Midscene Chrom插件：AI像真人般操作浏览器

2025-02-06

Surf.new：AI自动控制浏览器完成任务.

控制浏览器完成任务的免费AI Agent啊！今天淘到的这个叫做surf.new的Agent就牛逼了，我么可以给他下一个指令，然后它就能自动帮我们细化这个指令，然后一步步操作浏览器来完成我们的任务… Github项目入口在线访问入口

2024-11-29

Claude Computer Use API - 大模型如真人操纵电脑

Claude Computer Use API是Anthropic为Claude模型推出的革命性功能，它让AI能够像真人一样操控电脑屏幕——移动鼠标、点击按钮、输入文字、滚动页面、浏览文件等。与传统的API调用不同，Computer Use API让Claude能”看”到屏幕截图，理解界面布局，然后自主执行操作。这意味着Claude可以帮你完成填写表单、查找文件、操作软件等一系列需要图形界面交互的任务，真正实现了”AI替你用电脑”。

2024-11-29

LLM Agent究竟是个什么鬼？

LLM Agent（大语言模型智能体）是当前AI领域最热门的概念之一。简单来说，Agent就是一个”会行动的LLM”——普通的ChatGPT只能回答问题，而Agent不仅能对话，还能自主调用工具、执行操作、规划任务。一个典型的LLM Agent架构包含：大语言模型作为”大脑”负责推理决策、工具调用能力（如搜索网页、执行代码、操作数据库）、记忆系统（短期和长期记忆）、以及任务规划能力。例如一个Agent可以自主完成”帮我订一张下周去北京的机票”这样的复杂任务——它需要搜索航班信息、比较价格、填写预订表单等一系列操作。本视频用通俗语言带你理解Agent的核心概念和实际应用。

2025-01-25

Open Operator：OpenAI Operator免费平替

OpenAI Operators免费平台啊！相信大家都已经知道OpenAI在2025最新推出的Operator了，让大家可以简单输入个命令，然后他就能像真人般操作你的浏览器来完成你的任务，这个应该是对标早前Anthropic出来的Computer Use API，但是他需要你有贵的要命的200刀都Pro订阅才能玩。今天要跟大家分享的免费平替叫做Open Operator，目的就是让大家免费就能玩Operator的功能，大家可以自行部署… 在线访问入口 Github项目入口

2025-02-18

OmniParser v2：开源AI自动控制电脑完成任务

免费开源AI自动控制你的电脑执行你下达的任务啊。今天要介绍的是微软的OmniParser V2，其实大家如果还记得的话，我接个月前就介绍过OmniParser的v1版本了，这次的升级版本比v1快了60%，能理解更多的屏幕和浏览器上的元素，它的工作原理就是对电脑截屏，然后通过各种视觉大语言模来解析应该操作当前屏幕的哪个位置… Github入口

2025-03-13

OpenAI：最新发布功能解读！

OpenAI最新发布了几个Agent相关功能，遥相呼应国内上几天大火的Manus。我们快速来看下几个关键更新更新。首先，提供了一个新的API叫做Responses API，有玩过OpenAI的开发肯定知道chat completion api，但这个api只能做正常的对话问答，新增的这个responses API调用时可以额外提供工具参数，让chatgpt能直接进行工具调用。比如下面这个例子，是不是和completion api很相似… 公告入口