Post #14949

#App 🌐 BrowserOS：开源 AI 浏览器 Github | 官网 ✨Features - 教学模式：用户通过单次操作演示工作流程以及语音解释，AI 代理即可学习并创建可重复执行的自动化任务，降低了自动化门槛 - 聊天侧边栏：在任意网页侧边栏直接调用 ChatGPT、Claude、Gemini 的网页 APP，无需切换标签页即可完成内容总结、草稿撰写等任务 - LLM Hub：在一个标签页里同时打开多个 LLM APP，例如 ChatGPT、Claude、Gemini 、Grok、Perpleixity。最多一次行打开三个，垂直分屏 - 用户指定模型，使用用户的 API key，支持通过 Ollama 和 LMStudio 在本地运行 AI 模型 - MCP 集成：内置 Gmail、Calendar、Google Docs、Notion 等应用的 Model Context - 常规功能例如 AI 网页操作，侧边栏 AI 对话，标签页作为上下文 ⚙️技术 BrowserOS 是一个完整的 Chromium 浏览器分支，而非浏览器扩展。利用标准扩展 API 无法触及的无障碍树，为 AI 代理提供必要的页面结构信息。 其核心代理功能直接在 Chromium 的 C++ 源码（占代码库 53.7%）中实现，而非通过 JavaScript 自动化框架，性能相比后者提升了 20-40 倍。AI 代理通过一个专为 AI 推理优化的“增强 DOM 树”与网页交互，该树提供了比标准 DOM 更丰富的页面元素语义信息。 项目采用 AGPL-3.0 许可证，确保其衍生项目保持开源。 👨🏻‍💻使用场景 - 信息处理与研究：自动化执行跨网站的复杂研究任务，例如查找特定信息、提取关键数据并将其整合到文档或表格中。 - 业务流程自动化：自动从缺少 API 的企业内部系统（如旧版 ERP 或仪表盘）中提取数据，并更新到 Google Sheets 等现代办公工具中。 - 数据录入与表单填写：自动完成重复性高的表单填写工作，如批量提交工作申请、填写报销单等。 - 工作与生产力：利用 MCP 集成，通过自然语言指令直接操作 Gmail、Google Calendar 等应用，实现邮件草拟、会议安排等任务。 - 电商与购物：自动化执行商品搜索、跨平台比价、应用折扣码以及完成支付流程。 👀感想 作为开源产品 Browser OS 的核心功能要落后 Comet 和 Atlas。同样的任务在 Browser OS 上无法完成。 教学模式让自动化变得很简单，但是无法举一反三，只能在同一个网站，同样的数据，呆板的做同一个自动化。 侧边栏 LLM Web App 和一个标签页多个 LLM Web App 分屏也是过去很火的功能，但如今转被淘汰了的。 设计上也是浓浓的 Chromium 的味道，几乎没有什么新动画。视觉体验上显著毛坯。 频道：@NewlearnerChannel