找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

5084

积分

0

好友

658

主题
发表于 3 小时前 | 查看: 6| 回复: 0

大家好,我是熊叔,今天继续逛 GitHub。

9 月 29 日,OpenAI 开了一场开发者大会。会上,一个叫 Dots 的常驻 AI 智能体吸引了不少人的注意。

Alfred 桌面助手与 Blossom Music 音乐播放器界面叠加截图

它最大的特点,是给 AI 配了一台长期在线的云端电脑,还有一个自己的浏览器。AI 不只可以聊天,还能自己打开网页、查看信息、执行任务。

OpenAI 开发者大会现场讲解 Dots 的演讲画面

OpenAI 的 CEO Sam Altman 也说,这种长时间运行的 AI 助手,是他期待已久的。结果当天晚上,GitHub 上就出现了一个开源平替,已经拿到 2000 多个 Star。

GitHub 开源项目 dots 仓库页面截图与项目简介

它叫 dots,一个给 AI 配隐形浏览器的开源工具。不用 200 美元一个月的费用,模型也可以自己选。有人把它比作给 AI 戴上的隐形眼镜:浏览网页时不需要露脸。

先看看效果

给 dots 下达了一个任务:查询下个月从柏林到巴黎的机票,看看哪一天最便宜。

Google Flights 航班搜索页面与 Autonomous Agent 007 操作日志

打开浏览器,输入网址,等待网页加载完成。点击日历,一页页翻看日期,并比较每天的价格。

Google Flights 航班搜索与自动化测试控制界面

机票价格一出来,它就会顺手算出哪几天最便宜。它会等页面全部加载完毕之后,再进行下一步操作。

Google 航班搜索结果与 Autopilot Agent Beta 对话窗口

遇到需要登录的站点,账号状态早就存在本地了,直接进去。整个过程,网站收到的都是真人操作,基本没有破绽。

Skyscanner 航班预订页面与自动化任务控制面板

从输入网址到点击提交,每一个步骤都发生在真实页面上。国外已经有技术博客开设专栏,比较它与 OpenAI 官方版的区别。HN 上也有讨论,认为这才是真正的反检测浏览器。它连浏览器指纹都换掉了,在网站上翻遍也没发现破绽。

查完票价之后,它会把结果整理成几句话给你。整个过程你都不用动手,它只负责给你看结果。

它到底怎么做到的

01 真实 Firefox,C++ 改内核

大部分自动化浏览器通过 JS 来伪造指纹,一查就露馅。dots 直接修改了 Firefox 引擎的源代码,指纹就像长在骨子里。它的底层在海外评测站拿到了 A 级评分。启动日志、User-Agent、插件列表等,都和真机一致。连语言、时区也跟着 IP 走,不对上才奇怪。

02 一个 seed 一个身份

屏幕、字体、GPU、时区、语言等,都属于同一个人。--seed 一给,每次跑出来的都是同一个人,登录态都认得。同一个账号反复使用也不会被风控。seed 就是它的身份档案,保存在本地,可以随时复用。

03 页面里找不到任何痕迹

没有 WebDriver 标志,也没有自动化全局变量。搜索整个页面,也找不到它是机器人的证据。

浏览器自动化任务流程图:搜索西雅图到东京的廉价直飞航班

连通知、弹窗等细节,也和真机一样。反爬常用的指纹检测点,它一个不落全处理了。反爬再厉害,也查不到它和真机有什么区别。

04 一双人的手

鼠标沿着真实轨迹移动过去再点击,按键也一个一个按,和真人操作基本一致。

浏览器自动化界面与 Booking.com 酒店搜索结果页面

人怎么操作,它就怎么操作,不搞瞬移和跳变。Reddit 上有人对比过,说它比之前那些指纹脚本实在多了。

这四层叠在一起,就是它敢叫板官方版本的底气。想试试的同学可以继续往下看。如果你对这类 GitHub 开源项目 感兴趣,也可以顺带多逛几个同类仓库。

想试的话,装起来很简单

Windows 用户一条命令就可以跑起来:

uvx --from git+https://github.com/feder-cr/dots dots --openrouter-key sk-or-...

前提是需要有 OpenRouter 的 Key,如果没有,先去官网注册一个。安装好之后打开 http://127.0.0.1:8765,左边是对话框,右边是浏览器。

它每做一步,你都能实时盯着看,出错了随时打断。安装后第一次启动,会提示下载补丁版 Firefox,稍等一会儿。Key 只需要填一次,后面就不用再管了。

缺点也给大家提提

目前还处于早期阶段,文档和安装流程还有很大改进空间。第一次运行需要下载 240 多 MB 的 Firefox 补丁,还要设置好模型 Key 和代理。

我觉得它比较适合喜欢折腾的人。想直接作为生产力工具使用的话,还需要再打磨一下。不过方向是对的:AI 真正会操作浏览器,这件事本身就值得关注。

写在最后

虽然项目还处于早期阶段,直接拿来用还有一定距离,但方向已经很明确了。AI 以后想帮人完成任务,光聊天肯定不够,自己看网页、操作网页会是很重要的一步。这个过程背后,其实也离不开 AI 智能体 从模型能力向真实操作环境延伸的趋势。

开源地址: https://github.com/feder-cr/dots

平时我会持续分享一些有趣的开源项目,有兴趣的朋友可以关注一下。回复关键词,可以找到你想要的项目。

开源日记聊天窗口推荐多个画图 skill




上一篇:C++ PImpl 惯用法:多一个指针,少一堆头文件依赖
下一篇:Gemini 4 Argon 发布:基准测试领先 GPT-6 Astra,已参与谷歌 80 万行内核 Rust 迁移
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-10-1 23:38 , Processed in 0.450210 second(s), 41 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表