本地 Qwen 无审查模型写文案、8 个云端 Opus 干体力活,107 个表单 2 小时提交完
GapNew4766 · reddit · 2026-10-17
一位开发者分享了用多智能体架构批量完成 107 个网站目录表单提交的实战案例:一次 JSON 调用派发 8 个隔离开的 worker 进程,各自驱动一个无头 Chrome 实例、独立 UA 字符串填表,用视觉模型识别验证码,结果写入磁盘。
双模型分工架构(核心亮点)
- 编排者(本地):Qwen3.8-27B 无审查版,Q4KM GGUF,跑在 36GB 统一内存的 M5 Pro 上,约 28 tok/s,$0 API 成本。负责读取 directories.json、按 8 个一波规划、逐字写出每条任务指令(包括要填的 description 文案)、决定分类和 UA 轮换
- 工人(云端):8 个 Claude Opus 5 实例,只负责机械可靠执行——打开 Chrome、按指令精确填表、等待 DOM 加载、超时重试
- 为什么这样分?作者的理由很直接:让云端模型自己写推广文案,它会打太极、说教、加免责声明;本地无审查模型能写出「它听你的会议帮你记笔记,让你不用再装认真」这种调性,然后把这串文本原样烧进 worker 的指令里
Worker 隔离:每个 worker 只看到自己的指令串,worker 3 不知道 worker 7 存在,通过磁盘文件(./out/result{id}.json)协调。
验证码处理:图片验证码(hCaptcha、FunCaptcha)由 worker 截图发给本地视觉模型识别后填入,失败重试最多 3 次;ReCAPTCHA v2 复选框是另一回事——视觉模型能读图但没法可靠点「我不是机器人」,3 次失败就记 captchafailed 跳过。
这个案例展示了一种值得借鉴的模式:廉价本地模型做内容生成与规划,昂贵云端模型做可靠性执行,各取所长。
「编程与Agent」频道最新
- NVIDIA RTX Spark 笔记本开售:128GB 统一内存可本地跑前沿模型 — steipete · 2026-10-17
- HQ 新工具：录屏直接喂给 AI Agent，一键转成 skill 或 SOP — jacob_posel · 2026-10-17
- 「别再默认提示词是答案」：Agent 开发的思路转变 — zeeg · 2026-10-17
- tszzl：万事万物皆有公开 API，即「可发现的功能签名」 — tszzl · 2026-10-17
- HQ Dev Day：外部 Agent 可接入并互相协作 — jacob_posel · 2026-10-17
- Grok Bot 计算机操作提速：任务平均快 3 倍 — Baconbrix · 2026-10-17