FIG 3.1 · 自动化浏览器
一个自己会操作的真实浏览器。
它不是一个抓取库，也不是一个假装成用户的无头 shell。这是一个由智能体控制的真实浏览器会话，跑在本地，并像系统上任何其他应用一样被关在自己的边界里。
FIG 3.2 · 一次会话，实时
看它导航、抽取，然后把行交回来。
比较这四家按席位怎么收费
试试
00:00
会话已开启
全新配置文件,没有沿用的 Cookie
00:04
已拒绝同意提示
拒绝了所有可选项
00:11
已找到价格表
四种方案,其中两种只按年计费
00:19
最低席位数读自脚注
表格里没有,是在小字里找到的
00:26
还有三家排队
并行进行,最多四个
一个席位实际要多少钱
| 供应商 | 入门 | 团队 | 最低席位 | 仅按年 |
|---|---|---|---|---|
| Northwind | $0 | $24 | 5 | 否 |
| Aperture | $12 | $39 | 3 | 是 |
| Cogent | $0 | $29 | 10 | 否 |
| Bellweather | $19 | $45 | 1 | 是 |
其中两家根本没法比
Aperture 和 Bellweather 标的是月价,收的却是年费。加上三个席位的最低要求,入门方案是预付 $432,而不是 $12。
来源
northwind.example
aperture.example
cogent.example
bellweather.example
FIG 3.2b · 这个界面
而这就是浏览器交付时的样子。
一个真实的浏览器窗口，配着真实的地址栏。智能体从右侧侧栏操作它，它打开的每一个页面你都看得见。
Automated Browser
example-store.com/laptops
Laptop pricing
Comparing 3 sources
| Source | Price | Availability |
|---|---|---|
| Vendor A | $1,299 | In stock |
| Vendor B | $1,349 | In stock |
| Vendor C | $1,249 | 2 left |
Reading the third source…
界面，在网页里重建 · v0.1.10
FIG 3.3 · 为什么在这里「本地」很关键
它打开的页面，都是你本来就有权限看的页面。
云端的浏览器智能体必须拿到你的凭据，而且它是从别人的网络里上网的。这一个跑在你的机器上、你的会话里、你的 VPN 之内，所以内部工具、需要登录的看板、内网页面就是能用，而且关于它们的任何东西都不会被传到任何地方。
- 沿用你现有的网络位置，包括 VPN 和内网
- 凭据永远不离开设备，因为根本没有可以送去的地方
- 会话只限于浏览，碰不到你的文件，也碰不到其他应用
- 不可逆的操作会停下来，先问你
未经指示它不会做的事
- 发起支付或转账
- 以你的名义发送消息
- 接受条款或授予 OAuth 权限
- 永久删除任何东西
- 完成一个验证码
以上每一项都会中断会话并询问你。授权是逐个动作的，不是一个打开之后就可以忘掉的模式。
FIG 3.4 · 它凭什么值得存在
人们实际拿它做什么。
以一张表格收尾的调研
把它对准一组来源，拿回来的是结构化的行，而不是一串你还得自己读的链接。
没有 API 的站点
大多数内部工具和半个互联网都没有可编程接口。浏览器是最后的 API，而这一个可以用意图来驱动。
长表单与门户网站
那些本来假定由人来完成的多步流程：提交、追踪、汇报，任何不可逆的一步都由你批准。
盯住变化
按计划重跑同一个会话并比对结果，于是页面变了你会知道，而不用自己去查。