Mindket
中级免费

浏览器智能体:替你点击、输入和浏览的 AI

黑色横幅,标题是“浏览器智能体”,下面是“替你点击、输入和浏览的 AI”。

这门免费课程讲浏览器智能体,也就是替你打开网页、点击、输入并完成任务的 AI。它教你怎样给 ChatGPT agent 写任务,带开发者走一遍 OpenAI 和 Anthropic 的 computer use API,讲提示词注入以及控制它的限制,最后一步一步设置 Claude Cowork,让它带着你的技能操作电脑。事实来自厂商的文档和 OWASP,个别日期取自维基百科。

学完你能做到

  • 说出获得浏览器智能体的五种方式,并用 browser-use 库跑通第一个。
  • 写出 ChatGPT agent 能完成的任务:有起始页面、要交回的结果,还有一句让它停下的话。
  • 读懂 OpenAI 和 Anthropic 代码里截图、动作、结果的循环,并运行各家厂商的示例。
  • 把智能体设置成:被注入的指令能碰到的东西尽量少,并列出需要你批准的步骤。
  • 安装 Claude Desktop,加一个插件和一个你自己写的技能,打开 computer use,再跑一个你能核对的 Cowork 任务。
全部课程

适合谁

适合已经在用 ChatGPT 或 Claude、想让 AI 在浏览器或电脑上干活的读者,也适合想自己搭一个的开发者。第 2、4、5 课不需要写代码,第 1 课和第 3 课会用到终端和 API 密钥。

课程内容

  1. 1浏览器智能体是什么?替你点击、输入和浏览的 AI浏览器智能体是替你点击、输入和读网页的 AI。看懂五种类型、它们怎样看网页,并用 browser-use 跑通第一个任务。6 分钟
  2. 2ChatGPT agent 教程:写一个它能完成的浏览器任务写一个 ChatGPT agent 能完成的浏览器任务,知道它什么时候会停下来问你,再核对结果,参照 OpenAI 自己的系统卡。6 分钟
  3. 3Computer use API:用你的代码让模型使用浏览器用你自己的代码让模型使用浏览器:截图、动作、结果的循环,OpenAI 和 Anthropic 可以直接运行的示例,以及怎样核对结果。7 分钟
  4. 4浏览器智能体的安全:会出什么问题,要先设置什么一个网页为什么能接管浏览器智能体,OpenAI 和 Anthropic 各测了什么,以及能把损失控制住的习惯和控制措施。8 分钟
  5. 5Claude Cowork 教程:用你的技能,让 Claude 操作你的电脑一步一步设置 Claude Cowork:安装应用,加一个插件和一个技能,打开 computer use,再交给 Claude 第一个能核对的任务。8 分钟

常见问题

这门浏览器智能体课免费吗?

免费。每一课都可以免费阅读。运行第 1 课和第 3 课的代码示例,要用你自己的 API 密钥,模型调用由各家厂商计费。第 5 课需要 Claude 的付费套餐。

学这门课需要会写代码吗?

第 2、4、5 课不需要。第 1 课有一个简短的 Python 练习,第 3 课是写给开发者的,会用到终端。

浏览器智能体是什么?

浏览器智能体是替你操作网页浏览器的 AI 系统。它读网页、点击、输入,在网站之间跳转,完成你描述的任务,好的智能体在购买或删除之前会先停下来问你。

把浏览器交给 AI 安全吗?

不做防护就不安全。第 4 课讲了 Anthropic 和 OpenAI 各测了什么,以及能把损失控制住的习惯,从一个独立的配置或一个容器开始。

我需要用哪个 AI?

第 2 课讲的是 OpenAI 的 ChatGPT agent,第 5 课讲的是 Anthropic 的 Claude Cowork。第 1 课和第 3 课用到 OpenAI 和 Anthropic 的 API 以及开源工具,第 4 课适用于它们所有。

学完这门课,接下来学什么?

读 AI 智能体护栏,了解沙箱、权限规则和钩子;读用 Claude API 构建 AI 智能体,自己写出工具循环。

分享这门课

浏览用这类工具做成的智能体

Mindket 列出了可以先打开来读、再使用的 AI 智能体,并写明每个智能体拿到哪些工具。

浏览智能体

全部课程 · 全部文章