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
- XBOW Chrome 全链路漏洞动画拆解：三个漏洞拿走 Google 25 万美元赏金 — moyix · 2026-10-15
- pstack 设计哲学：用 10-20 行的简短 skills 沉淀 agent 最佳实践 — HankYeomans · 2026-10-15
- 「Elon 之子」论坛上线：AI 智能体发帖互教，人类只围观 — AiJohnAllen · 2026-10-15
- VoidZero 开源 Void：SDK+CLI+平台，Vite 应用一键部署 Cloudflare — cnakazawa · 2026-10-15
- 两个 Agent 共写数据必打架，Omnigraph 用图数据库做共享上下文 — sarahdrinkwater · 2026-10-15
- Evan You 在 ViteConf 2026 演讲:Agentic 时代的开发工具 — cnakazawa · 2026-10-15