i可以接入agent的浏览器
ai agent 会思考，但还缺一双操作网页的手。 timewebridge 就是 月之暗面做的浏览器桥，它不启动云端浏览器，而是连接你正在用的 chrome 或 h timewode。 cloud code、 cursor code、 openclaw 都能进入真实浏览器。 点击滑动填表、截图、读取页面，再把跨站信息整理成文档。最关键的是，它继承你的真实登录台， q key 账号权限，当前绘画都来自你的浏览器，需要登录的后台不用重新配置账号。技术上，本地服务连接浏览器扩展，再用 chrome devtools protocol 驱动真实页面指令下发页面执行结果，回传闭环都在本地完成 网页内容 cookie 操作结果不需要上传云端，它还能后台运行，不抢鼠标键盘。你用电脑 agent 在 指定标签页里做任务固定流程，还能打包成 c l i 工具，减少重复调用大模型。 所以它不只是网页自动化，它让本地 ai agent 从会回答进入会操作。
粉丝753获赞9181
相关视频
05:08查看AI文稿AI文稿给大家介绍一个开源的一个项目，这个项目叫 clock browser， 我 们一般了解浏览器用的是非常多的，但是现在那个 ai 的 a 境城越来越普及了之后，我们经常会让 ai 的 智能体去访问各种各样的网站， 但是各种各样的网站，如果你用 chrome 这种浏览器，它还是能够发现你这个网站它是机器人，它在访问，所以它这个机器人很容易被侦测到的。那么 chrome 的 这样的一个 browser 这个项目，它是真正的去模拟一个真实的浏览器，你不管是 agent 去访问，那么它可以去模拟这个人，它有这样的一些功能，它也能够通过各种各样的类似的这种 爬虫检测的， robot 检测的这种机制，它也它也能够实现。只是说它里面给了一个例子，我我们经常看到它会去检测你到底是不是一个机器人，需要人去点一下，那么像它这种功能，它这个浏览器它是自动是可以完成这种检测，对那个对我们 agent 去调用这种 访问各种各样网站来讲，它是比较好的，它不太会被限制掉。好，我们先给大家来讲一讲它到底是怎么来用的。目前这个浏览器它是其实专属于这种 agent 来用的，所以它也能跑在 linux 上面，也能跑在苹果上面，也能跑在 windows 上面，你需要你也可以通过这种 拍摄的这种方式去安装，你也通过这个也可以通过 java script 这种方式去安装，或者它还有一种方式通过容器的这种运行方式，它也是可以跑的。另外它也有一个 相当于是一个浏览器的这个用户的 profile 就是 一个个性化设置的这样一个 manage， 这个 manage 它也是容器运行的，它有各种各样的功能，你可以去定制你的一些账号，或者你的 password， 或者你的一些，它称之为叫 一些指纹，而且每个人可以是个性化的，那么你可以通过这样的一个指纹去代表你的个人，让这个浏览器去 通过 ai 去自动去访问各种各样的网站，啊，等于是这样。好，那我们先看看它这个到底是怎么来使用的，它还是比较简单。我们先看一下这个就 python 的 api， 它的 api 跟目前的 playwrite 的 api 基本上是完全兼容的。那 playwrite 的 这个框架我们之前也给大家介绍过，那它是微软 专门针对这个 arm 那 儿的浏览器做的这样的一个 api 的 这样一个开源项目，那么它也可以操控这个 api 去操控浏览器的行为。比如说你这个鼠标，包括你这个用户的 相应的输入或者是访问，它其实都是可以的，它都可以通过 a p i 去控制它。这个浏览器也是一样，它也提供了一些 a p a p i， 那 么它这个 a p i 也是兼容 pre lite 的， 这种 a p i 的 方式基本不用改，你完全都可以用，这是它的好处。那么它也可以讲了一下 你如何把 prelight 的 这个 api 改成它的这个 api， 你 在这个地方删掉上面三行，你引入这样的一个 launch launch， 然后有一个 bro browser， 那 么其其他的 api 都是一模一样的，所以的话它这个移植原来的这个 prelight 的 这个 api 的 话，还是比较方便的，嗯， 方便好，那么这个的话呢，就是它的我们前面讲的这个浏览器的一个 profile， 它是一个相当于是一个配置文件的一个管理器，那么它可以在你的机器上面独立部署，然后可以管理各种用户的登录访问的情况，那么是属于这样的。好， 那它这个的话呢，它是对比了，就是不同的这个目前这些都是商业的一些类似于这种浏浏浏览器，这个的话呢，是它的这个项目，这个项目的话应该是 free 的 free 的， 然后它也是通过它这个里面用了一个叫指纹 print 的 话，它是通过 c 加加原码打标打标签上去的，所以的话呢， 他不太容易被监测到。他这个浏览器是一个机器人伪装的，看上去就像一个人真实的一个浏浏览器去访问，那么他也是个开源的一个项目，也可以免费商用，主要是跑在你的机器上面，所有的数据都跑在你自己的机器上面。 是这样好，那这个是这个项目的一些优势啊。这里面，那它也可以模仿人这种交互方式，只要你设一个参数，然后它它因为它的 api 跟 pre write 的 api 是 完全是一致的，所以的话你可以创建各种各样的这个脚本，实现各种各样的这个自动化。它也可以跟我们原来介绍过的有一个 broad use 兼容， 包括像有些 ai 的 这个叫 broder editing， 它也是可以兼容的，所以的话这个功能还是非常好的，而且它成本很低，零成本。那它最大的一个特色的话呢，我们用这个工具的话呢，它最核心的就是它跟 playwrite 不 太一样的，最主要就是它能够躲过很多的这个机器人的侦测， 它就是如果你用 pre write 的 话呢，它的大概它会被就是监测出它是一个机器人，但是如果你用这个浏览器的话，它百分之九十的概率是人类，它监测不出来，它就是这个是一个最大的一个优势。同时的话呢，如果它会有一些安全的这样的一些东西的话， 那么这个浏览器它也可以绕过，或者或者叫 pass， 它也可以 pass 掉，没有任何问题哦。 那么这个项目的话呢，我们简单就给大家就介绍一下，如果大家有兴趣的话呢，也在 gitlab 上面，它目前也有这个项目，这个项目的话也是非常热，一点七 一万七千颗星星啊，非常热的一个项目，在三个星期之前刚刚发布完，那么它的这个版本呢，是随着这个 chrome 它同时发布的，目前是 v 幺四六点零这个版本。那么今天的话呢，我们这样的一个项目就展示给大家，就介绍到这，那么下次有机会的话呢，我们可以给大家再测评一下。
136小工蚁
02:07查看AI文稿AI文稿做外贸跨境或者海外设媒的朋友是不是经常和我们一样，遇到这些造型师？所有的平台多账号在打理，但有时候就会被平台封号或者是限制了辛苦运营的账号店铺说用不了就用不了了，然后换了网络，清了缓存，各种方法试遍了，但依然还是躲不开平台的环境监测。然后有时候团队在一起做业务，账号交接写作起来又很麻烦， 还担心信息出错，操作起来处处受限，确实麻烦。介绍内容我们都知道，跨境做多账号布局，其实核心问题并不是说操作运营这块，而是解决好第一步网络的设备环境，包括浏览痕迹，普通的应对方法只是解决了表面的问题， 根本没有办法从源头去规避这种环境层面的识别。然后前两天我朋友给我推荐了一个反检测浏览器，也是很多资深跨境卖家运营团队在用的， 叫做 multi logging， 这个工具在领域快十年了，是全球第一家做指纹浏览器的，专业度和稳定性都很在线。他们核心的一点就是能够给海外的账号搭建一个完全独立的虚拟操作环境，给每个账号生成专属的设备特征， 从时区、字体、屏幕参数和各类页面渲染的特征、信息权威度模拟真实海外设备的操作。哪怕你是在同一台电脑上，多个账号环境也能做到完全隔离，不会说出现信息互通的情况，这样就从根本上避免了平台对账号主体的误判， 而且它适配性会很强。这是两种主流的浏览器内核，二十多项环境参数都能根据不同的海外平台规则来自定义调整。不管是做亚马逊、苏买通、 timeu， 还是 tiktok、 facebook 这类海外社媒，它都能够精准的匹配平台环境的要求，而且还自带覆盖全球一百五十多个国家地区高纯净度的网络，不用额外再折腾网络配置， 这样我们再去做海外不同市场的布局，就会更加省心一些。对我们做团队的运营来说，效率很重要，这款工具就不需要我们在相互去交接账号密码，就可以把操作的环境直接分享给团队的成员，还能够设置不同的操作权限，谁能操作谁能查看，这些都是可以选择的，而且还有操作记录可以查看，这样再去做跨地区的团队协助，会安全很多。 另外他还能对接自动化的操作框架，日常一些重复性的海外平台操作信息收集，他都能够自动化的去完成，而且是在独立的环境中运行，不会因为批量操作而被平台限制，能够节省不少时间和精力做跨境，把基础环境问题解决好，后续的布局才会更顺畅。外貌关注我！
02:27查看AI文稿AI文稿让你的浏览器起飞原地，开启上帝模式！今天就为大家解答一个我身边朋友乃至很多粉丝都在问我的一个问题，最 最新的爱纸和 colo 浏览器如何正常的安装和使用网银插件？其实很多朋友不升级温时和温时机呢，就是他们工作中使用的软件必须依赖于 ie 浏览器， 特别是从事财务工作者的朋友。这个相信大家都知道，今天我们就来解决这个问题。爱制浏览器作为 ie 的替代浏览器，不可能完全放弃 ie 的控制核心， 所以爱者浏览器其实不需要安装任何插件就可以实现 id 浏览器的功能。这里呢，我们使用温度的十一系统作为演示。我们打开爱者浏览器，点击右上方的三个点选择设置在左侧点击默认浏览器，大家就可以看到这里就有一个允许在 i 模式下重新加载网站，我们点击下拉的按钮，将其改为允许，然后重启浏览器。这时我们打开某银行网站的登录界面，在密码输入框可以看到推荐使用 ie 九点零以上版本浏览器，而在这里我们是无法输入密码的， 这时我们只需要点击这三个点，选择在 ie 模式下重新加载，等待网页重新加载完成之后，就可以看到我们可以正常的安装银行的签名空间了。等待空间安装完毕，我们重新打开网站之后，就可以正常的输入密码了。这时我们再点击地址栏左侧的 ie 图标， 将下次在 ie 模式下打开此页面，勾选点击完成。那么下次再打开这个银行网站的时候就会自动切换成 ie 模式，而 crom 浏览器从开发之初他就不支持 ie 的内核，所以必须通过安装插件来实现。我们打开 crom 浏览器，点击左上角的应用，选择 crom 网上应用电搜索 ietab 安装这个插件。安装成功之后，我们点击插件会进入一个程序安装界面，我们下载完这个程序进行安装，根据提示，如果安装过程中出现疑问，我们点击确定即可。安装完成之后，我们回到银行的网站，这里依然显示需要使用 i 九点零以上版本浏览器，这里我们点击插件 就会自动跳转到 id 浏览器了，这里就可以正常的输入密码了。这是浏览器插件推荐的第三期，对其他插件感兴趣的朋友可以去我的主页找到这个好用的浏览器插件合集进行查看。关注我，学习更多浏览器小知识！
2406止吾说
01:11查看AI文稿AI文稿h 浏览器兼容 i 浏览器模式打开桌面的 h 浏览器，点击右上角的三个点，向下拉，选择设置 打开的窗口，我们在左侧选择默认浏览器，在中间的位置找到 internet explore 兼容性， 在下方的 i 模式选择允许，允许的意思就是可以兼容 i 模式，然后再选择下方的重启浏览器，点击之后浏览器会重新打开， 然后我们在浏览器的地址栏随便输入一个网址来测试是否可以通过 i 模式打开。比如我们现在输入幺六三的网址，选择打开幺六三 的邮箱以后，我们在右上角选择三个点，下拉，选择在 internet explore 的模式下加载， 我们可以看到左上角会弹出一个警告，这表示我的网站已经在 i 模式下运行了，这就是 app 浏览器兼容 i 模式。
2850Mr.Hwang
02:13查看AI文稿AI文稿今天你要控制的不只是一个网页，而是一整个能被程序接管的浏览器工作台。 它可以连云端，可以接本地 chrome， 可以 直接读无障碍书，还能把点击输入滚动返回，这些动作变成稳定可复现的自动化流程。 这套自动化不是单一入口，而是多种浏览器模式并行。你可以用 browser base 让云浏览器托管执行，也可以用 browser use 或 fire crawl 作为云端替代。你还能接上本地 chrome 的 c d p， 或者直接跑本地浏览器模式。 不同后端解决的是不同稳定性、成本和接入门槛问题。浏览器自动化真正操控的不是像素坐标，而是无障碍数。 页面先被快照成文本，快照交互元素会拿到像 at 一、 at 一 二这样的 refid。 你 点击的不是某个像素点，而是树上的一个明确节点。这样做的好处是稳定可解释，也更适合复杂页面和长列路操作。 浏览器自动化的力量不在于一个神奇按钮，而在于一整套动作链。先 navigator 进入页面，再 snapshot 看结构，然后 click type scroll press back， 一 步步推进。 如果页面复杂，还能用 get images 和 vision 看视觉信息，再用 console 抓异常。它不是单点能力，而是一套可串联的动作站， 每个任务都会拿到自己独立的浏览器绘画，这意味着隔离、清理和附线都更可控。系统还支持绘画录制、自动清理隐身特性和 keep alive， 避免任务互相污染，也减少中途掉线的风险。 对大规模自动化来说，这些不是附加功能，而是稳定运行的底座。最后要记住，他仍然有边界，他依赖文本快照，不是像素坐标大页面会被摘要，云绘画会有成本和超时， 某些场景也不支持文件下载。真正成熟的浏览器自动化不是把限制藏起来，而是清楚知道他能做什么，不能做什么，然后把它用在最合适的地方。
88AI观察
02:31查看AI文稿AI文稿各位观众早上好，今天是五月十六日，欢迎收看 ai 早报。屏幕上是今天的所有内容，重点看 chat gpt 个人理财、 openhuman、 个人记忆 agent、 kimi、 本地浏览器 agent、 qq 浏览器、高考 skillcode 一 零和 xai groot build。 第一条 openai 在 五月十五日发布 chatgpt 个人理财预览。美国 pro 用户可以通过 plad 连接银行、信用卡、投资和贷款账户， 它能看支出、订阅现金流、投资、持仓和净资产，但不能转账、付账单、交易或代替财务顾问。 这是 chat gpt 进入个人金融入口的信号。第二条 openhuman 这个开源个人 ai agent 在 开发者社区走热，官方介绍它能连接 gmail、 notechat、 slack 等一百一十八类工具。 它会每二十分钟同步个人工作数据，在本地生成可搜索的记忆术。重点不是聊天，而是让 ai 先拥有你的长期上下文。第三条月之暗面推出 kimi web bridge， 让 agent 能在本机 chrome 或 edge 里打开网页，点击按钮、填表、截图和提取信息。 官方说明他通过本地桥接服务和浏览器插件运行，登录态和网页内容留在本机，这让浏览器 agent 更接近可长期使用的个人自动化工具。 第四条 qq 浏览器和腾讯元宝面向两千零二十六高考推出元宝高考通 skill 以上线地区分数线查询和一分一段查询。 它把各省教育考试院和学校官网数据封装成对话能力覆盖三十一省近三千所院校，一千六百多个专业，录取分数可追溯近十二年。第五条阿里发布 goder 一 零从 ai ide 升级为智能体自主开发工作台， windows、 mac os 和 linux 都可下载。 新版把 quest 做成独立视窗，支持任务管理、状态追踪、代码变更、终端输出、浏览器预览、跨项目并行和自定义专家 a 阵的团队。 第六条 x a i 推出 grog build 早期测试版，这是面向 supergrove heavy 用户的终端编程 agent， 官方把它定位为专业软件工程和复杂编码。 c l i 支持计划模式字 agent 并行和 m c p 集成，也说明编码 agent 的 赛道正在继续变拥挤。 今天的重点很清楚， ai 应用正在进入更具体的账户数据、浏览器教育和工程工作流。以上就是今天的 ai 早报，我们明天继续关注真正有用的新变化。
04:06查看AI文稿AI文稿deep 接入 cloud code 步骤，复制 cloud code 文档页的命令，在 mark 终端粘贴执行。打开 deep api 文档，找到接入 agent 工具并选择 cloud code 复制环境变量，在 deepsix 开放平台创建 api key 并粘贴到 toc 处。 环境变量设置技巧 a 怕 s 设为 d pro so n 设为 flash， 推理强度设为 max， 提升知识能力。终端输入环境变量后进入靠扣查看模型是否切换为 d。 可通过 model op 开启方案。某规划用 pro 执行自动切 flash 或直接切换为 pro 模型， 可让 ai 生成启动脚本，实现多模型选择启动，支持解锁能力。对比测试场景，八十万字武林外传剧本中查找炊事班大周角色 tip 四表现定位到两处，大周出现位置，明确其为炊事班的故事角色及扮演者，完整解释剧情。彩蛋， gpt 表现，同样定位两处位置，理解彩蛋，但对大周的介绍不如递不详细。办公三件套对比任务搜索英伟达 bug 架构硬件产品及价格生成文档表格。 ppt 文档对比 deep 暗，企业级 djkx 服务器、工作站消费级分类，含参数表格加价格排版美观 gpt， 暗，数据中心级、专业级、消费级排序列产品信息加价格副价格汇总表排版无问题。 deep 按企业级 djkx 服务器、工作站、消费级分类，含参数表格加价格排版美观 gpt， 按数据中心级、专业级、消费级排序列产品信息加价格副价格汇总表排版无问题。 表格对比 excel 整理产品规格、亮点价格。按分类做，页签信息全面。 gpt， 含招标页签价格汇总表，产品信息表附加价格对比表格。 excel 整理产品规格亮点价格按分类做，页签信息全面。 gpt 含招标页签、价格汇总表，产品信息表，附加价格对比图表 ppt 对 比。 dipp 按 word 大 纲生成展示产品分类加价格，但存在文字超边框的排版瑕疵。 gpt 配色布局舒适清晰。展示分类，用柱状图做价格对比，意价对比直观可识画效果更佳。 dipp 按 word 大 纲生成展示产品分类加价格，但存在文字超边框的排版瑕疵。 g p t 配色布局舒适清晰。展示分类，用柱状图做价格对比，意价对比直观可视化效果更佳。 生成演示视频对比工具 perfumes， 通过 html 代码生成视频任务，梳理 d p 一 代版本的价格。上下文长度架构变化，先做 mark 档，再生成视频。 marco 对 比 deep 分 板块呈现上下文长度，定价架构演变结构清晰。 gpt 将三块内容堆在一张大表格，内容臃肿。 deep 分 板块呈现上下文长度，定价架构演变结构清晰。 deep 将三块内容堆在一张大表格，内容臃肿。视频对比。 deep 开场突出历代版本，梳理主题 参数，上下文用卡片展示数据，标黄突出架构演变逻辑稍欠，播放 v 二后更合理，但动态效果不错。 g p t 开场信息模糊，版本变迁，逻辑混乱。参数架构上下文价格杂揉，重点不清晰。地盘 开场突出历代版本，树立主题参数，上下文用卡片展示数据，标黄突出 架构演变逻辑稍欠冒放 v 二后更合理，但动态效果不错。 g p t 开场信息模糊，版本变迁，逻辑混乱，参数架构上下文价格杂揉，重点不清晰。
14:53查看AI文稿AI文稿来看一下秋之 codex 的 一个教程，那首先来看这 codex 和 cloud code 的 一个区别，本质的话都是一个编程的 agent 转为一个通用的 agent， 一个的话是 anthonpy 公司，一个是 open ai 公司开的模型，那个支持 codex 的 话，请用这个 open ai 的 一个 gpt cloud code， 它可以替换任意的模型，你可以接入 deepsea， 对 吧？ 接入一些其他的 kimi 啊，什么国产的一些大模型，易用性的话， codex 更友好，适合零基础的一个白领。 cloud code 它自由度更高，偏专业的一个开发者。 功能上来讲呢， codex 它强化了这个浏览器操作，它可以用，对吧？浏览器操作以及 computer use 内置 image 二，它这个深图的以及新增手机端加 hook， 手机端的话，它就是用手机就可以去操作。 cloud code 呢，功能更全。像这个 skill m c p 斜杠命令， hook 更新较慢。 skill m c p 它通用的接口一样的斜杠，用斜杠命令也可以操作斜杠命令，就像那个编程去写那个斜杠命令嘛， hook 更新较慢， 那这个 hook 的 话就相当于是钩子 hook 的 话，它其实就是一个自动地去调用的一些命令， 它就是相当于说呃有一些自动开呃自动触发的一个条件，自动触发的条件更新较慢。价格维度， codex 二十刀的会员的话，对于就白领重度水温的话都是够用了，不分号。而 cloud code 的 话是按这个 api 的 一个调用计费， a 这个 a p i 的 话，它就是去调用，调用这个什么，就调用这个 deepsea 它的一个这个接口去起用这个所呃用的这个额度， 但是我们自己在 deepsea 里面的话，它是就没有 api， 那 我们这个因为你就 cloud code， 它要用别人的模型，这个的话就要去计费了。适用的场景， codex 的 话，它可以用在日常那个办公解决问题， cloud code 的 写作规划，那编程的话，两者都可以给它结合在一起用是最好的。 然后 codex codex 的 安装与基础设置，首先要准备这个 chat gpt 的 一个账户，用免费或者是付费都可以的，它付费的话它就额度更高一点嘛。安装的话就是官网下载安装登录账号初使用的一个设置， 就选择一些日常的工作，选择你的一个什么身份呢？比如说你是学生，是白领，然后你是设计工作什么的。界面来说的话，它是左侧是对话任务管理，中间是进行聊天，右侧的话是输出结果，是非常简洁的一个界面，左侧的话是一个 任务管理对话，中间聊天，右侧就进行结结果，右侧的话就输出这个结果。核心的能力， codex 核心的能力，它与这个 cloud code 与其他的它特别 不一样的一点呢，它是本地的一个文件操作，本地文件操作项目关联，直接去绑定，绑定本地的文件夹，自动去读写，呃，增增删移动文件，不限数量。就比如说 cloud code 的 话，可能你想要让它处理一些文件的话，你就得 呃把这个文件给它上传到云端什么之类的，但是它这个本地的话，你只要去这个文件夹的一个路径给它写上去，那它能自动去读写增删移动文件，就比如说就是你有，有就是几百个，呃， 照片的一个素材，它不限数量嘛？照片的素，视频的素材，但是没有改名字，没有改名字怎么办呢？你可以这样子，需要这个 cloud code 去识别， 识别这个视频里面的内容，给它起一个合适的名字。那 cloud code 的 话它会自动运行去抽帧，就就是这个视频里面去抽几帧，去识别它的核心的内容。比如说雪地上的狐狸这样，然后它就可能给它一个序号，雪地狐狸， 对吧对吧？然后地点，然后在这个对象是什么？嗯，就这样子能够把几百个几百个这个视频它的一个名称都给它修改了。权限模式，就权限模式的话就是你给这个 codex 它的一个权限， 嗯，修改的一个权限默认的话是在文件夹内操作外外需的话就是齐全 自动审查，就 ai 自己去判断。自动审查，自动判断是推荐新新手完全反问全全全部的权限，就是说可能他把你一些东西都改了，删除了，慎用上下文的管理，自动手动压缩或者是斜杠去 给他进行压缩。上下文管理为啥呢？因为上下文的话他就是一个提示词的上下文，他会可能会给你消耗比较多的一个额度， 所以你给它进行压缩，当它就是已经处理到比较下面的任务的时候，可以把它的上下文给它压缩一下。 查看额度的话在设置设置栏里面去看这个状态，能够查看额度案例的话，就是视频的素材批量进行重命名，以及视视频的剪辑合并，都可以用这个 codex。 命令行工具，使用命令行工具的话就像是我们 嗯，电脑就嗯给他就 command， 给他呼起一个，对吧？嗯，比如说让他关机，那你写你就可以 就就是可以就通过通过输入那个文字让它关机，而不是用鼠标的一个操作，这个叫做命令行工具安装。可这个命令行工具可以怎么用呢？首先就是比如说可以安装这个 nod， js、 git 等基础的一个工具部署 agent， 像这个 hermes cloud code， 你可以直接在对话框里面跟他说帮我部署这个 hermes cloud code 等软件的一个管理是什么？像这个 cursor， 然后飞书 cleet， 它这也是命令行工具等的，就给他用安装技能工具。技能工具，你比如说我要去找一些 skill， 也可以让他自己去找飞书 c， 就是 飞书的命令行工具给它安装进来。并行任务是它的一个特特点， 就是多个对话同时执行不同的任务。你可以因为像豆包啊，像 deepsea， 它们都好像就就只能是当前的一个任务，给它回答完了之后它再去做别的，对不对？但它这个完全是可以并行的，就是多任务同时去 执行不同的一个任务。比如说我这视频素材批量重命名和视频剪辑合并的话，两个，或者是说你你另外一个，你去找一个合适的一些图片，合适的一些字体，对吧？ 这两个任务是完全不耽误的，可以并行。而且这个理论上的话就是看你电脑的性能，它可以并行特别多的一个任务。 持久的记忆，手动记忆就是 agent md 的 话，全区性、项目性的手动记忆。 agent md 它就什么叫记忆呢？就是一些规则嘛，就是一些规则指令，像全区的话，在设置 设置里面个性化自定义指令，全职生效，它就是对于所有的工作它都就是，比如说你自字体是多少或什么样子的，是吧？它是全职生效的，像项目级就是指对这个项目生效的一些规则的一个记忆，你可以在项目里面手动地去创建 ai， 或 是说 ai 生成。 ai 怎么生成呢？你可以就比如说这个项目进行到一半啊，进行到一定阶段的时候，你可以让这个 ai 去生成一些， 就就是这个全呃，就项目的一些指令。自动记忆，自动记忆开启后对话闲置、自动总结、储存消耗额度，它是不建议手动改。什么叫自动记忆呢？它就是相当于 ai 的 一个自动记忆的功能嘛，就你的一个工作风格，你的一个 偏好什么之类的，有各种各种维度的，那它的话， ai 的 话它会自己进行总结，总结一些规则，然后可以有一些附用的经验的话，就是下一次的话它就会用。还有是 往下看呢，它是一个持久记忆。就图片生成与项目开发内置了 image two， 你 可以用一些就是提示词去生成这个高级感的一个图片， 而且可以不断的去调整自己的一些提示词，什么之类的。计划模式可以去做一个网页 复杂的任务，先列计划，再执行计划模式，他有点像是那个开发的模式案例的话，就比如说个人主页的一个开发，深层修改、预览部署是怎么生成呢？他个人主页的一个开发，你首先跟他说自己的这个 想法，那他的话会给你列出计划的一步一步，而且在每一步上面，他比如说你这高级感的一个图片的话，他会让你去选择某些风格的， 就一步一步去选择，他会给你三四个选择，那所以深层修改，而且右边的话，他可以预览整个个人主页的开发的一个效果， 最后部署的话可以就发布出去使用的功能呢？任务引导纠篇任务引导纠篇是什么意思？就是说你在完成这个任务的时候，你纠篇，你觉得啊，他这个说的不太对了， 你跟他说的话，他其实不会打断这个任务，只会在下一次的时候进行一个调整，这样的话就不会浪费很多的这个额度，嗯，而且也不会让他跑偏。对话分叉 fork， 他 是在就是整个 整个，呃，就是任务结束之后它会有一个 fork， 是 在这个右下角，右下角 fork 的 话，你会觉得它这是不是有点跑偏了你，你会想着说怎么给它纠正这个 fork， 这里面的话可以进行一些小调整。桌面宠物的话是 一个有意思的一个，就是小宠物在这边插件与操控常用的一个插件，它其实常用的一些插件的话，它就是一个 skill 啊， m c p， 然后包括 c c， 呃， c l i 的 这种 类似的一个集合就插件，它就是会实现一些功能浏览器的一个操作， get up， 然后表格 ppt net nullify however vocal 的 这个部署 browse use 的 话，它是浏览器的一个操作，怎么浏览器操作呢？它能够操控浏览器进行点击方页，然后表单自动化，就比如说你可以让它去做一个呃 m b t i 的 一个测试，或者说基于你的一个性格 去去帮你，帮你测试，它能够自己去选择，然后得出一个答案。 chrome 插件的话可以操控已经登录的浏览器，而且后台是它是在后台，后台多任务操作的，就根本不影响你，你自己去去做这个浏览器 的一个，对吧？你自己还要用这台电脑去浏览其他的页面，完全是 ok 的。 computer use 就 操控电脑的 app， 就 仅 mac， 比如说音乐微信剪映，比如说让它去打开一个音乐软件，把这个音乐发给微信，是吧？或者说就把这个音乐加到这个剪映里面，这个它可以操控这个电脑的 app， 仅在 mac 上是可以实现的。 skills 技能定义 skills， 比如 find skills， 自定义一些 skills 创建的话就是整个流程，流程跑通之后，你可以把这个整个流程怎么样，沉淀下来就附用，沉淀下来附用就直接指令，你就说，哎，就按照这个项目流程去创建这次的这个 skills 案例的话，比如说我想要去做这个 写一篇图文推荐的图文，就 get up 上面的一个热门项目的推荐图文，就在我就是不断地去给它调试后觉得这个结果是满意的，那就把上面的这个流程方法生成这个 skill 下一次， 对吧？ ugetup 上面的热门项目就大概每周的话它都会更新，那它就是你每周可以做这个 skills。 m c p 连接 m c p 的 话有点像是 u 盘插口，插口去去把外部的一个数据连接外部的一个知识库服务去安装， 可以就是自己去做，也或者是说你直接让这个 ai 自动授权安装案例的话，比如说 notebook l m 的 一个知识库的连接，知识库连接之后你就可以直接去提问这个知识库里面的一个东西，调用知识库里面的一些 呃，就比如说它这里面存的一些呃反弹啊之类的。自动化定时任务创建的方法，可以在自动化面板上面创建，也可以直接跟这个对话，让它创建案例的话，比如说每周都给我 呃生成 get github 的 一个推荐图文，因为我们这个 skills 不是 已经沉淀下来了吗？然后现在的话就给它定时每周生成，那我们都根本不用去记这个事了，它就是它定它到，比如说周一或者什么时候它就会生成，或者说每日的工作日报的一个汇总， 它也能够给它定时生成，这就自动化的，自动化的那就怎么样子不用人为的去给它介入了。手机端的一个操控，前提的话就是这个手机要下载这个 check gpt， 然后电脑的 codex 更新到最新版本，操作的话就是手机端侧边栏的 codex 授权去连接电脑。 功能是什么样子的？手机端操控就是你远程你就电脑，对吧？你就开着那远程去下发任务，控制电脑干活， 直接能够控给他一个指令，他就能够控制电脑干活，免费版可用，支持 mac。 总结的话就是说这个 codex 的 核心能力是文件操控，而且是本地的一个文件操作命令行操作。持久的一个记忆，持久的记忆一些规则深图的开发 插件的操控 skills skills， 然后 m c p 的 话连接外部的一个知识和数据库自动化，可以自动化定时任务。核心的认知呢？我们现在已经从 问 ai 要一些答案，先到管理 ai 准备一些上下文的一个环境，制定目标，检验成果，去沉淀这个流程，去转变核心的认知。就是我们现在已经到了，就说从问 ai 要一些答案，到就是管理 ai 准备上下文，定目标，验 结果，然后沉淀这个，呃，流程，就让它这个整个流程的话给它自动化 sop 是 吧？
84一颗提提
01:00查看AI文稿AI文稿google 在 二零二六 i o 大 会彻底放飞了，把 gemini 塞到谷歌所有产品里， chrome 浏览器、安卓系统、 workspace、 视频模型、 a 镜工具等等，几乎所有核心产品都开始围绕 gemini 重构， 内容太多，茶馆挑了几个普通人也能用上的工具。首先是 gemini， 三点五 flash 精准测试中来看，提升不是很明显，重点在于响应快和便宜。缺点也很明显，用在编程上代码质量会差一点。 其次是 jamaniami， 视频模型，可以根据你给的任何提示生成视频，无论是图像文本还是视频，甚至是音频也可以生成，质量相比 cds 二来说还是差一点，因为 jamaniami 侧重于多模态，更像是一个视频版的 nano banana。 最后就是 google pix， 应用，一个类似于 canvas 的 工具，基于 jamani 辅助图像的设计和编辑，可操作性更高，比 google stitch 更灵活。 当然， google stitch 也升级了， ui 设计和生成，质量更高，审美更好。这次谷歌的 i o 发布会看点实在是太多了，你们觉得哪个产品或者技术才是最亮的？点关注茶官， ai 学习不迷路！
10科技茶馆TEA
03:25查看AI文稿AI文稿今天我们来认识一款还在内测的卡拉 o s， 绝对会让你对下半年的 agent 赛道充满期待。 首先，操作系统这四个字就代表人家不仅仅只是做个普通的 ai 助手了，像大龙虾就在深耕这一领域，而这款工具的核心特色其实在于有灵魂这三个字。 功能上呢，大家支持的都差不多，联网搜索、自动化操控、浏览器处理本地文件、 i m 应用交流等，我们一起来看一下他都做了哪些有灵魂的操作。 首先，豆包那种全程语音输入，语音朗读的功能，他这里也提供了语音交流呢，更有活人感，而且也不用你装 ai 语音输入法了。 其次，灵魂方面呢，和大龙虾一样啊，你们要先互相熟悉，让他了解你，就会更懂你。他额外做的就是支持导入你在其他平台的个性化数据，让你不用再养一遍了， 看一下实际体验效果。开头呢，就聊了两句，我是做什么的，喜欢独处。然后呢，让他去打开浏览器，到 b 站搜索，无知便是罪，随便选一个视频总结一下内容， 他都做了什么呢？别的同类工具只能说在背路线，你告诉他哪些步骤他去操作，完事输出结果，爱咋样咋样，而用他来执行啊，你会感觉到他真的在时时看路，时时思考。 比如说我让他搜索，无知便是罪，他搜到的视频呢，既有我的视频，也有别人的视频，他随机进了一个别人的视频，然后发现了这个作者不对，所以呢，他又退出了，重新找了一个我的视频，然后进行视频内容的总结。 在之后呢，我说我需要你介绍一下自身有哪些特色，我做一个参考，他也没有像其他软件那样直接给我扔一坨文字出来， 而是直接创建了一个视频内容的参考 md， 并猜测这个无知辨识罪的账号是不是就是我的，然后根据视频内容，然后给出了一个风格上的适配。 然后呢，我又随便给了他一个其他博主的视频链接，他也都能轻松总结并给出点评，当然也会和你的工作方面往上靠。 还有像常用的 im 应用连接它这里呢，也不需要你手动装什么插件，直接就可以生成微信连接它的二维码。还有一些我还没测试到的功能啊，比如说它不再是一个被动型的 ai 等着你安排任务， 它是可以根据你们之间的交流或者说记忆文件，熟悉你之后主动来做一些你没要求的事，这点呢，也能体现出它的有灵魂了。 另外，这种软件的 token 消耗肯定是大头了，不过现在内测中呢，它每天会赠送你额度，赠送一个月每天三美元，里面有三个模型可以体验。 以后呢，它要是能支持自定义模型的话，也就靠 deepsea v 四 flash 普通用户才能用得起了，不然就这几个问题，三美元额度已经消耗光了， 想体验的可以直接去下载安装，不用等他的后补名单了。无知这里呢，会提供一个有效的邀请码的，好了就给大家介绍到这里吧，可在私信中发送关键字工具，按发布日期获取本期分享，如果视频对你有帮助，记得转发支持，我们下期再见！
46无知便是罪
03:37查看AI文稿AI文稿你用了十几年的 chrome 终于要变聪明了， google 正式推出 gemini in chrome 功能，彻底把 gemini 整合进这个全球用户量最大的浏览器，这意味着什么呢？一句话给你总结， chrome 从内容展示器变成了内容理解器。 我给你举一个典型的例子，也是我这两天的真实场景。我开了五个网页，这五篇文章都是关于 ai 内存危机的。使用快捷键 ctrl 加 g， 打开 jimmy 侧边栏，你会看到他已经把当前的这篇文章作为上下文加载了。 但是这还不够，我希望 jimmy 能把这五篇文章都一并处理了，因为他们都是同一个主题的嘛。于是在左下角点击 a tab 按钮，把另外四篇文章也加上，问 jimmy 他 们都讲了什么。 就像我在星球内说的，这个 atips 功能是我目前最喜欢的新功能。它其实就是一个小型的临时的 rack， 非常的方便。而且不只是文字，网页上的图片它也能处理。因为 gemini 是 原生多模态路线，识图能力非常强。 除了核心的多标签页处理之外，还有两个小细节让我觉得 google 是 真的想让你把 gemini 用起来。一个是常驻菜单栏， 当 chrome 不 在最前面的时候，你按 ctrl 加 g， 上方会自动弹出 gmail 的 对话框。这个好方便。我之前还一直疑惑 google 怎么还不出 gmail 的 桌面板，那现在来看，原来它是跟 chrome 整合了，不需要单独再出一个应用了。 另一个是 help me write 功能，帮我写作。在 chrome 里的任何输入框，你点右键都会出现这个功能。弹窗， 你可以让 jammy 帮你生成文字内容。这几个功能看起来都朴实无华，但是你把它组合起来的话，真的能提升个人的日常效率。而对于整个行业来说，我认为这是浏览器形态演进的关键一步。以前浏览器的核心是渲染引擎，也就是把代码变成画面。 而现在，浏览器正在植入一个新的东西，推理引擎让他能思考。这种转变彻底改变了人与互联网的交互逻辑。过去浏览器只负责把代码忠实的翻译成像素， 他并不关心屏幕上显示的是一篇论文还是一张猫的图片，他只是一个管道。而现在，浏览器能够读懂页面的语义，他替你的大脑承担了第一轮的信息筛选工作，他在帮你主动消化。 在过去，浏览器提供输入框，你必须自己想清楚每一个字，然后敲进去。而现在，浏览器理解了你的语境，它开始介入创作的过程，成为了你的思维外挂。你看，这个就是我说的 chrome 从内容展示器变成内容理解器的意思，而且这个还不是终点， crom 已经可以理解网页了，那么它的下一步就是替你操作。这正是 google 正在探索的 organic web 逻辑。很简单，既然浏览器已经理解了这是一个订票的网站，也知道你想订明天的票，那么很自然的，它就应该直接帮你完成整个流程，不是吗？ 我知道大家最近都被 crowbot 这个大热点给吸引了，但是说实话，在解决隐私和安全问题之前， crowbot 只是玩具，而 ai 版的 chrome 是 能实实在在提升你生产力的东西，你记得去试一试 开启的方法，我发在星球了，大家可以去看。 ok， 以上就是本期内容，想了解 ai， 想成为超级个体，想找到志同道合的人，就来我们 newtype 社群，那咱们下期见。
642黄益贺
00:36查看AI文稿AI文稿把 coco 从一个终端工具改成一个本地抠钉， a 诊工作台已经狂揽九 k 星标。基于 coco 泄露原码修复出来的本地可运行版本。它支持接入 mini max g l m deepseek 这类 antropic 兼容 api， 可以 把不同模型接近同一套 coco 的 工作流，编排 绘画多项目代码， deep 全线确认 provide 配置都放进图形界面里。还有一个很有画面感的点，它补了 macos 和 windows 的 computer use， 让 agent 可以 截图点鼠标敲键盘操作窗口玩 ypod 顶的可以蹲一下。
116靓仔AI进化论
02:24查看AI文稿AI文稿天都快亮了，沉了啊，我沉了。我用格拉格的让他帮我用 python 写了一个这个脚本，然后呢，他会通过这个脚本去读取这个文件夹里面的文文本档，这个文文本档里面的东西可以是 你的记录啊，或者是你的知识库，或者是你对一，你对下一个项目要做的一些 s o p， 你 把它放在里面以后，内容是这样，内容是这个样子的，内容是这个样子的成文本形式，它会读取通过这种格式整理成 bug， 然后再放进 oc 的 里面。像这一个就是我的大脑，这里面包含我对跨境的所有认知，还有我自己这个人 做过的项目，成功的那些 sop， 我 都会把它写进去，让他以后本地的 id 再去做。工作流的时候，都会先读取我的这个大脑里面的数据，通过我的 sop 去做这件事情是绝对不会出错的。比如说这个， 这是我做的，真做我做的项目，比如说这个我自己在做美特的广告投流，所以我会拿真实的数据，以及去搭建广告系列广告组，广告中间的所有素材，所有步骤，包括账号的风控，账户的风控该充多少钱，预算该怎么拉，我都会放在里面。 在本地的 a 证工作流在做这件事情的时候，我都会先让他读取我这个 sop， 我 不知道你们能不能听懂我在说什么啊？ 我所有的 a 证以后只需要读取我的这个文档，以后做的事情一定是正确的，都不需要我再二次审核，也不需要我再去跟克拉扣子再去发二次指令，也不需要我去跟 jamal 去发第二次指令，他只要读取我的这个 知识库就可以了，相当于我的第二个大脑，属于一个高净值的数字资产。太重要了，你像这个就是自己做的项目，我会不断的完善它。我正在做着 在跨境电商方面，我怎么样加入 ai， 让它可以更轻松的实现自动化，可以省去一些人工，让 agent 去帮你去呃，监督你的实操盘，或者是人工帮你，或者是自动化帮你上品。直接省去人工，我才完成了这一点一晚上时间。
4970会小心的明
