Web Draw：让纯文本模型开真实浏览器，搜索页仅约 750 token
ahstanin · reddit · 2026-08-28
作者发布免费 Chrome 扩展 Web Draw，把「视觉能力」从浏览器自动化中移除：大多数方案依赖截图，这既把纯文本模型完全排除在外，又让有视觉的模型每次观察耗费数千 token。Web Draw 将页面渲染为带稳定句柄的文本表示，循环为「观察→按句柄操作→再观察」，7B/8B 级文本模型即可跑通。
页面呈现形如 e18 textbox "Tracking Number" required invalid=... 的控件清单：Amazon 搜索页约 750 token，完整结账页约 550；数据表渲染为 Markdown，重复结构（如信息流帖子）折叠成组，屏幕外一行提示上下还有什么以判断是否滚动。
由于小模型的失败方式与大模型不同，大部分工作花在消除歧义上：被浮层遮挡的控件会打标而不是硬点；目标名歧义时报错并列出候选而非静默选择其一；表单提交被拒绝时报告页面说了什么而非伪装成功。工具直接运行在你的常规浏览器、沿用已有登录态，只与 127.0.0.1 通信，免费且无需账号。
所属事件:Web Draw：让纯文本模型直接操作真实浏览器(2 条相关)→
「编程与Agent」频道最新
- 长期项目自动存档，AI 回溯不重置 — draginol · 2026-08-28
- AI 智能体或能挖掘 Git 历史敏感信息 — mhmazur · 2026-08-28
- 用任务评论实现长期项目记忆，AI Agent 不忘工 — draginol · 2026-08-28
- Google 团队发布 Harness 工程：公式 Agent=Model+Harness 取代提示工程 — anselm · 2026-08-28
- zai 发布 GLM-5.3 开源模型，主打智能体编程与防御 — zai-org · 2026-08-28
- 桌面 AI 智能体用「冲刺」管理长期大型任务 — draginol · 2026-08-28