 use 啊，用的这个框架， 然后 brothers use 他 们现在开发出的 brother hannis， 这个是 c d p 直连的啊，为 ai 造的工具，这个是我们今天要重点介绍的，就前四个呢，它有各自的局限性。然后第五个就是专门给 ai 量身定做的啊，下面我给大家拆解一下。就是它的呃，架构呢，是 quad code 的 呃， 通过 c i 命令行，然后把这个命令发给了 d m， 然后 d m 再通过 c d p 的 web socket， 然后再到你的框，就就非常的简单简洁。它一共就四个核心文件，目前迭代了几个版本，它的命令的代码还是小于九百行的 啊，非常的非常的少，非常的简洁动，不像那些几万行的比起来还是简洁很多的。而且它是直接附用你的 cookies， 还有登录状态，所以能直接操控你的浏览器 啊，他本身还设计了一个叫自愈架构的，他有个 agent helps 啊，他开箱呢，就是你刚装完是空白的，你的 agent 通过各种各样的浏览器执行之后，碰到了一些问题他会解决，解决完之后他就会记录进去，相当于是一个自我迭代跟循环的。 然后仓库本身呢，就是你下下来之后，他已经有了几十个网站的这个操作的经验，就是你的 agent 用的时候就能直接去读取这些经验， 然后这样你一直用下去，它就有一个啊， feedback， feedback， loop， 然后正反馈的循环啊，就形成一个经验的，就是操作浏览器的一个经验的自动沉淀，因为每个网站的它的这个操作的方式可能有些细微的差别， 你怎么怎么去决策用不用这个软件呢？是，首先要看是这么判断的，首先要看你这个网站有没有专用的 m c p。 呃，你像 github， notion， slake 这些是有直接专用的 m c m c p 的， 就相当于它有 ipad 接口，你就根本就不要碰浏览器，你就去找他们接就好了， 通过那 mini 上去接就好了，这个就浏览器根本就用不着。那如果说你要开浏览器，那传统的现在用的可能多一点的就是 playwrite 的 mcp 啊。然后现在我建议你们大家都转成这个 bardeen， 因为它真的很省头，肯啊，非常的好用。 呃，反正大部分场景下 broderhanys 是 性价比最高的路线。呃，然后我我通过这个方式啊，我封装了一个技能，它这个技能的用处是什么呢？就是我们平时用这个追美版 a p i 不是 很贵吗？然后我用这个浏览器的技能接了呃追美版的订阅版， 就是它通过控制浏览器，然后打开 jimmy 订阅版的 jimmy， 然后输入这个提示词，然后就会自动把这个图片生成了，然后下载到呃项目的文件夹里，就这一套下来，你升图片相当于你就可以把额度用呃 jimmy 的 额度用满，就不用花这个 api 的 投肯了， 从投肯的消耗相比的话，大概比 content 柚子能省很多省省个八八倍左右。 呃，我的分享就到这里，然后我接下来会放一下我用这个呃 opus 四点六，然后控制我命令它，然后去生成图片，它自动调取我的技能 去呃生成那张图片并保存下来的过程。大家有兴趣可以接着往下看一看啊，欢迎大家关注今天我的介绍，先到这里，谢谢大家。
3750Simon林（产业资讯）
16:54查看AI文稿AI文稿hello， 我是 goodby， 今天是我的干货系列第一期啊，我们就讲最重要的一个，就 ai 如何让我们操作我们的浏览器，对， 专业术语叫 browser user 啊，应该说今天衡量我们一个人 ai 应用水平的高低啊，就看它的 ai 能不能和好的使用浏览器，因为浏览器太重要了。那比如我举个例子，比如我们做自媒体，那你是不是一定要去抓取这些媒体平台的热门信息啊？去学题， 那么你做好了对应的内容，短视频文章，你是不是要发布出去，他都需要通过浏览器操作？好，那我们些科研工作者，我们要抓取些行业数据，那你也需要浏览器 啊，我们所有的人，包括老板，包括职场的人，各行各业，我们都需要了解行业的最新信息，那么你也要通过浏览器去解锁信息。好，包括我们日常办公，甚至我们订个票啊，我们要 我们 opc 啊，发一个表，填个表，做个报名，都需要浏览器。对，好，那如何让我们的 ai 更好的使用浏览器，那这里面有 相应的很多技术，以及对应我们的各大浏览器的这个平台。但到底每一个技术它有什么样的特点优势啊？比如说像我们推特上，你要抓信息，那你就必须要 模仿人的行为，否则平台可能会认为，哎，你不是人类，要带验证码，那么你就不允许你爬了，甚至把你的号也分掉了。好吧， 那我们下来我们就快速介绍一下吧。对，那么那首先我们看这里是我们的 ai， 中间这一栏是对应的爬取的技术 啊，这边呢是我们三大浏览器，那我们目前最主流的应该就是 chrome 浏览器，但是还有微软的啊，还有这个比较老牌的过期的 iphone 浏览器，那对应的技术我们来看一下。哎，第一个是扩展 扩展技术，扩展技术就是给浏览器装一个插件，那今天我们应该说最主流接触到的就是这一种，包括我们今天的 cloud， 包括最新啊，前两天发布的 codex 都使用相应的技术。哎，就是给浏览器装一个扩展，它就可以让 ai 实现操作我们的浏览器做事情。 对，那我们在之前的话，我们程序员群体可能听得最多的是这个 play wright 啊，它其实最早是一个，嗯，自动化测试的一个工具，就是我们写完程序啦，我们有这个页面啦，我们有按钮，有功能，那么让 ai 让程序自动化的去跑测试啊，这个老师用的这一个。对，那还有这个叫 remote 第八个音。对，这两个技术呢，实际上本上都依赖于后面这个叫 c d p 啊， c d p 呢？全称叫 crom。 呃， debug project 就是 crm 浏览器的调试协议啊，都是基于它来实现的。对，无非是它是一个更高级的一个分装啊，软件 bug 音呢，它是一个直接让 ai 去连接浏览器。对，那这一套呢，基本上 他们就能都能对接到。什么呢？都能对接到我们的这个 crm 浏览器上来啊，那么 大家知道还有浏览器呢？是叫微软浏览器，微软浏览器呢？曾经 i e 是 非常牛逼的， i e 六曾经占了整个软件市场百分之六十到七十吧应该。对，几乎已经统治了这个市场了。 那后来呢？ becom 翻牌以后呢，微软就觉得没啥意思了，它的浏览器压根就没人遵守它的协议，它就玩不下去了。后来它就 对完整的复盘，就把 chrome 的 这套开胃协议复刻过来，做了它的 edj 的 浏览器啊，这也是目前微软 windows 平台上默认的浏览器，它是完全和我们 chrome 是 这个对标的啊，所有都能兼容，包括它的扩展，包括它的协议。对，所以你看前面这一二三 啊，基本上对过来都就是能支持 chrome， 支持 edj。 好， 那么再说这个 win driver 啊，第四种，这一种呢啊，它是相对目前可能更老牌一点，曾经它是，它最早其实是一个相对标准的协议啊，是浏览器的一个标准，但是呢， chrome 已经， chrome 本质上也支持，但 chrome 有 更先进的这套 cdp 啊，所以这套协议呢，现在对 chrome 来说已经不是主要的了，但对于 ffox 这种老牌的 浏览器来说，还是一个支持的方式，但显然它的性能，它的啊，兼容程度，它的能力都差一些啊，所以相对它是一个用的更少的一个技术。好，那么再呢，这里我们基本上还都是通过技术，通，通过协议去解决呢。嗯，那 computer 又是什么呢？哎，这个基本上就等于说通过视觉的方式来解决，就是， 我不是通过技术，不是，不是通过协议，而是通过截图啊，我现在截下图，哎，浏览器上现在有什么组件，有什么图片，有什么文字，十遍以后呢，哎呀，告诉你好，现在我们应该点这个按钮，或者应该是什么，选中一个文字，或者做什么操作， 对，可别用的，所以它的效率是最低的，但它的安全性其实是最好的啊，就是，只是效率太低了。那么还有呢，可能我们 更早的一个技术，大家会听得更多的啊，前些年就都在用的，叫 r p a， r p a 就是 自动化，对， r p a 呢？嗯，这里是要稍微讲一下，就是它其实对于浏览器使用来讲， 哎，还不是一个主流的技术。 rpn， 呃，主要还是操作客户端软件啊。大家知道什么是客户端软件？就是微信啊，客户端， qq 客户端啊等等，它是客户端，呃，其实浏览器本质上还不是客户端。其实 rpn 操作，呃，网页的话，一样也是使用对应的这些技术啊。这是我稍微补充一下， rpa 不是 一个独立的技术。好，那这里面那我们讲了，其实核心看起来就是一二三四，其实就是前面这四种技术目前是更主流啊，因为第五种呢，它是一个 特殊情况下替代去使用的，它的成本太高了，它的它效率太低了啊，几乎目前不大会用啊，这只是少部分人可能会用啊。对，只是少部分人可能会尝鲜，可能去使用一下，因为他呢，你想想每次都要截一张图，然后完了以后呢，识别这张图上的信息，然后再去做操作， 那效率是非常低的啊。他，而且他显然他还做不了一些高级的操作，比如说我要做个，做一个批量的，呃，选中页面上的一些信息，那你怎么写呢？怎么选呢？他识别出来是文字，但其实很多页面他内部是有结构的，这个页面背后他是有结构的，对吧？啊，所以 啊，这个技术呢，基本上做一个补充。那么重点呢，其实前面四种，那再加上呢，我 am driver 呢，是配合的是 fanfox 啊，显然这个浏览器今天几乎是已经很少在电脑上看到了，所以呢，我觉得这些技术呢，都已经不是主流了， 那其实核心就是上面一二三三种协议了。呃，那我们再来分析一下，对，一二三里面呢？呃，扩展，目前刚才讲过的是我们 c c 和 codex 啊， c c 是 这个 oscarik 他 们在用， codex 是 oppai 也在用这个扩展啊，目前这两家大厂都在用这个技术来实现对浏览器的控制。 那么还有我们大家都热门的最关注的是什么呢？ oppo klo。 oppo klo 现在用的是什么呢？ oppo klo 最初的时候呢，它是一个呃，鸟套结构的，它自带了一个环境，用的。是啊，类似于，应该类似于 plain wright 这种方式。嗯， 它自己起了一个内置的浏览器，然后实现控制。呃，浏览器 啊，那么另外一种扩展，大家最记得最初版本的这个 oppo kong 是 带一个扩展的，这扩展是要安装到 chrome 上面，然后上面要点一个连接，连接以后呢，你才能去控制它。但现在呢，它这个基本上已经作为次选的了，也不是主选的了， 更多是通过 cdb 的 方式。对，然后来去使用路由器。对，那，那我们再进一步讲一下，实际上刚才说了 playwright 和 remote 呢，它是共同都使用了 c d p 啊。其实呢，基本上，嗯，从达到的效果来讲是一样的，从那个反平台盘，那个反风控的角度来说也基本是一样的，因为最终它都都是通过 c d p 协议去接入的。 呃，所以最终其实相要比的话，就我们变成了扩展和 c d p 这两种方式，到底哪种更好，哪种更优啊？刚才讲过了， c c codex 都用的是扩展， 扩展的好处显而易见，就是对用户来说，我只要给浏览器上面安装一个插件啊，不需要装任何任何客户端啊，直接打开网站就可以使用了。那这个呢？呃，其实效果是更方便一些，安装更方便，更方便。 那基于 cdp 的 方式呢？它又有几种细分的用法啊？因为这个屏幕小。我给大家再说一下， cdp 本质上是一套 开放的协议，它的具体实现呢，它可以有几种是调用方式，比如 cdp 呢，可以调用我们我们 chrome 呢，我们自己的啊，用户自己的 user， 我 自己的 chrome 和我 我自己用哪个 chrome， 他 用哪个 chrome， 意味着我的收藏家，我的登录状态这些东西都是可以保持在这里面的，这是一种用法。 对，第二种用法呢是我用的是用户安装在系统里面的 chrome 浏览器，但是呢，起一个 对这种情况就要新建一个用户的 profile， 那 么这里面的这个用户的环境呢，就是一个完全新的，虽然使用使用的是系统的浏览器，所谓叫浏览器的指纹环境和我们系统用户日常使用的是一模一样的，但是呢， 因为它没有保留用用户日常使用的一些书签呀，历史记录呀等等各种数据，所以呢，其实也还是能被检测到啊，它是一个新的环境，相对来说啊，比它的这个可检测性就比就比它呢差一些啊，平台分控的概率可能会更高一些。 对，除了这两种模式呢，还有一种就是它可能通过 playtime， 它会 自带啊，一个浏览器没有使用我们系统的浏览器，因为自带的浏览器，因为它控制的会更好一些，包括安装插件呀，包括那个和这个 ai 这边的一个配合度，所以叫，所以叫 diy 的 浏览器啊。那么这个方案呢， 理论上呢，它的效果呢？被可检测性呢，就更强，因为它用的浏览器也不是一个常见的浏览器，它一定也没有包括我们所谓的用户的数据，所以呢，呃，这种情况下，往往 打开我们所谓的这些呃反弹中比较严的些网站，马上就会检测到。我们经常如果用 windows 或者我们自己有时候让 a 打开一个浏览器的话，你只要一旦输入什么谷歌呀，输入什么 推出来呀，马上弹出一个框，哎，你是人类吗？啊，然后出来给人类验证码，那么你验证就挡在上面了，你就什么事都做不了了，是吧？它其实差不多就是这个道理。对，所以同样的技术，你看这里面啊，还是有一些讲究的，所以这里面看下来就是，呃，使用 cdp 加上 chrome 浏览器，使用 用户自己的这个目录是最好的，但是因为为 chrome 一 百三十六版本之后呢， 这种的基本就走不通了啊，不给你用了，就不让你再载入这个数据来，这也是因为安全的角度，因为，呃，他能载入你用户默认的这些数据和配置的话，意味着我们登录网站的所有登录信息，所有权限他都 啊可以被拿到啊，这样一旦被不正常的利用啊，比如说普通网站其实还好，比如说你的邮箱啊，可能有些秘密的信息，或者说你的支付网站啊，你的支付宝登录以后，哎，有黑客通过工具就可以操控，直接操控你的网站 啊，会导致你的数据安全出问题啊。所以呢，能从谷歌的角度来说，他就一刀分掉了，就不给你，在这条路不让你走了，你只能通过这个 呃，这种方式，但是我记得，呃，微软的浏览器可能还是可以的，只是谷歌的这个是不行了啊，但微软浏览器大家用的少啊，在 windows 上面还是在用。 对，那所以你看这上面说下来几种情况，就是你扩展你还有这种 cdp 的 方式啊，总体上呢， 它都是可被检测的，我刚才说了，因为 c d p 这种方式呢，一旦开启这个开关以后呢，浏览器本身就会有一个标记啊，这个标记是隐藏不了的，那么意味着你打开平台的网站，平台自身就知道。哎，这个选项开了 这个学校开的，意味着什么呢？意味着这个路由器环境，它就是一个自动化程序开启的，不是用户开启的路由器，它就能检测到了。对，那么扩展的方式呢？哎，没有这个标记，所以呢，稍微好一点，但扩展的问题在于说你要实现装一个扩展来控制 我们的网站，那么他一定要给网站里面注入一些代码的啊，这个代码理论上也是可被检测的， 它能也能检测到了，那无非扩展有个好处，就是我们今天浏览器毕竟有各种各样的扩展，扩展很多啊，我们有一个什么截长途的扩展呀。啊，我们做一个什么什么做摘药的扩展啊，今天也是很显而易见是吧？ 是好多用户都在用的，那么这里面，所以我们隐藏了一个浏览器自动化操作的一个这样一个插件，它其实特征可能没那么明显啊，那平台也考虑说风控，哎呀，我不能这个 防止出现误封啊，把一些正常用户挡住了是吧？现在相对来说，扩展目前还是最安全的方式啊，所以你看，呃， c c 酷 max 啊，默认其实都用的这套方案，你只要装了这个对应的工具啊，你就可以按照它的插件就可以通过这个方式来使用路由器。对， 一旦你用上这个扩展，这一旦你用上 ai 加浏览器这个方案以后，你就会发现，哇，这 ai 真的 是爽呀。对，那我们在电脑前，在浏览器上的所有工作，理论上都可以被 ai 操作了。 好，那今天技术讲解就这么多，那么其实最后我想提醒，最重要的还不是技术，其实技术呢，我们大家用的过程中，带着问题去找 ai 去聊，其实很多问题都能解决，更重要的是我们赶紧要把 ai 操控浏览器这个事儿要用起来啊，因为 今天我们用使用 ai 已经进入了 oppo klo 小 龙虾时代。小龙虾最重要就是 klo 嘛， klo 就是 有爪子，有爪子意味着它是要行动，要操操控的。对，我们已经不是在之前的哈，我们和 deepsea 聊天，我们觉得还很牛逼啊，他的思考很有深度， 不是这些啊，不是这些，而是确确实实的。我们做自媒体，有做数据抓取，做信息解锁，做日常办公，甚至我们做一些程序的带娃的编程，然后让它全自动的处理所有的事儿。 对，那么这些东西首先最重要的就是浏览器这个爪子要给我们 ai 安装好，让我们 ai 具有这个爪子，那么那么最后呢？呃，你如果是我们有能力之间，有条件之间也能用到 克拉蔑的，或者用到 codex， 或者用到小龙虾的，那么对，尽尽快的把现在的东西配起来，因为对 cc 和 codex 浏览器插件，插件是先要安装好的 啊，啊，这个安装也很简单，你找随便找豆包 ai 问一下就知道怎么安装了。 oppo cola， 它也自带了我们刚才说的这一套，那个目前它内置的一套浏览器的解决方案，那么你也和 oppo cola 聊天的方式让它打开。嗯， 那如果是使用我们对应的国产的一些 a 阵的工具，比如说什么 kimi， cola 呀，啊， kimi， kai， 还有什么的这些国产的啊，这 a 阵的工具的话 啊，就是不好的地方，就是他们目前没有配套自带的一整套壁环的这个商业规划，可能你还要折腾一下，嗯，比如说你呢，你可以告诉他，哎，让他使用 playwrights 的 方式，通过 cdp 操作起一个牛， 用新用户的这样一个环境，这样目前看下来相对是最稳的。然后你尝试让他看咱们的打开什么小红书啊，打开抖音啊，打开推特呀，如果能打开，那说明应该就没问题。 嗯，对，所以这件事是最最最最重要的，先用起来啊，遇到问题我们随时交流。好，我是古德拜，那么 下期大家如果还有一些什么专题的问题想要去那个了解的话，我可以，对，下一期我可以安排上，好吧？有问题交流啊，留言。
292白话Agent
02:00查看AI文稿AI文稿这是一个网页自动化流程，我们运行一下，发现他打开浏览器窗口之后呢，并不是最大化，他只是说一个小窗口，这样子会出现什么问题呢？就是他展示的按钮可能不够全面，他可能会 被遮挡一部分，导致引导找不到，导致流程不稳定报错。在高级设置里面填写这行命令行参数就可以解决这个问题。后续运行这个流程，它都会自动的把浏览器调整为最大化状态。 有时候我们在搭建网页自动化流程中会发现，每次运行流程的时候，浏览器总会给我们一个提示， 这个提示同样可能会进行遮挡，导致引导要点击按钮点击不到或者其他情况。怎么解决这个问题呢？ 其实方法跟刚刚一样，在打开网页指令中高级选项，然后填写一个命令行参数，然后下次运行的时候，他就不会再提示这个东西了。 这是填写完参数后运行的一个效果，跟刚刚对比已经没有了那个提示， 还有更多使用的命令行参数，我已经放在了公众号，可以关注，然后查看文章，自行领取。
13肉夹馍RPA
00:38查看AI文稿AI文稿codex 现在支持直接操控浏览器了？虽然说读书人的事不能算抄，但这确实有点过于明显了。直接在你的 codex 里面 at chrome 就 可以安装插件，然后根据提示去浏览器安装 codex 插件。这两步完成就可以直接让 codex 操作浏览器了。 输入指令之后，它就会直接打开你已经有的浏览器，你已经保存的登录信息，绘画塞审核都有，直接解决了以前总是新开浏览器问题，以及总是需要不断的登录授权的问题，非常丝滑。同时它能够更智能选择，支持调试浏览器流程，检查仪表盘，做研究，更新 crm 等一系列行为。好了，今天的内容就到这里了，拜拜，快去试试吧。
12Shyenx
00:52查看AI文稿AI文稿今天给大家带来的是 visual studio code 二零二五最新版本下载安装教程。首先下载安装包，我们打开浏览器，在浏览器输入网址，网址输入正确才能打开 ctrl 加 f 键快速搜索需要的软件，这里提供了三种下载方式。
0加速度
04:12查看AI文稿AI文稿这是我的 ai 在 操作浏览器，它是最想真人操作浏览器的方式。嘿， guys， 我是 迪莱。最近有很多人在聊 ai 浏览器自动化，因为它真的很有用。一句话， ai 可以 自己打开网页，点按钮、翻页面，整理数据。精品调研，当我真正开始长期用了之后，发现问题特别多， 登录状态经常失效，被识别为机器人头壳，消耗越来越多，复杂页面不稳定。我研究了一圈之后发现，现在主流的浏览器自动化已经有很多方案了，而我最喜欢的一个方案就是 browse harness， 我 觉得它是目前最像真人使用浏览器的方案。 我们先看看现在比较常见的方案有哪些。第一种主流方案， playwrite， 你 可以理解成 ai 先生成自动化脚本，再让浏览器执行这个脚本。比如说写一段代码，这一段代码它能够点击网页 等某个按钮，或者输入表达的内容。这个方案的优点就是执行速度特别快，但是呢，网页一变，这个脚本就很容易失效。所以很多时候这个方案更像是 ai 帮你写代码，然后做浏览器自动化。第二种主流方案， playwrite mcp， 它本质是给 ai 一个浏览器操作工具箱， 它能做 playwrite 所有事情。除此之外，它还有个浏览器插件，进入这个插件之后，你可以连接已经打开的 chrome， 这样 ai 就 能够直接操作你真实在用的 chrome 浏览器。但是这个插件问题很多， 插件它会经常断联浏览器的权限，容易出问题，安装配置就比较麻烦，稳定性是很很差的。而且呢，它会读取大量的页面内容，复杂网页里面这个头衔是特别大的。第三种方案， browser is， 它很像 ai 加一个临时浏览器， ai 会读网页，理解网页，再决定下一步操作。所以它本质是读页面，思考，然后操作。这个模式的核心改变就是， ai 不 再是写代码操作页面了，它是直接理解这个网页， 但问题有很多，它的抽肯消耗是特别大的。大多数网站，而且还会对陌生浏览器是很敏感的，经常会遇到禁用，弹出验证码，被识别为机器人， 这些都是很常见的。后来， browse is 团队又开始做 browse harness 这个 firm， 它的思路不一样了， browse is 像一个 ai 加一个临时浏览器。当 browse harness 更像是 ai 加一个你正在使用的 chrome 浏览器，它不重新打开一个浏览器， 它直接使用了这个 c d p 协议接管你已经打开的 flash 浏览器。它接管的数据包括了登录状态、 cookie、 当前页面、浏览器环境、已经打开的标签页等等， ai 全都可以直接复用。而且它还有个很关键的变化，以前很多方案特别依赖于疯狂读取网页文本、网页代码。 当 browse harness 开始注重当前可视区域，通过页面截图的方式来看网页。简单来说，它能让 ai 那 是看网页，而不是读代码。后来我在做 safe close 时候，选用了 browse harness 作为我的浏览器自动化底座。但是呢， 只用 browse harness 是 不够的，需要进行一些增强。比如浏览器自动化开始之前，你可以直接选择这次任务使用哪个 chrome profile， 也就是说，直接选择对应浏览器的某个用户数据，这样你可以同时使用多个账号，并且不同账号不会串， 登录状态要更稳定，数据更隔离，操作更可控。还有一个，我们还减少了无意义的网页读取很多网页内容其实根本不重要， 所以对于 safecore 提供的场景，比如说设为增长，设为获客来说，我们更偏向于精准的定位，直接操作就不再进行无意义的页面读取了。这一部分操作会让拓客消耗降得很多，除此之外，还有一些其他健壮机制和回退机制等等。 整体来说， browse harness 绝对可以作为你的浏览器自动化核心能力，但是这对于确定性的业务场景来说，每次都要去探索浏览器有点太过于浪费了。你即使利用记忆功能让你的 ai 或者龙虾记住了操作路径， 但是呢， ai 的 响应始终会有随机性。如果你不希望折腾，那你可以直接使用我们 safecloud 的 增强版本的 browse harness， 这个版本对于售媒增长、售媒获客这些场景做了大量的适配。接下来，每天我都会发一个真实的 ai 提效案例，如果你感兴趣，可以持续关注。
1411DylanLong
00:43查看AI文稿AI文稿这是新一代网页自动化与爬虫工具 playwrite 的 基础使用方法，与传统的 slenerm 相比，它速度更快，而且环境配置极其简单。 来看代码，首先我们调用 sync playwrite 并使用 chrome launch 来启动浏览器。通过设置 headless 等于 false， 我 们可以直接在屏幕上看到浏览器被打开和操作的真实画面。 接下来使用 page go to 打开指定的网址，再用 page title 获取网站的标题。最后，只需调用 page screenshot， 系统就会自动帮你把网页画面截取并保存下来。无论是日常的数据采集还是网页自动化测试，它都能帮你节省大量时间，快去体验一下吧！
92全栈系统工程师
00:58查看AI文稿AI文稿ai 开始抢浏览器了，不是写代码，是真的动手操作网页。 cloud code 最近上线了直连浏览器功能，你给他一个任务， 他自己打开网页，点按钮，填表单，截数据，全程不需要你动手。一个抖音博主靠讲这个功能，三周涨了一万粉，但更大的故事在后面。 antropic 和 openai 这周打起了补贴大战， gpt 五点六内测曝光， openai 直接给 codex 用户两个月免费迁移，内置一键搬家工具，专门从 cloud code 抢人。 antiropay 急了， cloud code 额度两天连升两次。编程 agent 从写代码进化到操控浏览器， ai 不 再只告诉你怎么做，他直接帮你做了。关注自己人 ai 世界，每天抓住重点。
04:17查看AI文稿AI文稿今天的目标是手把手教大家在没有魔法、没有 cloud 账号的情况下，如何安装 cloud code， 不 需要任何代码基础。纯小白友好，我从 cloud code 的 内侧就开始用，到现在已经一年多了，每天工作都在用。但我并不是程序员，也没有任何技术背景，所以我想从我的视角做一个系列视频， 结合我实际的工作场景，从安装开始，一步一步带大家上手。先快速回答几个大家在安装前可能有的问题，第一， cloud code 和前段时间很火的小龙虾是一个东西吗？都是顶尖的 ai agent， 但路线不同， 小龙虾走的是广度路线，他活在聊天软件里，覆盖几十个平台，帮你处理跨平台的消息、日常邮件、 qq 了，走的是深度路线，他的规划模式、上下文管理这些设计，都是为了把一件复杂的事从头做到尾。我们在工作中要做的调研分析、小工具、工作流，本质上都是造一个完整的东西， 这是 ko 擅长的。第二，有那么厉害吗？能用来干啥？我是零技术背景的产品经理。举个例子，一份行业调研报告，以前我要花一周，现在跟他说一句话，十分钟出来做一个内部投票工具，以前要找开发排期，现在我自己半小时就做好了。我甚至还自己搭了一套广告物料投放生产的工作流，一天可以做十几组物料图。 第三，没魔法，没 ko 账号，还有必要装吗？市面上大多数 ai 编程产品，本质是 ai 辅助你写代码，前提你得懂代码， code 是 你说目标 ai， 自己从头做到尾，全程不用空代码。对零技术背景的人，这才是真正的用的形态，而且国产扣顶模型这一年做的特别快，接近 qq 里使用，可以满足大部分场景。我用 mac 来演示 windows 的 安装命令，我截图放在视频最后了，大部分步骤是一样的。第一步，装 homebrew， homebrew 是 mac 上的一个软件管理器，可以通过它来安装 qq 的。 打开终端，复制这行命令，粘贴发送。这个时候要输入密码，看到这个提示的时候回车就行。装好之后，这里会提示我们加一个路径，照着他给的命令我们复制粘贴跑一下， 我们可以输入这个命令验证一下。好，这个时候我们可以看到 homebrew 的 版本号了，说明已经安装成功。接下来就是安装 curl code， 同样是复制这一行命令，粘贴到终端里发送。 当我们看到这个 successfully installed， 说明 curl code 已经安装成功了，我们可以复制这一行命令验证一下。 看到最新的版本号是二点一点一四三，说明安装成功。同时我们可以输入 cloud， 当我们看到这个橙色的小螃蟹的时候，就说明已经安装成功，但这个时候还没有接入模型，它只是一个壳，我们可以先退出，连按两下 ctrl 加 c 退出。第三步是安装 cc switch， 我 们把这一行命令复制下来，然后在终端内发送 c c switch 是 一个模型管理工具，装好之后可以一键切换不同的国产模型，不用手动去改配置文件提示 c c switch 已经成功安装了。第四步，拿 api key。 我 今天用的是小米 miimo， 选小米纯粹是我自己用，觉得效果不错，性价比也高。浏览器搜索小米 api， 小米的话，因为我是订阅了它的一个月度套餐，所以 api key 和 base url 都跟 api 这边呢是不一样的。进到 cc switch， 点击右上角的加号，然后选择自定义配置。这里我们需要手动填写相关信息，把小米的 key 填进来，然后把兼容 andropic 接口协议的这一个 base url 复制粘贴过来。 点击获取模型列表，在列表当中选择 mimo v 二点五 pro 默认兜底模型。选择 mimo v 二点五 pro 添加仅用刚刚添加的这个。回到 terminal， 输入 cloud， 可以 选择一个自己喜欢的配色。看到安全提示继续按回车就好。选择使用推荐的设置，确认信任这个文件夹目录。 这里已经出现了 mimo v 二点五 pro 的 模型名，我们尝试对话试试。看到这里，恭喜你在没有魔法且没有 qq 账号的情况下成功安装了 qq， 可以 开始开 coding 了。可以尝试让它做一个小网站试试看。 除了小米， mimo c c switch 里还可以接其他的国产模型， g l m， deepsea， kimi， mini max 都行。配置方式是一样的，在 c c switch 里加一个供应商就行。 qq 很 快就把这个 excel 文件写好了，打开这个看一下效果。 到这里，我们已经成功地用 color code 写了第一个 web coding 的 小应用。 windows 的 同学安装逻辑完全一样，只是命令不同。 第一步用 winget 装 git， 第二步用 winget 装 color code， 第三步到第五步跟 mac 完全一样。装好只是第一步。下一期我会讲安装后的必要设置，不同的模式以及 skill 体系。大家有什么想要了解的，也欢迎评论区留言。这是 color code 从零到实战系列的第一期，如果你觉得这个视频有用的话，可以给我一个一线三连催更，我们下期见。
5896嗨妮好
