新闻详情

新闻详情

首页 / 资讯中心 / 详情

爪爪 PawWork 快速上手:从加载扩展到发出第一个任务的最短路径

发布时间:2026/11/13 6:37:18来源:尧图网络
爪爪 PawWork 快速上手:从加载扩展到发出第一个任务的最短路径
爪爪 PawWork 快速上手从加载扩展到发出第一个任务的最短路径【免费下载链接】BrowserKittenPaw Work - selection-first web agent for Chrome: select on the live page, describe the outcome, take away an editable office file. BYOK, sandboxed, no server.项目地址: https://gitcode.com/gh_mirrors/pa/BrowserKitten爪爪 PawWork 是一款 Chrome 网页 AI 智能体Web Agent扩展在真实网页上点选一块区域、描述你想要的结果它就能动手操作并把可编辑的表格 / 文档 / 网页文件交到你手上。它完全运行在你自己的浏览器里——沙箱执行、自带 API 密钥BYOK、不经过任何服务器。这篇文章带你走完从加载扩展到发出第一个任务的最短路径全程 5 分钟。上手前需要准备什么准备项说明Chrome 135 及以上扩展基于 MV3 构建低版本无法加载项目代码下载仓库代码或 Release 打包文件manifest.json必须位于文件夹根目录一个 API 密钥任意 OpenAI 兼容格式的密钥自托管、国产模型均可只存在本地chrome.storage.local 没有package.json、没有构建步骤源码即产品加载即用。第一步把爪爪 PawWork 加载进 Chrome打开 Chrome地址栏输入chrome://extensions右上角打开开发者模式点击加载已解压的扩展程序选中项目根目录含 manifest.json 的那个文件夹工具栏出现扩展图标扩展名为「爪爪 · 完全解放版」如果加载后想改代码只需在扩展卡片上点重新加载即可无需重新走以上流程。第二步配置你自己的 API 密钥BYOK点击工具栏图标打开侧边栏把 OpenAI 兼容的 API Key 粘贴进设置区。配置会写入本地存储模型、Base URL 等字段都记录在 src/agent/llm.js 管理的 provider 设置中Key 不会上传到任何服务器。OpenAI-compatible Key 格式示例sk-...第三步在真实网页上发出第一个任务这是 PawWork 与普通聊天机器人最大的区别——它的智能体直接运行在你已登录的浏览器里打开任意普通http(s)网页chrome://等受限页面会返回NEED_PAGE提示属正常行为可选按AltShiftS开启「伸爪」点选模式把网页上的元素选中作为任务上下文在侧边栏用一句话描述你想要的结果例如“把这张价格表整理成表格文件”发送后侧边栏实时流式展示智能体的思考与执行过程产出物表格、文档、站点 HTML会直接挂在会话里可打开、可编辑想截图交给它看按AltShiftC区域截图即可进对话附件。一次消息在内部的完整链路是侧边栏 → Service Worker → Offscreen 智能体循环详见 AGENTS.md 的架构分层图你只需关注结果。第一个任务后常见问题现象解决办法改了源码没生效回到chrome://extensions点重新加载sys.eval/ 页面身份 fetch 不可用Chrome 138 需在扩展详情页开启Allow User ScriptsCDP_BUSY先用 DevTools 调试目标标签页时请先关闭 DevTools提示标签页被占用TAB_LEASED同一标签页正在被另一个会话使用换一个标签或等当前会话结束项目目录速览manifest.json扩展入口声明侧边栏、内容脚本与沙箱src/sidepanel.html src/sidepanel.js你日常交互的侧边栏界面src/background.jsService Worker 路由中枢src/agent/智能体核心模型循环、工具、会话工作区scripts/pack_extension.py发版打包脚本小结加载扩展 → 粘贴密钥 → 选区 一句话三步完成爪爪 PawWork 的快速上手。它把“已登录的 Chrome”变成了一台可编程的电脑而所有会话与密钥都留在本地——这正是选择 PawWork 这类本地网页智能体扩展的核心原因。【免费下载链接】BrowserKittenPaw Work - selection-first web agent for Chrome: select on the live page, describe the outcome, take away an editable office file. BYOK, sandboxed, no server.项目地址: https://gitcode.com/gh_mirrors/pa/BrowserKitten创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉