最新

你有没有想过，Claude Code 能不能被重写成一个 Bash 脚本？我也没有想过，但现在我们就在这里了。纯粹出于好玩，我决定尝试精简源代码，移除所有软件包。

我经常使用 LLM 来自动化不同的工作流程，其中一些包括浏览网页和收集数据。 后来我开始注意到一些让我困扰的事情：浏览器交互很笨拙，就像代理在努力“看”和理解页面一样，结果浪费了很多 token。 同样，也很难知道页面何时真正准备就绪。<p>我开始深入研究，后来我直接在 Cursor 聊天中问了以下问题：“我问你，作为一个使用这些无头浏览器的 LLM，你希望人们构建什么来让你的工作更轻松？”<p>这很有效，因为我展开了“思考”部分，我看到：“用户问了我一个非常有趣的元问题……” 之后，它列出了与代理&lt;-&gt;浏览器交互相关的十大最棘手的问题。<p>所以我开始构建一个浏览器 API，它返回 LLM 真正需要的东西，而不是浏览器返回的东西。<p>快进几周，我们现在就在这里。 一个 REST API，专门用于帮助 LLM 与真实的浏览器交互。<p>您不再需要读取原始 HTML，而是获得 Markdown、页面地图、用于点击的短引用（e1、e2），而不是 CSS 选择器，页面准备就绪时的稳定标志，每个步骤后的差异，所有交互元素（链接、按钮、输入）的列表，自动阻止程序关闭以及一个小的提取步骤，该步骤从您描述的模式中返回结构化的 JSON。<p>官方 SDK 适用于 Python、TypeScript、Ruby。 适用于 Cursor 和 Claude Desktop 的 MCP 服务器。<p>欢迎任何反馈，尤其是在 API 设计方面。