WorkBuddy 智能体怎么操控浏览器？扩展装好后还要写清四条信息

"

WorkBuddy 浏览器操控进入这间办公室之后，同一屏投影仪搜索结果前，两个人先分出了两种忙法。做比价的人盯着销量榜上排名前 30 的产品，数的是还要点开多少详情页；管交付的人只等一张能发出去的表格，好把品牌与价格收进同一个文件。

📌 本文看点

这层变化先落在入口上，WorkBuddy 已经把“浏览器操控”收成内置能力，不用再自行寻找额外的浏览器操作 Skill；在设置里完成配置，就能让 Buddy 在已经登录的浏览器里工作，从搜索到整理都交给它。

能接的活覆盖搜索、翻页、点击、填表、下载，以及把结果整理成 Excel 和报告，一条链路上的动作不必再换工具。目前支持 QQ 浏览器直接安装使用，同时支持 Chrome 与 Edge，挑哪一款取决于电脑里已经开着、且登着账号的那一个。

要不要另找工具这件事到此有了答案，能力就在客户端里，可内置并不等于开口就能用。配置仍要沿着设置里的几层入口走一遍，那几层各自管着什么，值得单独摊开来看。

能力已经内置，用得上与否就落在设置里那一趟路径上。客户端更新到最新版本之后，从设置到安装扩展，每一层都有明确的落点。

那条链的起点是客户端版本，先把 WorkBuddy 客户端更新至最新版本，再打开左下角的“设置”，进入“智能体”，找到“浏览器操控”，这一层层的入口把能力从面板里点出来。

在同一处找到“WorkBuddy QQ 浏览器扩展程序”，点“前往安装”，按页面提示完成扩展安装，配置就算走完。整个过程都收在设置页里，没有跳到别处再装一套插件的要求。

入口收拢到一条链上之后，装好扩展只是把通道打通，真正决定任务成不成的是回到对话框怎么写那句话。同一批网页，指令写全与写漏，落到执行上完全是两回事。

扩展装好、入口走通，剩下的功夫全落在对话框里那句话上。同一批投影仪网页，写成含糊的嘱咐或四条能照办的指令，差别就在信息给得齐不齐。

原文把这件事说得很直白，回到对话框，得把用哪个浏览器、打开哪个网址、做什么、交付什么说清楚。头一条是指定浏览器，双 11 购物那句示例里写的是“用我电脑里的 QQ 浏览器打开网页”，指明本地已开着的那一款，能力才知道往哪个窗口落。

第二条是网址，示例没有单独给一串链接，写法是让浏览器先打开网页，再搜索“投影仪”，网址与动作连着给，入口便不会认错。第三条是做什么，按“销量”整理出排名前 30 的产品，点击按销量排序、逐页翻阅这些动作都归在这一条里。

第四条是交付什么，示例要求整理成表格，需包含“品牌名、价格和产品参数”，同时交付 HTML 文件查看。目标、要提取的字段、期望的输出格式都写进同一句话，收尾才有可验收的东西，不至于拿到一堆散着的页面。

四条凑齐之后，一句话就从嘱咐变成了可执行的任务，它被接住之后先要拆成执行计划，再落进浏览器里逐个动作地跑，那一步怎么展开，决定了过程能不能被人看清。

四条信息交代齐了，任务才算立住，要看的便是它怎么一步步跑完。执行计划先拆开，动作再落进独立的标签页组，翻页与点击都在明处。

接到任务后，它先拆解执行计划，再把动作排进独立的“WorkBuddy 标签页组”里依次执行。所有操作都收在这个标签页组里，和平时自己开着的网页分开，跑到哪一步一眼能认出来。

四步动作随后铺开，输入栏写入并搜索、点击按销量排序、模拟鼠标翻页、依次进入商品详情页翻阅。这四步对应示例里那 30 款产品的摘取，前一步给后一步留了落点，翻页与进详情页都不凭空跳过去。

浏览器里若已经登着账号，这项能力会在保留登录态的前提下让 AI 访问网页，不必为它另开一个干净的会话。只是访问归访问，遇上要人点头确认的环节，它并不会顺势替人把决定做了。

过程看得见，不等于每一步都由它走到底。翻页、排序、进详情页这类动作可以连着做，碰上要替人拿主意的环节，边界就得划在别处。

边界划在需要人拿主意的地方，遇到滑块验证、支付、提交确认等环节，它会主动停下，列出“我能做的 / 需要你做的”清单，等确认后继续，原文把这种分工写作“跑腿归 AI，决策归人”。

这样划界有它的道理，翻页、排序、摘字段属于可重复的动作，做完能逐项核对；滑块验证、支付与提交确认却牵涉账号、资金和对外发出的结果，一旦替人点下去便难以撤回，交给 AI 一路跑完并不合适。

清单把两件事分开摆，能做的继续排队，需要人做的停在原处等人。人不必盯着每一次翻页，也不必把付款这类决定交出去，确认发生在动作越界之前，而不是结果出来之后再补。

确认的环节留住之后，还有一个更靠前的前提没解决，即这句话能不能把能力叫得动。同一套任务，换个写法可能根本不触发浏览器操控，这就要看指令怎么写了。

该由人点头的环节留住之后，还有一问更靠前，即能力会不会被一句话叫得动。调用仰赖模型对意图的识别，同一件事换个写法，启不启用便可能两样。

浏览器操控的调用，靠的是模型对自然语言指令的意图识别，它先判断当前任务要不要操作浏览器，再决定启不启用这项能力。头一条补救很直接，没有自动调用时补一句“用本地浏览器打开”，等于把能力入口点明。

第二条是把网址与动作一起给，这样触发更稳，原文给的句式是“用本地或电脑里的 XX 浏览器打开 XX 网址，搜索 XX，并交付 XX”，明确的网址配上明确的动作，模型几乎不必猜这活要不要动浏览器。

第三条是任务描述越具体，执行结果越稳，把目标、要提取的字段、期望的输出格式写清楚，例如“整理为表格，包含标题、链接、点赞数”，比一句“帮我看看这个网站”好得多。这与前面四条信息是同一套要求，只是落到了触发这一侧。

三条写法解决的是叫得动，却都建立在扩展已经装好的前提上。配置这条路若走不通，指令写得再准也没有落点，剩下的便是怎么把扩展手动装进去。

跳转卡在访问不了扩展商店时，手动安装并不另求工具，从按钮到把文件拖进插件页，三步都在浏览器自身里完成，顺序也不难记。

这一步从“手动安装按钮”点起，选好要安装的浏览器，复制“扩展程序页面地址”到浏览器里打开，先把扩展程序这一页调出来，后面的拖入动作才有地方落。

再打开插件文件夹，同时开启网页右上角的“开发者模式”，把名为 browser-extension 的文件拖入其中，安装便告完成。三步都没有离开浏览器自身的页面，扩展装不上时不必绕回商店。

把四条信息固定成一句可复用的句式，先拿一个网址与字段都写死的小任务试一次，比在含糊的嘱咐上反复改口更省事。试通之后再往多页、多字段的任务挪，滑块验证、支付与提交确认这几处留人在场，任务便能一路交到表格与 HTML 文件上，不必中途回头补话。

云巴巴作为腾讯云AI智能体示范伙伴、腾讯WorkBuddy核心伙伴及官方授权服务中心。目前，腾讯WorkBuddy Managed Agents已经在云巴巴平台上线，想了解更多可以联系我们。在云巴巴（yun88.com），你还能横向对比更多同类产品，根据团队规模和业务场景找到最匹配的方案。