一人公司:我做了个替你操作网页的浏览器智能体

6 小时 26 分钟前
 martin2013

上周有人问我:一个人做产品,最难的是什么?

我说不是写代码。是你得先当自己产品的用户——同一套流程手动做几十遍,才知道哪一步值得交给 AI ,哪一步交出去反而是灾难。

油小猴就是这么做出来的:先给自己用,用顺了才敢推给别人。

先说清它解决什么

大部分人用 AI 的姿势是这样的:看到一段有用的内容 → 复制 → 切到另一个标签页 → 贴进对话框 → 拿到答案 → 再把人话翻译成操作,一步步点回去。

来回四次切换,中间还可能贴错。

问题从来不是模型不够聪明,是它不在现场。它不知道你在看哪个页面、点到哪一步、页面上有哪几个按钮。

油小猴干的事很简单:把 AI 放进浏览器侧边栏,让它看得见你眼前这一页。

它其实干三件事

一、知道你在看什么

打开侧边栏直接问,不用复制粘贴。它能读到当前页面的标题、地址和可见内容:

二、需要动手的时候,它自己动手

这是它和「网页版 AI 」真正的分界线。

对话模式下它只能说;切到 Agent 模式,它会读真实页面结构,然后在授权范围内点按钮、填表单、切标签页、上传下载、截当前页,并且根据每一步的实际结果决定下一步。

不是甩给你一段 Selenium 代码让你自己跑,是它现在就把活干完。

整个过程写在侧边栏里:正在做什么、执行到第几步、每一步返回了什么。可以开着看,也可以中途停。

三、重复的事,攒成脚本

一次性的任务过去就过去了。第二次做同样的活,我会让它在当前网站生成一个完整脚本,先跑一次验证结果,再装进油小猴——以后打开匹配的网页,脚本自己就在,不用另装一个脚本管理器。

生成的脚本大致长这样(示例,真实生成会按目标站点的结构来):

const rows = [...document.querySelectorAll('.product')].map((el) => ({
  name: el.querySelector('.title')?.innerText.trim(),
  price: el.querySelector('.price')?.innerText.trim(),
}));
console.table(rows);

会写代码的人可以改它,不会写的人只管用。

双模式:什么时候用哪个

对话模式 Agent 模式
适合 答疑、总结、翻译、改写、看代码 多步骤的网页任务
会不会动页面 不会 会:点击、填写、切标签、上传下载、截图
速度 秒级 慢,一步一步执行
需要注意 无 提交、付款这类操作要自己确认

分界线很简单:问答案用对话,要结果用 Agent 。

它和「网页版 AI 」不是一类东西

网页版 AI 传统网页自动化 油小猴
知道当前页面 不知道,靠你复制 靠你写选择器 直接读标题、地址、可见内容
谁来执行 你自己 固定脚本,页面一改版就废 Agent 逐步执行,看结果再决定
上手门槛 低 高 会说人话就行
结果能不能留下 不能 能,但要维护代码 能,装成脚本复用
一个入口几个模型 一个 没有 平台接入的都能切

安全和边界,我自己先划好

收费:积分,不是订阅

不自动续费意味着我得自己盯着每一笔到账;也意味着你不用为了试一个工具,先绑一张卡。

它的短板,我自己列

想试试

装扩展 → 登录 → 打开任意网页,点侧边栏问第一个问题,就这么三件事。

Edge 商店里直接装; Chrome 从官网下载安装包侧载。

装好之后不一定非开侧边栏:右下角有个悬浮球,划词工具栏和识图也能在个人中心里按需开关。

先别急着让它干重活。找一页你本来就要读的长文,让它先读一遍——你会知道该不该把它留在浏览器里。

https://aibot365.com/?from=blog

353 次点击
所在节点    分享创造
1 条回复
Hubs
2 小时 4 分钟前
这玩意儿是不是你做的?

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/1252650

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX