新闻详情

新闻详情

首页 / 资讯中心 / 详情

爪爪 PawWork live-page action 完全实操手册:3 个核心 op 驱动真实网页

发布时间:2026/11/22 9:19:27来源:尧图网络
爪爪 PawWork live-page action 完全实操手册:3 个核心 op 驱动真实网页
爪爪 PawWork live-page action 完全实操手册3 个核心 op 驱动真实网页【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 是一款开源 Chrome 扩展用 live-page action 工具直接驱动真实网页先snapshot给页面控件拍快照再用fill_form批量填表、click精准点按让 AI 代理在你已登录的浏览器上替你操作BYOK、沙箱化、无服务器。一、live-page action 是什么先拍快照再动控件 普通网页自动化脚本靠 CSS 选择器硬编码页面一改就崩。爪爪 PawWork 的action工具换了一条路基于快照的引用ref机制。ref控件引用形如f0.a12——f0是 frame 编号a12是该 frame 内的控件序号对模型是不透明 ID不需要你写选择器。rev快照世代形如t7标记这份快照的代。页面每次变动后引用就会过期。回路固定snapshot拿快照 → 用同一代ref rev执行fill_form/click等变更 → 每次变更的返回里都会带一份新快照新rev 新controls继续下一轮操作。快照采集时每个 frame 最多收80 个可交互控件可见优先、隐藏排后覆盖input、select、textarea、button、a[href]、contenteditable等密码框的值会被打码为***避免泄露到模型上下文。实现见 content_script.js。二、三步加载爪爪从 clone 到第一次 action 拿到源码无package.json、无构建步骤git clone https://gitcode.com/gh_mirrors/pa/BrowserKitten加载扩展打开chrome://extensions→ 开启右上角开发者模式→加载已解压的扩展程序→ 选择仓库根目录manifest.json 就在根上要求 Chrome 135。填入 API Key打开侧栏粘贴一个 OpenAI 兼容接口的 KeyBYOK只存在本地chrome.storage.local然后在任意http(s)页面上直接发任务。两个顺手的小快捷键定义在 manifest.json快捷键作用AltShiftS开启/关闭伸爪页面点选把选区作为上下文交给代理AltShiftC区域截图 → 剪贴板 对话附件改过源码后在扩展卡片点重新加载即可。三、op 详解snapshot / fill_form / click 怎么用 模型可用的 op 共 8 个snapshot/fill_form/click/fill/select/press/scroll/wait完整 schema 见 tools.js。你最常用的是前三个1. snapshot给页面拍张清单照不带参数调用action opsnapshot返回当前 tab 所有 frame 的合并控件清单。清单里每个控件带 roletextbox / button / combobox…、无障碍名label、aria-label 或 placeholder、当前值以及ref。使用原则先 snapshot再用这份快照的 ref rev 去变更不要凭空猜 CSS 选择器。2. fill_form一次填好整张表单 ✍️fill_form的fields支持两种写法[{ ref: f0.a12, value: … }]—— 精确引用[{ name: 搜索框, value: … }]—— 用无障碍名回退命中两个控件会返回AMBIGUOUS多字段表单按frameId自动拆包分发到对应 frame一次调用填完所有输入框。之后需要提交时再显式click提交按钮——代理默认不会替你提交表单除非你明确要求。3. click精准点一下 ️click带上最近快照的ref和rev即可。配套动作还有fill/select单字段填值 / 下拉选择press按键Enter、Tab、Escape、方向键、Space…不指定目标时打给主 frame 的当前焦点元素scroll滚动页面wait等待某段text出现上限 5000ms或纯睡一小段时间默认 300ms作用域与限制30 秒读完action只作用于本轮消息打开的那个 tab显式tabId不会偷偷切到 Chrome 焦点标签缺 tabId 会报NEED_EXPLICIT_TAB。tab 租约同一个 tab 正被另一个会话的 execution 占用时返回TAB_LEASED防止两个会话同时改一个页面。限制页chrome://、扩展页、Web Store 等会返回NEED_PAGE。chrome://extensions重新加载扩展后快照世代rev会重置需要重新snapshot。四、常见错误码速查出错了先看这里 ️错误码含义怎么办STALE_REFrev对不上或控件已卸载重新snapshot用新refrevAMBIGUOUSname命中多个控件改用ref精确引用NO_TARGET无名无 ref / 零命中 / wait 超时核对快照清单里的名称FILE_INPUT遇到文件上传控件脚本填不了需手动上传NEED_PAGE限制页 / 无 host换到普通http(s)页面NEED_EXPLICIT_TAB本轮消息没带 tabId先打开目标页再发任务TAB_LEASEDtab 被另一会话占用等另一个会话结束BAD_INPUT缺op/fields/value等补齐参数重试完整契约参数表 错误码写在 agent/AGENTS.md跨 frame 扇出与租约的宿主侧逻辑见 src/AGENTS.md。五、相关文件速览 内容路径action工具 schema 与执行入口src/agent/vnext/sessionWorkspace/tools.js快照采集与 80 控件上限src/content_script.js消息总线与跨 frame 运输src/background.js产品架构与进程分层AGENTS.md安装与测试说明README.md一句话总结snapshot 看、fill_form 填、click 点三步回路配合rev世代防过期就能让爪爪 PawWork 在你真实登录态的网页上稳定完成表单填写与点击任务——无需服务器、数据不出本机。【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 2026/11/21 14:14:45

【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 2026/11/21 14:14:26

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 2026/11/21 21:08:55

【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 ... 2026/11/22 1:51:41

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 2026/11/21 19:02:25

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 2026/11/21 14:13:11

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
📞 ✉