过去大家看 GPT、Claude 操控浏览器,体验其实并不好,因为真的太慢了,中间还经常卡死...
因为让大模型写一堆长篇大论去操作网页,本质上就是杀鸡用牛刀
在网页上点按钮,本质上就是一个离散的多选题,根本不需要 AI 会写诗
JEV 拿到 DOM 结构,以做分类题的速度毫秒级选出该点的元素,只有在需要打字输入时才偶尔回退给小模型
黑客松冠军开发者 @gregpr07 刚刚拿 JEV 做了个开源的微型浏览器 Agent,让它自主打开网页查机票
整个过程:
• 耗时仅仅 7 秒
• 成本只要 $0.0039(折合人民币不到 3 分钱)
• 作者特意注明:演示视频是 1 倍速,没有任何加速剪辑
这个老哥还开源了GitHub:github.com/browser-use/je…
这个案例其实很有意思,它展示了AI+浏览器的可能性。每个Agent都有独立的决策权,可以自主选择操控策略。7秒查机票,成本不到3分钱,这种"AI+浏览器"的模式,其实和我们之前讨论的AI工具化很像。Agent把这个能力直接内置到了产品里,用户不需要自己搭建复杂的AI框架。
不过,这个案例也有风险。浏览器操控本身就是高风险的,AI的决策也可能出错。但从另一个角度看,这说明AI Agent已经具备了自主决策和执行的能力。这种能力在未来可能会应用到更多场景中,比如自动化办公、数据分析等。
项目地址:github.com/browser-use/je…
话题来源 @SUOHA_AI
107.1K阅读 ❤️729 x.com/…↗ 已改写,非原文转载
21 浏览 0 评论
0 反应












