让 WorkBuddy 操控浏览器，干活有点猛啊

这是苍何的第 616 篇原创！ 大家好，我是苍何。 兄弟们，最近 WorkBuddy 的更新太频繁了，新功能嘎嘎猛推。 我们的《WorkBuddy 实战蓝皮书》有很多朋友在催更了，我们也希望把自己一些 WorkBuddy 的实战玩法带给大家。 WorkBuddy 最近上新了浏览器操控功能 ，可以直接在我已经登录的浏览器里打开网页、点击、翻看内容。 配合手机端，还能 随时给电脑派活 ，不用一直守在屏幕前。 更爽的是，它会在独立的「WorkBuddy 标签页组」里做事，有自己的鼠标光标， 不抢我的鼠标，也不占着我当前的窗口 。 我可以切去回消息、看别的网页，不用一直等着它。 它干它的，我干我的。 独立标签页组 + 独立光标，意味着WorkBuddy干活的时候，你完全可以去干别的事，互不打扰。 其实这个功能我期待了很久，Codex 的亮点之一就是 browser use 能力，现在 WorkBuddy 加上这个能力后，干活更猛了。 下面给大家一些我的实践分享，也会同步在《WorkBuddy 实战蓝皮书》上，欢迎大家 star。 https://github.com/AlephAITech/WorkBuddyGuide读文档，整理玩法 刚好 WorkBuddy 官方最近发了好多有意思的案例，于是我把官方文档发给WorkBuddy，让它帮我读一遍，整理一些有意思的玩法。 接到任务后，WorkBuddy把活拆成了四步⬇️ 打开官方文档站点，把目录结构捋一遍，看看一共有多少篇文档、都讲了啥 按主题给案例分类，比如浏览器自动化、办公提效、数据整理，归到不同的篮子里 逐篇精读，把每个案例的玩法、前置条件、能解决什么问题提炼出来 最后汇总成一份学习地图，告诉我新手该从哪个案例入手，按什么顺序学 整个过程中，它会一边翻页面一边在对话里同步进度，翻到哪篇、读到了什么，都跟我汇报，不会闷头干完才给结果。 不到十分钟，它就整理好了。 不同类别的案例、分别能做什么，都列得挺清楚，连 怎么学、从哪里开始的学习地图 也一起做好了。 填报销，解放双手 读文档、整理资料挺 Nice。 但浏览器里的活，可不只有看，还有不少需要动手填写的。 比如报销，每次都要把相关信息填进企业 OA 系统，重复操作好麻烦啊。 这次我先在浏览器里登录企业 OA 系统，再把报销信息和要求发给 WorkBuddy，让它帮我填写报销表单、提交申请。 WorkBuddy 读取了我发给它的报销信息，打开 OA 系统找到报销申请，再核对字段，把发票金额、报销事由、日期这些信息和我发给它的要求对一遍，确认该填哪个框。 最让我安心的是提交那一步，WorkBuddy 会先把填好的信息列给我看，和我确认没问题了才提交。 有一说一，涉及提交这种操作，确实会担心 AI 乱来，它这个设计就挺贴心的。 有了 WorkBuddy 后，可比我自己手动填写快多了，爽歪歪。 当小白，体验网站 我还想看看，它能不能帮我体验一个网站，挑出实际使用中的问题。 正好，前段时间我把 CodexGuide 网站从头到尾升级了一遍 说实话，改完自己逛了一圈，还挺满意的，哈哈哈 U•ェ•U 但转念一想，如果一个零基础的小白，第一次打开这个网站，能不能找到自己想学的内容？找到之后，又能不能跟着学下去？ 这个我还真拿不准，于是我让 WorkBuddy 扮演一个小白，把网站完整体验一遍 。 需求发给 WorkBuddy，它打开网站，开始认真体验了，说实话，WorkBuddy 这个操作光标还挺可爱的。 我打开浏览器围观了一下，好家伙，WorkBuddy 像个好奇宝宝，把自己当成第一次来的小白，一顿滑动、切换，看得津津有味。 它先逛首页，看能不能一眼看懂这网站是干嘛的，再顺着导航找教程，跟着走一遍，看步骤能不能照着做下来。 每走完一条路径就记一条问题，最后按严重程度排好序。 中间它还会返回首页换条路再走一遍，验证问题是不是普遍存在，这种较真劲有点像测试同学了。 没过多久，它就给了我这样一份报告。 哪些地方容易看懂、对入门有帮助，哪些地方可能让新手犯迷糊，都写了出来。 看到有问题的地方，它还会接着给建议，告诉我可以怎么改， 连页面的设计方案都帮我做了一份 。 手机派活，复盘 B 站评论 前面这些活，都是让 WorkBuddy 在电脑上操作浏览器。 但给它派活，手机上也可以，打开手机小程序或者 App，就能接着发任务、看结果，之前的对话和文件也都能同步看到，不用再传来传去。 像我有几台设备都登录了 WorkBuddy，在手机上选好要用的那台，就能让它去干活，也可以 同时给不同设备分别派活 。 比如最近我在尝试做 B 站视频，每次发完，都想看看大家的反馈，下次能怎么改。 播放量、互动这些数据，打开后台就能看到。 但大家到底对哪部分感兴趣，哪里没听明白，