- 博客(3806)
- 收藏
- 关注
RSS订阅原创 Graphviz图标节点：image、imagescale与fixedsize
在 Graphviz 中给节点插入图标，本质是把外部图像映射为节点尺寸盒并按点数参与布局。位图像素会被直接当作 point，imagescale、fixedsize、imagepath 分别控制缩放、尺寸锁定与路径查找，理解这些机制能避免图片撑爆画布、节点错位和静默加载失败。它适用于架构图、部署图、组织关系与文档卡片等场景，尤其批量生成带图节点时，规范路径、锁定尺寸并检查渲染日志，才能让图标矩阵稳定复用。
2026-11-07 16:38:24
61
原创 浏览器自动化Agent新选择：BrowserSkill技能层项目解析
在大模型Agent落地过程中，浏览器自动化已成为高频需求，而如何让LLM稳定地操作网页元素始终是工程难点。传统Playwright脚本虽定位精准，但Agent需面对动态页面、状态错乱与权限控制等挑战，因此产生了介于底层工具与智能体之间的“技能封装”方案。BrowserSkill将高频操作抽象为可复用技能，统一暴露任务级接口，显著降低Agent决策复杂度，同时配合状态管理与权限约束，提升自动化流程的可靠性。相比Playwright MCP仅提供协议适配，Agent Browser注重完整运行时，Browser
2026-11-07 16:37:24
41
原创 将 Code Review 做成开放体系：从规则代码化到团队共建
软件开发中，代码审查是保障代码质量与团队协作的关键实践。传统 Code Review 常陷入流程化、走过场的困境，如何让审查真正产生价值？核心原理在于将审查行为从个人经验驱动转为开放、可量化的体系：把审查规则代码化、数据公开化、流程自动化。通过引入 CODEOWNERS、分支保护、CI 自动化检查等机制，团队能有效降低沟通成本，提升缺陷拦截率。这类开放审查体系尤其适用于中大型团队和 DevOps 场景，能够显著增强代码所有权意识。本文以 open-code-review 为例，系统介绍如何搭建一套从创建到合
2026-11-07 16:08:31
50
原创 Jsoncpp动态库与静态库编译集成实战指南
Jsoncpp 是 C++ 项目中最常用的轻量级 JSON 解析库，其核心价值在于提供跨平台、零依赖的结构化数据序列化与反序列化能力。原理上基于纯 C++ 实现，不依赖外部运行时，但实际使用中极易因动态库（.so）与静态库（.a）混用、ABI 版本错配、头文件路径不一致等问题导致编译失败、链接错误或运行时崩溃。技术价值体现在构建可控性——通过源码编译可统一 ABI、同时产出动静态库、精准控制安装路径，显著提升 CI/CD、Docker 容器化及嵌入式部署的稳定性。典型应用场景包括 Linux/macOS/W
2026-11-07 15:54:20
38
原创 pdd参数验证与回环测试：从Start-Process报错到防御性编程实践
参数验证是防御性编程的第一道闸门，用于确保函数、脚本或接口的输入合法完整。其核心原理是分层校验：存在性、类型格式与业务语义，逐层过滤非法输入。回环测试则通过模拟完整数据流转路径，比对入口与出口的参数快照，暴露传递过程中的空值、类型漂移与编码问题。在自动化脚本、后端接口开发及CI流水线中，这套方法能有效拦截空参数、类型错误等常见故障，避免线上事故。本文围绕pdd参数验证与回环测试，从设计思路到实操细节，系统讲解如何将‘想当然’变为‘验证过’。
2026-11-07 15:33:35
54
原创 CMake3.10.0 win64绿色包配置、PATH与生成器避坑
CMake 是跨平台构建系统生成器，核心原理是通过 CMakeLists.txt 生成对应生成器的构建文件，并依赖 PATH、编译器、生成器与缓存保持一致。固定 CMake3.10.0 win64 这类绿色工具链版本，能降低旧工程、离线环境和 CI 构建机上的版本漂移风险，让配置、编译、安装与测试链路可复现。实际应用中，PATH 顺序决定命令命中版本，生成器决定单配置或多配置参数，CMakeCache 记录旧生成器与编译器信息，变更后不清缓存容易冲突；find_package、CMAKE_PREFIX_PA
2026-11-07 15:18:26
205
原创 BrowserSkill：让AI Agent通过CLI命令操控浏览器
浏览器自动化是AI Agent与真实世界交互的关键能力。传统工具如Playwright需要编写脚本和调试选择器，而BrowserSkill将浏览器操作封装为CLI命令，让Agent通过自然语言描述直接点击、输入、截图和提取内容。其原理基于accessibility tree和元素文本匹配，实现决策与页面实现解耦，大幅降低维护成本。这种原子化命令接口天然适合被AI Agent调用，可应用于自动抓取文章、表单填写、登录态保持等场景。本文深入拆解BrowserSkill的设计思路、核心命令与实操流程，帮助开发者快
2026-11-07 15:16:46
107
原创 BrowserSkill：让AI Agent通过CLI直接操控浏览器
浏览器自动化通常依赖Playwright、Puppeteer等SDK编写脚本，而AI Agent更擅长执行命令行指令。BrowserSkill将浏览器操作封装为CLI命令，使Agent无需编写代码即可完成页面导航、元素点击、截图等操作。其核心原理是通过CDP协议连接Chrome，以文本命令驱动浏览器行为。这种轻量级方案降低了Agent集成浏览器能力的门槛，适用于前端调试、表单填写、数据抓取等场景。对于使用Codex CLI、Claude CLI等工具的开发者，BrowserSkill提供了一种更自然的Age
2026-11-07 14:11:25
44
原创 BrowserSkill 深度解析：为 AI Agent 打造可调试的浏览器自动化 CLI 技能层
浏览器自动化是 AI Agent 落地的重要能力，但直接暴露底层 API 往往导致模型调用不稳定、调试困难。BrowserSkill 通过 CLI 与 Skill 抽象层，将高频网页操作封装为可复现、可断言的技能单元，内置等待、重试与超时机制，让 Agent 无需关心底层驱动即可稳定完成表单填写、数据抓取等任务。相比 Playwright MCP 的细粒度控制，这种技能化封装更贴近任务级编排，适用于自动化测试、Agent 工作流开发及重复网页操作场景。本文围绕 bsk 命令行工具，拆解其设计思路、实操要点与
2026-11-07 12:40:34
44
原创 JSON对比工具：deepdiff、jsonpatch与json_tools选型
JSON对比是接口回归、配置校验和数据同步校验中的基础能力，核心在于把两份结构化数据映射为可定位、可解释的差异。常见实现分两类：一类通过递归遍历与路径索引生成分类差异报告，另一类把变更表达为RFC 6902标准的JSON Patch补丁，便于序列化传输与回放。围绕列表顺序、数值容差、字段排除、类型严格性和大对象性能等工程问题，差异引擎需要提供ignore_order、exclude_paths、significant_digits等控制参数，并区分“给人看”的报告与“给程序用”的补丁。落地到接口自动化、配置
2026-11-07 11:46:56
136
原创 BrowserSkill实战：从Playwright到MCP的浏览器自动化技能包全解析
AI Agent的智能决策能力日益强大，但要真正落地到网页操作，离不开稳定可靠的浏览器自动化底座。其核心价值在于将导航、查找、交互、提取等原子操作封装为可复用技能，让模型通过MCP协议实时感知页面状态并动态决策，替代脆弱的硬编码脚本。面对动态加载、元素定位失败、异步渲染等工程挑战，基于Playwright的BrowserSkill结合可访问性快照与截图反馈机制，显著提升了任务的泛化能力与鲁棒性。从自动登录、数据采集到多步骤调研，这项技术正重塑RPA、自动化测试与数据采集的实践范式。本文深入拆解Browser
2026-11-07 11:06:02
40
原创 VC++静态控件滚动字幕：CStatic子类化与双缓冲实现
在 Windows 桌面开发中，静态控件通常只承担静止文本显示；要让公告、告警等信息在不额外占用界面空间的情况下持续滚动，核心在于控件子类化与定时刷新。通过子类化 CStatic，接入 WM_TIMER 更新文本偏移，并在 WM_PAINT 中使用内存 DC 双缓冲绘制，可避免闪烁；结合 GetTextExtent 测量文本宽度、管理定时器启停生命周期，能保证滚动顺滑与资源可控。这类方案适合 MFC 对话框、老系统维护和自绘控件场景。围绕 VC++ 静态控件滚动字幕，可从接口设计、文本测量、双缓冲绘制和定时
2026-11-07 11:04:03
77
原创 node-gyp 报错找不到 Python？从原理到分平台修复的完整指南
在 Node.js 生态中，原生模块的编译依赖 node-gyp 构建工具，而 node-gyp 又依赖 Python 来生成构建配置。当系统 PATH 环境变量中找不到名为 python 的可执行文件时，就会触发“Can't find Python executable”报错。理解 PATH 搜索机制与进程环境隔离原理，是定位此类问题的关键。正确配置 Python 路径不仅能解决安装失败，还能提升团队协作与 CI 构建的稳定性。该问题常见于 Windows 应用执行别名干扰、macOS 系统 Python
2026-11-07 10:45:19
60
原创 源码驱动与怀疑驱动：如何终结线上事故中的文档漂移与想当然
在软件开发中，接口文档与代码不一致是导致线上事故的高频诱因。其本质并非个人疏忽，而是“真相”载体过多引发的文档漂移。单一事实来源（SSOT）原则强调以代码仓库为唯一权威，通过OpenAPI契约、数据库迁移文件、基础设施即代码及测试代码，将文档变为代码的派生产物，从根源消除信息分叉。而怀疑驱动开发则主张对每一处“应该没问题”的假设进行显式验证，借助失败测试、疑问登记与回归固化，将模糊直觉转化为可执行的证据链。两者结合，既保证工程事实有据可查，又确保人的疑问有疑必查，显著缩短线上问题排查路径，尤其适用于接口多变
2026-11-07 10:34:12
34
原创 Chrome绿色免安装版72.0.3590.0部署避坑与启动参数验证
绿色免安装软件的核心不是“解压即用”，而是把安装程序原本负责的运行库、数据目录、缓存与启动参数显式交还给使用者。其原理在于浏览器按命令行参数和固定路径初始化 profile；若未指定 --user-data-dir，书签、登录态与缓存可能落到临时目录或相对目录，重启即丢。通过 chrome://version 核对 Profile Path 与 Command Line，可把路径、参数和渲染链路变成可验证的工程基线。这套方法适合隔离机器批量部署、老版本前端回归、多实例兼容对比与内网离线环境。以 Chrome
2026-11-07 10:14:46
77
原创 因果图测试法：从需求逻辑到高覆盖用例的工程化实践
因果图测试是一种基于布尔逻辑建模的黑盒测试设计技术，其核心原理是将自然语言需求转化为输入条件与输出动作之间的因果关系及约束（如互斥E、包含I、依赖R等），从而系统性识别边界组合与隐含漏洞。相比等价类和边界值，它在多条件交互、状态累积、约束复杂等场景中具备不可替代的技术价值，尤其适用于登录鉴权、支付风控、门禁控制等关键业务模块。本文结合防作弊系统、智能门禁等真实项目，详解如何通过符号化、约束识别、判定表剪枝与上下文注释，实现从模糊需求到可执行、可验证、可协作的高质量测试用例落地。
2026-11-07 09:30:32
238
原创 BrowserSkill 深度解析：面向 AI agents 的浏览器操作技能层与 CLI 实践
浏览器自动化长期面临脚本脆弱、维护成本高的问题，其根源在于将“做什么”与“怎么做”耦合。BrowserSkill 通过 CLI 将高频浏览器交互抽象为可复用的技能单元，由 AI agent 负责决策、技能层负责稳定执行，从而提升自动化流程的鲁棒性与可观测性。这种技能化思路与 Playwright MCP、agent browser 等方案形成互补，适用于网页信息采集、自动化流水线嵌入及 AI agent 行为调试等场景。理解其技能粒度设计、元素定位兜底与等待重试策略，有助于在工程实践中构建可维护的浏览器自动
2026-11-07 09:17:24
49
原创 OpenSpec规格驱动开发实战：从接口契约到自动化协作
在前后端与移动端协作中，接口契约的精确性直接影响开发效率。规格驱动开发通过将接口定义转化为可校验、可消费的约束，实现代码、测试与文档的自动同步。其核心原理在于以唯一事实来源驱动类型生成、mock数据与一致性检查，从而减少沟通成本、提升变更可追溯性。该模式尤其适用于多端协作频繁、接口变更快的场景，能有效解决文档滞后与理解不一致问题。OpenSpec作为规格驱动工具链，将契约融入CI流程，让对齐从人工转向自动化。
2026-11-06 16:48:42
309
原创 BrowserSkill：为AI Agent封装浏览器操作技能，实现自动化新范式
浏览器自动化正从脚本编写演进为AI技能调用。BrowserSkill通过CLI将网页操作封装为语义化技能，让AI Agent无需编写Playwright代码即可直接操作浏览器。其核心原理是技能抽象层，将登录、搜索等操作预定义为可调用单元，降低AI编排负担，提升执行稳定性。技术价值在于配置化替代编程，试错成本低，且CLI接口天然适配AI的文本交互。应用场景包括AI Agent产品开发、自动化测试与爬虫。与Playwright MCP相比，BrowserSkill更易用，适合高频结构化操作，长尾场景可结合使用。
2026-11-06 16:20:01
303
原创 开放式 Code Review 实践：从流程设计到自动化落地
代码审查（Code Review）是软件开发中保障代码质量与团队协作的关键实践，但许多团队常常陷入评审流于形式、合并靠运气的困境。其背后的核心问题在于流程不透明、规则模糊，以及人机职责不清。开放式代码审查（open-code-review）通过将评审行为公共化、流程自动化，把静态检查、CI流水线、机器人提醒与人工深度评审有机结合，让质量保障不再依赖个人经验。它适用于希望沉淀团队规范、提升新人上手效率的研发组织。通过明确的评审清单、角色权限和度量指标，团队可以建立可追溯、可优化的反馈闭环。本文从设计思路出发，
2026-11-06 16:07:23
250
原创 OpenSpec实战指南：规格即代码的落地方法与避坑经验
在软件开发中，接口定义、数据结构与行为约定往往散落在不同工具和人员之间，导致协作效率低下。规格即代码（Spec as Code）通过结构化格式将规格信息与代码同源管理，实现版本控制、自动化校验和契约测试，从而消除文档与实现的不一致。这一理念适用于中小团队协作、独立开发及外部对接等场景，能显著降低沟通成本。OpenSpec 正是这一思想的实践框架，强调规格先行、变更可追溯和人机双读，帮助团队建立活的规格体系。
2026-11-06 15:59:22
314
原创 OpenSpec 规格驱动开发实战：从散落文档到可校验的工程化方案
在软件工程中，API 文档与代码实现不一致是常见痛点，规格驱动开发通过结构化声明和自动化校验解决这一问题。OpenSpec 将规格作为可寻址、可版本化的工程资产，利用校验器比对实现与规格，确保一致性。其技术价值在于提升可追溯性、减少回归风险，适用于后端接口管理、微服务协作等场景。通过变更集和分层引用，团队能高效评审和影响分析，让规格成为开发助手。
2026-11-06 15:55:30
221
原创 BrowserSkill浏览器技能层实战：从零搭建与选型对比
浏览器自动化正从“让模型自由操作”走向“技能化封装”的新阶段。所谓技能化，就是将高频网页操作如登录、填表、点击等沉淀为可复用、可校验的技能层，使AI Agent只需选择技能与传参，无需消耗大量token解析DOM。BrowserSkill正是这一思路的工程实践，它与Agent Browser、Playwright MCP等方案形成互补：Agent Browser擅长探索型任务，Playwright MCP提供细粒度工具，而BrowserSkill将稳定流程固化，显著降低调用成本与故障半径。本文结合真实项目，
2026-11-06 15:42:10
273
原创 OpenSpec规格驱动开发实战：从契约定义到CI自动化
在微服务与多团队协作场景下，接口契约不一致常导致联调效率低下。规格驱动开发通过机器可读的规格文件作为单一事实来源，自动派生代码、Mock与测试，从源头消除歧义。OpenSpec作为该理念的工程化工具，支持契约测试与CI集成，适用于接口频繁变更、协作方众多的中大型项目。
2026-11-06 15:21:41
286
原创 打造高效 Code Review 流程：从风险评审到自动化落地
代码评审（Code Review）是软件研发流程中保障代码质量的关键工程实践，其核心价值并不在于机械地搜寻错误，而在于对每一次改动进行系统性风险评估。从正确性、可维护性、安全合规、性能开销到架构一致性，评审视角的转变能让反馈更具建设性。在工程落地中，通过控制单次评审规模、制定提交自检清单、明确“主副评审人”责任，可以有效规避形式化评审。同时，借助静态检查、单元测试门禁、机器人自动分配等自动化手段，大量标准化审查可被提前消化，使人类评审者专注业务上下文和深层技术判断。这种分层协作的评审模式，已广泛应用于从开源
2026-11-06 15:19:29
237
原创 Android LLM自动化测试平台：三层解耦与意图驱动录制
Android UI自动化测试长期面临坐标失效、控件不可靠、回放不一致等核心难题。其本质是将操作建模为像素级事件，而非语义化意图。基于AccessibilityService与ContentProvider构建结构化状态快照，实现毫秒级UI状态采集与可验证节点定位，是支撑LLM稳定决策的前提；通过Control/State/Action三层解耦架构，分离设备控制、状态感知与动作执行，使LLM专注高阶策略调度而非底层操作。该方案显著提升真机测试鲁棒性与跨版本兼容性，适用于金融、电商等强回归需求场景，尤其契合A
2026-11-06 15:13:50
318
原创 代码审查工程化：用规则引擎与自动化流水线构建高效审查机制
代码审查（Code Review）是保障软件质量与团队协作的关键环节，但很多团队在实践中常陷入“走过场”或依赖个人经验的困境。通过将审查流程抽象为可配置的规则引擎，结合变更风险等级评定、审查人智能推荐与自动化机器检查，可以把原本主观的评审行为转化为透明、可度量、可持续改进的工程机制。在GitLab、GitHub等主流平台基础上，利用Webhook、CI/CD门禁和状态跟踪，能够实现从提交、分配到合并的完整闭环。该方案特别适合20人左右的中等规模团队，有效缩短审查等待时间，提升高风险变更的管控力度，同时让规则
2026-11-06 15:00:18
228
原创 VC++6.0 MFC入门：消息映射、GDI绘图与结构选型避坑
Windows桌面开发的核心概念之一是消息驱动：窗口过程接收消息队列分派的消息，MFC再用消息映射宏把系统消息查表路由到成员函数。GDI设备环境提供设备无关绘图能力，CPen、CBrush等GDI对象必须遵循创建、选入、恢复、销毁的顺序，否则重绘易花屏或断言。理解这些原理的技术价值在于提升VC++6.0老工程维护、界面调试与打印输出能力，典型场景包括MFC入门、桌面交互程序、报表绘制和单文档/对话框结构选型。围绕MFC消息机制、消息映射、GDI绘图、CRect/CString常用类以及TRACE/ASSER
2026-11-06 14:48:24
194
原创 Hugo + GitHub Pages 静态博客搭建实战：从零到自动化部署
静态网站生成器（SSG）将 Markdown 等源文件预编译为纯静态 HTML，无需数据库与后端运行时，天然具备加载快、运维成本低的优势。其核心原理是本地构建与托管分离，通过 Git 触发自动化流水线完成发布。这种模式特别适合个人博客、文档站点等以内容为核心的场景。Hugo 作为 Go 语言编写的 SSG，编译速度可达毫秒级，配合 GitHub Pages 免费托管，能实现从写作到上线的极简链路。本文围绕 Hugo 与 GitHub Pages 的组合，详解环境准备、站点配置、写作流程及自动化部署中的常见问
2026-11-06 14:32:41
226
原创 BrowserSkill：Chromium中被误读的浏览器行为契约抽象
BrowserSkill并非可安装的CLI工具或浏览器插件，而是Chromium DevTools Protocol（CDP）中对浏览器能力进行语义建模的行为契约体系。其核心原理是将零散的protocol调用（如Page.navigate、DOM.querySelector）升维为具备业务含义的可组合技能单元，如NavigationSkill、AuthenticationSkill等，强调强契约、弱实现的设计哲学。这一抽象显著提升了自动化工具（Playwright、Codex CLI等）的稳定性与语义表达力
2026-11-06 14:23:42
192
原创 BrowserSkill 深度解析：面向 AI Agent 的浏览器自动化技能层设计与实践
浏览器自动化是 AI Agent 落地的重要能力，但传统方案如 Playwright、Puppeteer 更偏向人工编写脚本，难以满足 Agent 对稳定、可控、可复用操作的需求。BrowserSkill 通过 CLI 将浏览器操作抽象为语义清晰的技能，内置多策略选择器与结构化输出，显著降低 Agent 调用复杂度与维护成本。在自动登录、数据抓取、批量任务等场景中，这种技能层设计能有效提升工作流稳定性与执行效率，为 Agent 浏览器自动化提供新的工程实践路径。
2026-11-06 14:04:41
288
原创 BrowserSkill与Agent Browser、Playwright MCP对比及实操指南
浏览器自动化是AI Agent从“会问”走向“会做”的关键能力，但网页的复杂结构、异步渲染和动态元素常常让大模型手足无措。BrowserSkill作为一套可复用的浏览器操作技能库，将点击、输入、提取等高频率动作封装为标准化原语，为模型提供稳定的“肌肉记忆”。它与Agent Browser（完整智能体框架）和Playwright MCP（协议层服务）定位互补，分别对应技能层、任务层和通道层。本文从浏览器自动化痛点切入，系统讲解BrowserSkill的核心机制、环境配置、与主流Agent框架的集成方式，并给出
2026-11-06 13:58:32
291
原创 BrowserSkill 实战：面向 AI Agent 的浏览器自动化 CLI 工具
浏览器自动化是通过程序控制浏览器完成页面交互的技术，其原理基于浏览器内核的远程调试协议，实现元素定位、表单填写、数据提取等操作。在 AI Agent 场景中，浏览器自动化让智能体具备操作网页的能力，可应用于信息采集、自动化测试、流程自动化等场景。BrowserSkill 是一套面向 AI Agent 的浏览器操作能力封装，通过 CLI 方式调用，提供导航、感知、交互、等待、数据提取等标准化命令，相比 Playwright MCP 更贴近自然语言操作原语，降低了 AI 使用门槛，适合需要动态决策的 Agent
2026-11-06 13:56:33
191
原创 OpenSpec实践：用规范驱动开发，让接口契约不再靠猜
在前后端协作中，接口约定不清常导致联调返工。规范驱动开发通过机器可读的契约文件来定义接口数据结构，打破口头沟通的局限。OpenAPI 与 JSON Schema 作为基础技术，能够将规范转化为 Mock 服务、自动生成文档和契约测试，从而让并行开发不再互相阻塞。无论是微服务团队还是对外提供 API 的平台，这种以规格为先的工作流都能显著降低沟通成本和线上事故。OpenSpec 正是这一理念的落地实践，它把规格文件作为一等公民管理，使接口变更可评审、可追踪，实现“先定契约、后写代码”的工程协作方式。
2026-11-06 13:41:49
314
原创 OpenSpec：契约驱动开发的协议层重构
契约驱动开发（Contract-Driven Development）是一种以接口契约为核心、贯穿设计、编码、测试与部署的工程范式。其原理在于将API契约从文档或类型定义升维为可执行、可验证、可版本化的运行时对象，通过声明式YAML规范统一约束接口行为、枚举严格性、Mock策略与CI拦截规则。技术价值体现在消除前后端契约漂移、提升AI编码助手（如Copilot）上下文准确性、降低集成故障率。典型应用场景包括GitLab CI门禁校验、Docker容器内契约一致性验证、Service Mesh流量染色等。Op
2026-11-06 12:15:32
248
原创 Muse：FB Marketplace二手淘货的结构化规则引擎
FB Marketplace作为全球最大的本地化二手交易平台，信息过载与匹配低效长期困扰高频买家。其原生搜索依赖字面关键词匹配，缺乏语义理解与字段级过滤能力，导致‘相关≠可用’。Muse并非通用AI推荐工具，而是一个轻量级、本地运行的结构化意图捕获系统，通过将用户模糊需求（如‘靠谱二手Kindle Paperwhite’）转化为可验证的多维规则链——涵盖标题精准识别、黑词排除、价格语义解析、地理步行圈计算及图片OCR校验——实现从‘大海捞针’到‘靶向命中’的范式升级。它特别适用于电子设备、摄影器材等参数敏感
2026-11-06 12:13:20
274
原创 BrowserSkill：让AI像人一样操作浏览器的技能化方案解析
浏览器自动化正在从“写死脚本”走向“AI自主操作”。早期依赖Playwright、Selenium等工具，开发者需要精确控制每一个选择器与等待时机，而大模型直接生成代码往往难以稳定落地。行业逐渐形成一种新思路：将浏览器操作封装为高内聚、可复用的“技能单元”，让AI通过组合技能完成任务，而不是逐行理解DOM。BrowserSkill正是这一思路的典型代表，它与Playwright MCP、Agent Browser常被并列讨论，但三者分别处于技能层、协议适配层和终端应用层。BrowserSkill专注于构建面
2026-11-06 12:09:19
256
原创 BrowserSkill深度拆解：视觉驱动浏览器智能体的技术路线与实战踩坑
浏览器自动化正从传统DOM解析走向多模态视觉理解的新阶段。AI Agent要像人类一样操作网页，核心在于让模型直接“看屏幕”并输出坐标动作，而非依赖脆弱的CSS选择器或XPath。这一技术原理背后，是多模态大模型视觉定位与动作生成的协同，让跨站点泛化成为可能。从信息收集到端到端测试，视觉驱动的浏览器智能体在复杂动态页面中展现出独特价值。本文以腾讯开源的BrowserSkill为切入点，横向对比Agent Browser、Playwright MCP等主流方案，解析纯视觉路线的架构设计、部署方法与落地踩坑经验
2026-11-06 12:05:46
243
原创 BrowserSkill 浏览器自动化实战：AI agents 如何通过 CLI 操作网页
浏览器自动化是指通过程序模拟用户在浏览器中的点击、输入、导航等操作，其核心原理是借助协议驱动浏览器内核执行指令。在 AI agents 场景下，传统 Playwright 脚本因依赖精确选择器而难以适应动态页面，BrowserSkill 这类 CLI 工具将浏览器操作封装为语义化技能接口，让 AI 根据自然语言意图自主完成多步骤网页任务。这种方案显著降低了自动化门槛，适用于数据抓取、表单填写、批量运营等场景。本文围绕 BrowserSkill 的 CLI 安装、核心技能拆解、任务编排与稳定性优化展开，结合
2026-11-06 11:55:53
269
原创 用Obsidian+AI构建深度阅读工作流，把“读过”变成“读过且能用”
在信息爆炸的时代，如何将书本知识真正内化为个人能力，是许多学习者和职场人面临的共同困境。传统的线性阅读往往止步于“读过”，知识难以沉淀与复用。以Obsidian为代表的本地化笔记工具，凭借纯文本存储、双向链接与丰富的插件生态，为构建个人知识库提供了坚实基础。而AI技术的引入，则从概念解释、提问引导、语义关联等维度，大幅降低了知识内化的门槛。通过一套融合卡片笔记法、MOC内容地图与AI提示词模板的完整工作流，读者可以在阅读前生成书本地图，阅读中记录原子化思考，阅读后聚合知识网络并生成行动清单。这套方法不仅提升
2026-11-06 11:37:28
272
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人