个人开发的 AI 扩展助手，浏览器自动化方向

[imdoge]

自己个人开发的浏览器扩展的一个筹备了很久了重要功能模块，Agent S6 接近正式版

功能类似 claude for chrome 和 gemini auto browse 和各种 ai 浏览器的 agent auto browse 能力，ai 驱动的浏览器自动化

不用登录即可自定义 apikey 使用，支持各种 llm provider ，自定义 apikey(BYOK)模式下纯前端运行，对话历史/配置信息/请求都在浏览器端，关注你没那么重要的隐私(雾)~

最新实现完善了记录 agent 流程为 skill ，后续重放或者在 agent 中再次引用这个 skill ，将几乎不消耗 token 且不经过 llm 瞬间执行(完善和测试中)

举个栗子： 先说“帮我去起点，全部小说筛选完本的轻小说，按收藏排序，获取搜索结果小说，发到 google sheets”，agent 跑一次这个浏览器自动化后，保存为 skill ，然后重放这个流程除了最后的同步 sheets 节点需要 llm ，其他都是直接根据保存的配置重放的~ 遇到页面变化找不到之前的那个元素了，还会自动请求一次这步来修复这个节点的运行~

其他各种复杂用例的网页自动化测试结果，通过率不比各家 ai 浏览器/各自动化扩展/本地浏览器自动化框架差，使用简单，配个 apikey 就能用（综合性价比等推荐 gemini-3-flash ）

欢迎各位使用给我反馈~~

[imdoge]

https://chromewebstore.google.com/detail/cnidodnbcjondpfpoapckiajkhnhelej

[Liqiniu]

去试试，支持一下

[Gomi]

刚安装了，真牛。不知道你用什么开发的浏览器插件，有兴趣可以试试 Addfox （ https://addfox.dev ）

[imdoge]

@Gomi 感谢推荐，总结工具看了下，挺新的技术栈，之前调研过当时最出名的几个开源扩展架子框架，但是最后选的当时 star 还不多的 https://github.com/Jonghakseo/chrome-extension-boilerplate-react-vite

主要是轻一点没那么多学习的负担

[pandatools]

可以加 minimax 的 api 吗

[imdoge]

@pandatools 可以的吧，有 openai/gemini/claude/grok/openai 兼容，这些 provider ，你这个应该是最后一个
另外 minimax 虽然榜单前列，但不是原生多模态大模型，在复杂任务时会逊色不少(普通的点击跳转什么的倒是影响不大)，我测试用下来综合速度成功率性价比最好还是 gemini-3-flash ，当然你有中转站的白菜价官逆顶级模型会更好一点

[jawilx]

大佬牛啊，简单体验下感觉不错，后面继续试试

[kiss96803]

牛的大佬

[saaak]

挺牛逼的，就是界面不支持中文吗

[imdoge]

@saaak 汗~输出可以在设置改语言，界面还不行，主要是最开始开发时脚手架没 i18n ，我自己也没弄，现在想界面国际化即使 ai 也有点费劲分散太多了，又没空就一直拖了

[imdoge]

btw 其他通用的助手小功能也是自定义 apikey 就能用，什么(多)网页对话/总结，youtube/b 站视频总结/对话，网页数据抓取器，自定义 skills 什么的
要是没中转站廉价模型，agent 每 step 约 1-2w 输入 token(系统 prompt 固定的没变量，1w 左右，看你的 provider 是否支持缓存)，谨慎选择模型……

[izgnod]

大佬的东西用的不错，有两个体验问题，一个是自定义 skill 没法修改，还有一个是对话框里面按上下键不能回到历史会话

[imdoge]

@izgnod
感谢反馈~ 历史对话在右侧 history 按钮，上下键我考虑下吧。。毕竟不是命令行
自定义 skill 修改我问产品经理 skill 分析一下产品设计 - - 目前的设计是在 replay 修改，然后再次 replay save as skill ，直接在 skill 修改确实还不行
P.S skills 还在完善和测试中，目前只有带网页上下文的普通 prompt 模板 skill 和跑之前动作 replay 的 skill ，其实我之前的设想是更复杂的

[imdoge]

@izgnod 另外目前的修改还有点不足
之前设想是比如保存为技能后，输入
```
/my-skill-1
xx 动作改为 xx ，xx 输入改为 xx
```
这样的，但是目前的自适应修改步骤还不完善，虽然在 replay 里面可以编辑 agent 节点(也还需完善)

[saaak]

@imdoge #10 能不能搞个配置、skill 导出功能，然后可以多端同步这样

[maemolee]

已安装，我想想有啥场景能体验体验

[imdoge]

@saaak 可以…我后面加，现在就是聊天记录/各种配置等都在本地，BYOK 的话请求也本地

[sazima]



已经登陆了， 但是还是提示需要登录

[imdoge]

@sazima 好像登录监听有点 bug ，你再重复登一两次试试就可以了
另外登录也没送多少，想用自动化 agent 建议用自己的 apikey 不用登也行

[tutou]

用的 Stagehand ？最近在调研自动化测试，感觉和你这个挺像的

[imdoge]

@tutou 那个是依赖 playwright 和 cdp 和 nodejs 的吧，我是扩展当然不是，纯浏览器环境 agent 框架能运行的都少，基本是参考各自动化的思路和部分有自己的不同方法自己写了一个

[kylehuangyu]

赞

[imdoge]

一些提的小优化改了：
skill 可修改，编辑保存 replay 可同时保存为 skill ，输入框为空时 ArrowUp 可唤起对话历史。
导出导入下个版本先吧

然后就是这次一个比较有影响体验的功能：
slash command 的快捷 skill(非内置和 prompt skill 那种)可以使用输入来动态修改，并设置某些节点为动态的，以及某些时候执行错误自动修复了~

举个例子：
之前一个“访问 xx ，点击 xx ，填写 xx 表单”的功能，想修改 agent 是要到 replay 菜单，修改后保存为 replay 再保存为 skill 来使用的，功能十分深……

现在是这样的：
执行一遍“访问 xx ，点击 xx ，再点击 xx ，填写 xx 表单，然后总结 xx”后，保存为 replay 以及同时保存为 skill ，然后直接可以这样执行：

```
/custom-skill
如果页面有 xx 就点击 xx 否则点击 yy
同时把填写 a 表单项的值改成 xxx
```

就会自动在 click 的时候重新请求，获取新的点击元素；在 input 的时候把填写的内容替换成新的 xx ；并且如果填写 xx 元素找不到的时候会重新请求来 self-repair

下个版本仍需继续测试完善，这种动态涉及太多场景了，顺便看看 cc 代码参考点 harness 工程~