
腾讯 WorkBuddy 已在客户端内置浏览器操控,装好扩展后,它就能在已登录的浏览器里搜索、翻页、点击、填表、下载,并整理成 Excel 或报告;跑腿归它,付款、提交这类决策仍由你把关。
浏览器操控稳不稳,取决于指令里还剩多少要模型自己猜。腾讯 WorkBuddy 靠自然语言理解触发,把查什么、怎么查、交什么说清,它就不必猜。而它接手任务后怎么分工,决定了指令该写到什么程度。
跑腿归 AI、决策归人,是这项能力的设计原则。 WorkBuddy 接到浏览器任务后,会先拆解执行计划,再在独立的「WorkBuddy 标签页组」里依次执行——写入关键词并搜索、点击排序、模拟鼠标翻页、依次进入详情页翻阅。这些机械动作由它全程跑完,你不用盯着。
但遇到滑块验证、支付、提交确认这类需要拿主意的环节,它会主动停下,列出「我能做的 / 需要你做的」清单,等你确认后才继续。也就是说,翻页、抄录、整理这些活儿它包了,付不付款、提不提交这类决定始终在你手里。
配置入口在客户端设置里,路径是「设置→智能体→浏览器操控」。 全程不用写代码,按以下步骤走一遍即可;具体菜单位置以客户端实际显示为准,不同版本可能略有差异。
装完扩展,回到对话框就能用了。QQ 浏览器可以直接安装,Chrome 和 Edge 通过各自的扩展商店安装;扩展商店打不开时,可改用手动安装。
无法访问扩展商店时的手动安装:客户端内会给出分步指引,按提示操作:
browser-extension 的文件夹拖入扩展页面怎么确认是否装好了:浏览器右上角出现扩展图标,说明扩展已加载;客户端这一页也会显示每个浏览器的安装状态。如果状态显示「无法确认安装状态」,只要浏览器里能正常用就不必重复安装,点旁边的「重试」可以刷新状态。
触发依赖模型对自然语言指令的意图识别,指令写法直接影响触发稳定性。 同一个任务,写法不同,触发成功率和执行质量差别很大。三条写法经实际任务反复验证有效:
三条里最容易被省掉的是交付格式:只写“整理一下”,拿到的往往是几段文字,还得再改一轮;写明字段名和文件类型,拿到的就是能直接用的表格。
三条的共同逻辑是:把模型需要猜的部分降到最低。它不用猜用哪个浏览器、去哪个网址、提取什么、交付成什么格式,执行自然就稳。
一条稳定的指令通常包含四个要素:用哪个浏览器、打开哪个网址、做什么动作、交付什么格式。写法可以变,这四个位置不能空。
以一个资料搜集任务为例,可以这样写:
用我电脑里的 QQ 浏览器打开 XX 网址,搜索“关键词”,翻前 5 页,把每条结果的标题、链接、发布时间整理成表格,交付给我 Excel 文件。
拆开看,这句话覆盖了全部要素:
写清这四点,WorkBuddy 就能在标签页组里按计划依次执行,跑完把整理好的表格交给你。字段和页数都可以按需调整,越贴合你的实际需求,结果越能直接用。
WorkBuddy 停下来时会给出「需要你做的」清单,先分清是哪一类动作,处理方式不一样。 清单会把待办事项单列出来,照做完再让它继续。
登录态是这套流程能跑通的前提。它在你已登录的浏览器里工作,会员价、个性化推荐这类登录后才出现的信息它看得到;账号始终在你手上,涉及账号安全的动作也必须由你完成。
想确认 WorkBuddy 在你电脑上稳不稳,挑一件今天就要做的重复操作试一次:客户端更新到最新版、装好扩展,按四要素写一条指令,看它能不能跑完、并在需要你拍板的地方停下来。要把这项能力铺进团队,从一两个高频任务试起即可;企业采购可了解腾讯云 WorkBuddy 企业双倍 Credits 活动,新购、续费或扩容企业套餐每账号每月可获额外 Credits 加赠。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。