我发过一个 demo 视频:让浏览器里的网页版 AI 读本地文件、改代码。底下赞最多的一条评论是这个意思------ModelScope、Groq 每个号都有免费额度,整这玩意意义何在。
一百多个赞。我认真想了想,他说得基本对。
我自己的回复也挂在那条下面:「确实没什么用,只是练习 agent 原理的小项目。」那不是客套,是我当时的真实想法。
所以这篇不辩解。我把它拆成两半:什么情况下你真的不该用它,什么情况下它还剩一点用。
先说不该用的情况,这是大多数
你有能用的 API key。 那就不要碰这个东西。不管哪个厂商的免费额度,只要它在你需要的时候打得通,任何 SDK、任何 Agent 框架、任何 MCP 客户端,都比"用浏览器模拟人去点网页"稳十倍、快十倍。我从没说过它能替代 API。
你要的是稳定。 网页版 AI 会改版,改一次 DOM,扩展就瞎一次。我的观察器只认 message-content 和 ms-chat-turn 这两个标签,页面把它们换掉或者套一层,我就什么都不收到了------而现象是「AI 明明回了字,本地一个字节都没有」,光看日志根本想不到是选择器的问题。这种故障没有预警,重试也救不回来。
你要跑在服务器上。 它跑在你自己的电脑上,靠一个 Chrome 扩展。服务器上没有浏览器,这条路直接断。
你在做正经产品。 拿别人的网页版当你的后端,等于把产品建在一个随时会变、也不在你授权范围内的东西上。这个不用讨论。
那什么时候它还有用
我收到过三类真实场景,都不是"省 API 钱"。
内网只有网页。 有读者说他们的环境没有外网,能用的大模型入口就是浏览器里打开的一个对话页。这种地方 API 是封的,扩展是唯一能落地的方案,因为它只需要一个 Chrome。
免费额度时灵时不灵。 不是"没有免费 API",是"免费 API 在你需要它的时候刚好挂了"。有人留言说免费渠道的 key 时灵时不灵,真拿来干活就耽误事。这和稳定性是两回事:一个是 100% 稳定,一个是 60% 稳定但永远有得用。
想看清 agent 到底怎么跑的。 这是我自己做它的原因。API 调一次,你看到的是一个 JSON。你在网页里看它吐出 <tool name="read_file">、扩展抓到、本地服务执行、结果回填、它接着说下一句------每一步都摊在屏幕上,你可以看着它犯错。调试和教学用得上。
我承认的短板
慢。 一次工具调用要经过:模型生成、DOM 渲染、观察器防抖(我等 800ms 没动静才抓,最长等 3 秒)、HTTP 往返、结果回填、再生成。比直接调 API 慢好几倍,这个慢是结构性的,调参数只能削掉一小部分。
模型能力被削。 网页版不会给你 function calling 的 schema,我只能用一大段提示词教它"输出这个 XML 格式"。它经常不听话:少了闭合标签、参数里夹换行、两条调用写在一起。我在本地服务里专门写了个函数去修它把换行写成 \t 的毛病。
任何"让 AI 在你电脑上跑命令"的东西,本质上都在赌。 我加了三道闸:只监听 127.0.0.1、64 位十六进制 token、工作目录沙箱。危险命令靠一个字符串黑名单挡,rm -rf、rm -fr、sudo、mkfs 这些会被拦下,rm -r -f 换个写法就过去了。这一点我不想含糊------它不是安全产品。
所以它是什么
一个小玩具,加一个很窄的真实用途。
要不要用,答案取决于你的环境:有 API 就别用;只有网页、又确实想让 AI 动本地文件,可以试试,出问题去 issue 里骂我。
下一步我不打算加功能,想改上面短板里的第一条和第三条:把观察器的 800ms 降下来,把命令黑名单换成命令解析。这两件事都不涨 star,但能让它少坑人。