你讓 AI Agent 幫你訂機(jī)票。它說(shuō):"好的,請(qǐng)先登錄航空公司官網(wǎng)。"
你讓 AI Agent 幫你發(fā)公眾號(hào)。它說(shuō):"好的,請(qǐng)?zhí)峁┵~號(hào)密碼,我?guī)湍阌?Playwright 登錄。"
你讓 AI Agent 幫你查銀行流水。它說(shuō):"抱歉,我無(wú)法訪問(wèn)需要登錄的頁(yè)面。"
AI 已經(jīng)很聰明了,但它像個(gè)沒(méi)帶身份證的游客——每個(gè)需要身份驗(yàn)證的門口,它都被攔下來(lái)。
這就是今天所有 AI Agent 的死穴:沒(méi)有登錄態(tài)。
上周我在研究 Kimi 的新產(chǎn)品 WebBridge,一個(gè)讓 AI Agent 直接控制你瀏覽器、帶上真實(shí)登錄態(tài)的工具。
我花了半天時(shí)間讀完整套文檔,越讀越興奮——這不就是我一直想做的事嗎?
簡(jiǎn)單說(shuō) WebBridge 是什么:
我立馬想:這個(gè)功能,WorkBuddy 能不能做?
為什么說(shuō)登錄態(tài)是圣杯?因?yàn)椋?/p>
訂機(jī)票、發(fā)文章、查數(shù)據(jù)、審批流程... 所有真正有用的場(chǎng)景,都在登錄墻后面。
沒(méi)有登錄態(tài)的 AI Agent,就像給了你一輛法拉利,但不讓你上高速公路。
你可以說(shuō):"那讓 AI 用 Playwright 模擬登錄不就行了?"
不行,原因有三個(gè):
唯一可靠的方案:用用戶已經(jīng)登錄的瀏覽器。
登錄態(tài)背后是信任。你登錄了某個(gè)網(wǎng)站,意味著你授權(quán)它代表你操作。
AI Agent 要獲得這種授權(quán),最自然的方式就是:用它,而不是代替它。
讀完 WebBridge 文檔,我決定自己實(shí)現(xiàn)一個(gè)類似的能力。
核心思路很簡(jiǎn)單:
--remote-debugging-port=9222chromium.connectOverCDP('http://localhost:9222') 連接我花了一下午時(shí)間驗(yàn)證這個(gè)方案,結(jié)論是:完全可行。
| 測(cè)試項(xiàng) | 結(jié)果 |
|---|---|
| Chrome 啟動(dòng) + debug port | ? |
| Playwright connectOverCDP 連接 | ? |
| 頁(yè)面導(dǎo)航 | ? |
| DOM 內(nèi)容提取 | ? |
| 截圖 | ? |
| 元素操作 | ? |
最關(guān)鍵的是:用真實(shí) Chrome profile 啟動(dòng),所有登錄態(tài)完整保留。
做完這個(gè)技術(shù)驗(yàn)證,我意識(shí)到一件事:
AI Agent + 登錄態(tài),不只是技術(shù)問(wèn)題,這是對(duì)"AI 真正融入工作流"的重新思考。
今天的 AI 工具(ChatGPT、Claude、Kimi)都是"外部顧問(wèn)"模式:你去問(wèn)它,它告訴你答案,然后你自己去執(zhí)行。
明天的 AI 工具應(yīng)該是"數(shù)字同事"模式:你告訴它目標(biāo),它直接幫你完成,包括所有需要登錄的操作。
從這個(gè)角度看,登錄態(tài)是 AI 從"顧問(wèn)"升級(jí)為"同事"的必經(jīng)之路。
WebBridge 走出了第一步。我們也要跟上。
本文是阿優(yōu)科技團(tuán)隊(duì)在研發(fā) WorkBuddy(AI 工作助手)過(guò)程中的技術(shù)思考。歡迎交流。