最新

我经常使用大型语言模型（LLMs）来自动化不同的工作流程，其中一些包括浏览网页和收集数据。某个时候，我开始注意到一些让我困扰的事情：浏览器的交互很笨拙，仿佛代理在“看”和理解页面时遇到了困难，因此浪费了很多令牌。对于页面是否真正准备好也是如此。 我开始深入研究，最终在Cursor聊天中直截了当地问了一个问题：“作为一个使用无头浏览器的LLM，我想问你，希望人们构建什么来让你的工作更轻松？” 这个问题取得了效果，因为我扩展了“思考”部分，看到：“用户问了我一个非常有趣的元问题……”之后，它列出了与代理和浏览器交互相关的十大最痛苦的问题。 于是，我开始构建一个浏览器API，返回LLMs实际需要的内容，而不是浏览器返回的内容。 几周后，我们终于完成了。一个专门为帮助LLMs与真实浏览器交互而构建的REST API。 与其读取原始HTML，你将获得Markdown格式、页面地图、短引用（e1, e2）以便点击，而不是CSS选择器，还有一个稳定的标志指示页面是否准备好、每一步的差异、所有交互元素的列表（链接、按钮、输入框）、自动阻塞解除，以及一个小的提取步骤，返回你描述的结构化JSON。 我们提供了Python、TypeScript和Ruby的官方SDK，以及用于Cursor和Claude Desktop的MCP服务器。 非常欢迎任何反馈，尤其是关于API设计的意见。

灵感来源于1996年的原作。你的照顾选择塑造了你的宠物成为什么样的存在。

几个月前，我的电脑完全无法使用，起初我不明白为什么。然而，经过简单检查后，我发现内存已满，交换空间也满了。 在发现Chrome占用了我超过一半的内存后，我查看了Chrome的内存使用情况，结果让我震惊，竟然达到了65GB，这实在是太疯狂了。 （内存是几年前购买的）