AI Browser Agent โอเพนซอร์ส

ใช่ WebBrain ให้ความสามารถของ AI browser agent ที่คล้ายกัน — อ่านหน้า สกัดข้อมูล คลิกปุ่ม กรอกฟอร์ม และทำให้เวิร์กโฟลว์หลายขั้นเป็นอัตโนมัติ ต่างจากปลั๊กอินเบราว์เซอร์ของ Claude ที่เป็นกรรมสิทธิ์ ซึ่งต้องใช้สมาชิก Claude Pro และทำงานเฉพาะกับโมเดลของ Anthropic เท่านั้น WebBrain ฟรีโดยสิ้นเชิง โอเพนซอร์ส (สัญญาอนุญาต MIT) และรองรับผู้ให้บริการ LLM หลายราย รวมถึงโมเดลภายในเครื่องที่ทำงานทั้งหมดบนเครื่องของคุณ

ตอนนี้ WebBrain Cloud ราคา 5 ดอลลาร์สหรัฐ/เดือนต่อโปรไฟล์อุปกรณ์ ซึ่งถูกกว่า Claude Pro มากในช่วงนี้ การใช้งานขณะนี้ไม่จำกัดภายใต้นโยบายการใช้งานที่เป็นธรรม: การใช้งานส่วนตัวตามปกติใช้ได้ แต่ไม่อนุญาตการใช้งานในทางที่ผิด การใช้งานอัตโนมัติปริมาณสูง การนำไปขายต่อ หรือปริมาณการใช้งานที่สูงผิดปกติ

การสมัครสมาชิกผูกกับตัวระบุอุปกรณ์ที่ส่วนขยายสร้างให้กับ GUID ของเบราว์เซอร์ + OS นั้น ไม่ได้ผูกกับบัญชีผู้ใช้ หากตัวระบุหายไปเพราะคุณรีเซ็ตพื้นที่เก็บข้อมูลของส่วนขยาย ลบโปรไฟล์เบราว์เซอร์ ติดตั้งเบราว์เซอร์ใหม่ เปลี่ยนเบราว์เซอร์/OS หรือทำอุปกรณ์หาย เราไม่สามารถกู้คืนหรือโอนย้ายให้ได้ และจะไม่คืนเงินจากกรณีนั้น

คุณสมัครหรือจัดการการชำระเงินได้จากส่วน Account ในหน้าการตั้งค่าปลั๊กอินด้วยปุ่ม Manage billing หากต้องการยกเลิกด้วยตนเอง ให้ส่งอีเมลหาเราพร้อมอีเมลที่ใช้ตอนชำระเงิน

Cloud Sync เป็นฟีเจอร์เสริมสำหรับสมาชิก WebBrain Cloud ที่ยังใช้งานอยู่ ซิงก์ความจำ WebBrain ข้อความเติมอัตโนมัติของโปรไฟล์ และการตั้งค่าผู้ให้บริการที่รองรับ รวมถึงคีย์ API โดยไม่ซิงก์ประวัติแชท ประวัติเบราว์เซอร์ ภาพหน้าจอหน้าเว็บ หรือโทเค็น OAuth เข้าถึง/รีเฟรชแบบเก่า

เบราว์เซอร์จะเข้ารหัสคลังซิงก์ก่อนอัปโหลดด้วยรหัสผ่านที่คุณเลือก WebBrain Cloud เก็บเฉพาะคลังที่เข้ารหัสแล้วเท่านั้น อ่านความจำ ข้อความโปรไฟล์ การตั้งค่าผู้ให้บริการ หรือคีย์ API ของคุณไม่ได้ และกู้รหัสผ่านซิงก์แทนคุณไม่ได้

ช่องอีเมลใช้สำหรับยืนยันตัวตน billing/subscription แบบ magic-link ของ WebBrain Cloud ไม่ใช่รหัสผ่านบัญชี หาก UI บอกให้เปลี่ยนรหัสผ่านใน Cloud Sync หมายถึง รหัสผ่านเข้ารหัสการซิงก์ ไม่ใช่รหัสผ่านบัญชี WebBrain

หากลืมรหัสผ่านซิงก์ จะถอดรหัสคลังคลาวด์เก่าไม่ได้ คุณรีเซ็ตคลังคลาวด์แล้วอัปโหลดสำเนาเข้ารหัสใหม่จากอุปกรณ์ที่ยังมีข้อมูลในเครื่องได้

เป็นเครื่องมือคนละหมวด WebBrain คือส่วนขยายเบราว์เซอร์ — คุณติดตั้งใน Chrome หรือ Firefox และสนทนากับมันในแถบด้านข้าง ไม่ต้องเขียนโค้ด ส่วนเฟรมเวิร์กอย่าง OpenClaw และ Browser-Use คือ SDK สำหรับนักพัฒนาเพื่อสร้างไปป์ไลน์เบราว์เซอร์อัตโนมัติด้วย Python โดยทั่วไปจะใช้เบราว์เซอร์แบบ headless และ CDP คิดอย่างนี้: WebBrain ใช้สำหรับท่องเว็บประจำวันคู่กับผู้ช่วย AI; เฟรมเวิร์กเอเจนต์ใช้สำหรับสร้างบอท scraping และระบบทดสอบอัตโนมัติ ใช้คู่กันได้ — เสริมกัน

ได้ ผู้ให้บริการเริ่มต้นของ WebBrain คือ llama.cpp ซึ่งรันโมเดล AI ในเครื่องคุณ ไม่ต้องใช้คีย์ API, AI ไม่ต้องใช้อินเทอร์เน็ต และข้อมูลก็ไม่ออกจากเครื่องคุณเลย เพียงดาวน์โหลดโมเดล GGUF เริ่ม llama-server แล้วคุณจะมี AI browser agent ที่เป็นส่วนตัวเต็มรูปแบบ คุณยังสามารถใช้ Ollama ผ่าน endpoint ที่เข้ากันได้กับ OpenAI ได้ด้วย

WebBrain รองรับผู้ให้บริการ 4 ประเภท: llama.cpp (โมเดล GGUF ภายในเครื่องใด ๆ), OpenAI (GPT-4o, GPT-4 ฯลฯ), Claude (Claude Opus, Sonnet, Haiku ผ่าน API ดั้งเดิม) และ OpenRouter (เข้าถึงโมเดลกว่า 100 โมเดลจากผู้ให้บริการต่าง ๆ) endpoint API ใด ๆ ที่เข้ากันได้กับ OpenAI ก็ใช้ได้ ดังนั้นคุณยังใช้บริการอย่าง Together AI, Groq, Mistral หรือเซิร์ฟเวอร์ภายในเครื่องใด ๆ ที่มีอินเทอร์เฟซเข้ากันได้กับ OpenAI ก็ได้

ณ 21 เมษายน 2026 คำแนะนำอันดับหนึ่งคือ Qwen 3.6 35B เหตุผล: ในเบนช์มาร์กด้านการมองเห็นของเรา (vision-model-shootout) มันทำได้ดีกว่า Gemma 4 ในการเข้าใจภาพหน้าจอ ขณะที่ยังใช้งานจริงสำหรับการอินเฟอเรนซ์ภายในเครื่องได้

สำหรับ GPU ระดับผู้บริโภค RTX 5090 เหมาะที่สุด ส่วน RTX 4090 มักใช้งานได้ด้วยการควอนไทซ์ INT4 AutoRound ผ่าน Intel/Qwen3.6-35B-A3B-int4-AutoRound

เพื่อความเร็วสูงสุด เราแนะนำให้เซิร์ฟด้วย vLLM ตัวอย่างคำสั่ง:

python -u -m vllm.entrypoints.openai.api_server --model Intel/Qwen3.6-35B-A3B-int4-AutoRound --served-model-name qwen3.6-35b --quantization auto --dtype bfloat16 --max-model-len 65536 --max-num-batched-tokens 32768 --max-num-seqs 4 --host 0.0.0.0 --port 8000 --gpu-memory-utilization 0.92 --enable-prefix-caching --enable-chunked-prefill --limit-mm-per-prompt '{"image": 4, "video": 1}' --mm-processor-cache-type shm --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder --trust-remote-code --allowed-origins '["*"]' --speculative-config '{"method": "dflash", "model": "z-lab/Qwen3.6-35B-A3B-DFlash", "num_speculative_tokens": 15}' --attention-backend flash_attn

DFlash speculative decoding เป็นทางเลือก

หากเซิร์ฟเวอร์ LLM อยู่บนเครื่องอื่นในเครือข่ายภายในของคุณ (เช่น http://192.168.1.x:8000) Chrome จะบล็อกคำขอเว้นแต่เซิร์ฟเวอร์จะส่ง เฮดเดอร์ CORS วิธีแก้ขึ้นกับเซิร์ฟเวอร์ของคุณ:

vLLM: เริ่มด้วย --allowed-origins '["*"]' (ค่าต้องเป็นลิสต์ JSON)
Ollama: ตั้งตัวแปรสภาพแวดล้อม OLLAMA_ORIGINS=* ก่อนเริ่ม
llama.cpp: เปิด CORS เป็นค่าเริ่มต้น — ไม่ต้องเปลี่ยน

หากเซิร์ฟเวอร์ของคุณรันที่ localhost (เครื่องเดียวกับเบราว์เซอร์) ปกติไม่จำเป็นต้องใช้ CORS ปัญหานี้กระทบเฉพาะการเชื่อมต่อข้ามเครื่องบนเครือข่ายภายในเท่านั้น ตรวจสอบให้แน่ใจว่า base URL ในการตั้งค่าของ WebBrain ลงท้ายด้วย /v1 (เช่น http://192.168.1.47:8000/v1) ข้อยกเว้น: Ollama ที่ใช้จากส่วนขยายเบราว์เซอร์อาจยังต้องใช้ OLLAMA_ORIGINS; ดู FAQ ของ Ollama ด้านล่าง

Ollama เวอร์ชันใหม่อาจปฏิเสธคำขอจาก origin ของส่วนขยายเบราว์เซอร์ แม้ Ollama จะทำงานอยู่บนเครื่องเดียวกัน ส่วนขยายจะส่ง Origin เช่น chrome-extension://... หรือ moz-extension://... และ Ollama อาจตอบกลับ 403 หาก origin เหล่านี้ไม่ได้รับอนุญาต

ปิดแอป Ollama บนเดสก์ท็อปที่กำลังใช้พอร์ต 11434 อยู่ก่อน จากนั้นเริ่ม Ollama ด้วยคำสั่งใดคำสั่งหนึ่งนี้:

OLLAMA_ORIGINS="*" ollama serve
OLLAMA_ORIGINS="chrome-extension://*,moz-extension://*" ollama serve

ให้ URL พื้นฐานของ Ollama ใน WebBrain เป็น http://localhost:11434/v1 ต่อไป การตรวจด้วย curl ในเทอร์มินัลอาจยังใช้ได้โดยไม่ต้องตั้งค่านี้ เพราะไม่ได้ส่ง origin ของส่วนขยายเบราว์เซอร์

ได้ WebBrain มาพร้อมทั้งเวอร์ชัน Chrome (Manifest V3 ใช้ sidePanel API) และเวอร์ชัน Firefox (Manifest V2 ใช้ sidebar_action) ทั้งสองเวอร์ชันมีคุณสมบัติเหมือนกัน เวอร์ชัน Firefox สามารถโหลดเป็นแอดออนชั่วคราวเพื่อใช้พัฒนา หรือเผยแพร่ไปยัง addons.mozilla.org เพื่อการติดตั้งถาวรได้

ได้ — แถบด้านข้างของ Firefox โดยปกติจะอยู่ทางซ้าย แต่คุณสามารถสลับได้ คลิกขวาที่ส่วนหัวของแถบด้านข้าง แล้วเลือก Move Sidebar to Right (หรือใช้ View → Sidebar → Move Sidebar to Right จากแถบเมนู) ตำแหน่งจะคงอยู่หลังจากรีสตาร์ท ส่วน sidePanel ของ Chrome โดยปกติอยู่ทางขวาและผู้ใช้ไม่สามารถย้ายจากตัวพาเนลเองได้

มี Web Panel ของ Vivaldi จะบล็อกกล่องโต้ตอบ JavaScript แบบเนทีฟ เช่น confirm(), alert() และ prompt() การสลับโหมด Ask, Act และ Dev ของ WebBrain ไม่ได้พึ่งกล่องเหล่านี้แล้ว แต่การทำงานรองบางอย่างยังคงพึ่งอยู่

การบันทึก: ตอนนี้ยังไม่ควรใช้ /record ใน Vivaldi หากการบันทึกล้มเหลว Vivaldi อาจซ่อนการแจ้งเตือนข้อผิดพลาดและไม่แสดงคำอธิบาย

Settings, History, Traces และ Ollama handoff: หน้าเหล่านี้ก็มีกล่องโต้ตอบแบบเนทีฟเช่นกัน แต่ปกติ WebBrain จะเปิดเป็นแท็บทั่วไปที่ใช้งานได้ หากคุณเพิ่มหน้าใดลงใน Web Panel ด้วยตนเอง ให้เปิดในแท็บปกติก่อนใช้การทำงานที่ต้องพึ่งกล่องโต้ตอบ

WebBrain มีสามโหมด โหมดถาม (ค่าเริ่มต้น) เป็นแบบอ่านอย่างเดียวและไม่สามารถแก้ไขหน้าได้ โหมดทำอนุญาตการทำงานของเบราว์เซอร์ เช่น คลิก พิมพ์ และนำทาง ส่วนโหมด Dev เพิ่มเครื่องมือดีบักหน้าเว็บ การกระทำที่มีผลตามมาต้องได้รับอนุมัติโดยค่าเริ่มต้น หากปิดด่านสิทธิ์นี้ WebBrain จะแสดงแบนเนอร์คำเตือนที่มองเห็นได้ คุณสามารถหยุดเอเจนต์ได้ทุกเมื่อด้วยปุ่มหยุด ซอร์สโค้ดของส่วนขยายเปิดเผยเต็มที่บน GitHub เพื่อการตรวจสอบ

เพื่อให้ดำเนินการบนหน้าเว็บได้อย่างเชื่อถือได้ WebBrain ใช้ Chrome DevTools Protocol (CDP) ผ่าน API ส่วนขยายมาตรฐาน chrome.debugger ซึ่งเป็นสาเหตุที่ทำให้ขึ้นแบนเนอร์ «WebBrain started debugging this browser» ของ Chrome โดย CDP ช่วยให้เอเจนต์คลิกและพิมพ์ด้วยเหตุการณ์อินพุตที่เชื่อถือได้ซึ่งเว็บไซต์สมัยใหม่ยอมรับจริง ส่วนเหตุการณ์สังเคราะห์ที่ส่งจาก content script มักถูกปฏิเสธโดยหลายเว็บไซต์ Web Components และช่องที่ควบคุมโดยเฟรมเวิร์ก นอกจากนี้ WebBrain ยังใช้มันจับภาพหน้าจอความละเอียดระดับพิกเซลสำหรับการสำรองด้วยวิชัน และเข้าถึง iframe ข้ามต้นทางและ shadow DOM ที่ content script มองไม่เห็น

โหมดถามแบบอ่านอย่างเดียวไม่จำเป็นต้องใช้ CDP การอ่านหน้าและ accessibility tree ทำผ่าน content script ปกติ สิ่งที่ต้องใช้ CDP คือความน่าเชื่อถือของโหมดทำและงานข้ามต้นทาง และในส่วนขยาย Manifest V3 ไม่มี API ใดที่ให้อินพุตที่เชื่อถือได้โดยไม่ใช้ดีบักเกอร์ WebBrain จะแนบดีบักเกอร์เฉพาะเมื่อการกระทำต้องใช้เท่านั้น แบบแยกตามแท็บ และส่วนขยายทั้งหมดเป็นโอเพนซอร์ส คุณจึงตรวจสอบได้ว่าเซสชันทำอะไรบ้าง CDP มีพลังมาก เราจึงถือว่าขอบเขตของมันเป็นสิ่งที่ต้องจำกัด (แนบเมื่อจำเป็น ไม่ใช้กับการอ่าน) และการรัดกุมยิ่งขึ้นอยู่ในแผนงานด้านความปลอดภัยของเรา

ข้อความขออนุมัติเหล่านี้มีไว้เพื่อความปลอดภัยของคุณ แม้แต่ในเว็บไซต์ที่คุณไว้วางใจ ผู้ไม่หวังดีอาจเลียนแบบคำสั่งของ LLM หรือแทรกเนื้อหาที่พยายามทำให้เอเจนต์ทำสิ่งต่าง ๆ ในนามของคุณที่คุณจะไม่อนุมัติ นั่นคือเหตุผลที่ WebBrain ต้องขออนุมัติก่อนการกระทำที่มีผลตามมา หากคุณยังไม่ต้องการผ่านข้อความเหล่านี้ คุณสามารถปิดได้: เปิดปลั๊กอินด้านข้าง คลิกไอคอนรูปวงล้อในส่วนหัว ไปที่แท็บ Permissions ใน settings.html แล้วปิดตัวเลือก Ask before consequential actions.

เพียงเปิดหน้าเว็บใด ๆ เปิดแถบด้านข้างของ WebBrain แล้วถามเป็นภาษาธรรมชาติ: "สกัดชื่อสินค้าและราคาทั้งหมดจากหน้านี้", "ดึงที่อยู่อีเมลทั้งหมดบนหน้านี้" หรือ "สรุปบทความนี้เป็นข้อ ๆ" AI agent จะอ่านเนื้อหาของหน้า เข้าใจโครงสร้าง และส่งข้อมูลที่สกัดได้กลับมา สำหรับ scraping ที่ซับซ้อนกว่านั้น สลับไปที่โหมดทำ เอเจนต์สามารถเดินทางข้ามหน้า กดปุ่มแบ่งหน้า และรวบรวมข้อมูลจากหลายหน้าได้

โดยค่าเริ่มต้น WebBrain จะ ผ่าน UI ที่มองเห็นได้เสมอ สำหรับทุกการกระทำที่สร้าง แก้ไข ลบ ส่ง โพสต์ หรือซื้ออะไรก็ตาม มันจะเดินทางไปยังหน้า กรอกฟอร์ม และคลิกปุ่ม — แบบเดียวกับที่คุณจะทำ มันจะปฏิเสธการเรียก endpoint REST/GraphQL โดยตรงผ่าน fetch() ในพื้นหลังเพื่อทำการเปลี่ยนแปลง สิ่งนี้เป็นความตั้งใจ: การกระทำผ่าน API มองไม่เห็น (คุณไม่เห็นว่าส่งอะไรไป) มักต้องใช้โทเค็นยืนยันแยกที่คุณอาจยังไม่ได้ตั้งค่า และมีรัศมีผลกระทบที่กว้างกว่าการคลิกผิดที่มองเห็นได้ UI-first หมายถึงทุกอย่างปรากฏบนหน้าจอ ในเซสชันเบราว์เซอร์ปกติของคุณ และสามารถหยุดได้

สำหรับการ อ่าน ข้อมูล — ดึง README, ดู issue, เปรียบเทียบราคาระหว่างไซต์, ตรวจสอบหน้าแสดงสถานะ — WebBrain ใช้คำขอ HTTP พื้นหลังได้อย่างอิสระผ่านเครื่องมือ fetch_url และ research_url การอ่านไม่ใช่การกระทำ; ไม่เปลี่ยนอะไรในบริการระยะไกล จึงไม่มีข้อกังวลด้านความปลอดภัยแบบเดียวกัน

หากคุณต้องการอนุญาตให้แก้ไขผ่าน API สำหรับงานเฉพาะ พิมพ์ /allow-api ที่ต้นข้อความ (ตามด้วยคำอธิบายงานสั้น ๆ ก็ได้) การข้ามผ่านระดับการสนทนานี้ช่วยให้ WebBrain ถอยไปใช้ endpoint API เมื่อ UI ใช้งานไม่ได้จริง ๆ ในขณะที่ยังคงให้ความสำคัญกับ UI เมื่อ UI ใช้งานได้ ป้ายติดถาวรจะปรากฏเหนือพื้นที่ป้อนข้อความขณะที่การข้ามผ่านยังทำงานอยู่ และจะหายไปเมื่อคุณรีเซ็ตการสนทนา

ได้ เครื่องมือเครือข่ายแบบอ่านอย่างเดียวของ WebBrain — fetch_url และ research_url — มาในรูปของปลั๊กอิน LM Studio เดี่ยว ๆ ที่ webbrain/web-tools ติดตั้งด้วย lms clone webbrain/web-tools แล้วเปิดใช้ในแชต LM Studio ใดก็ได้ — โมเดลใด ๆ ที่รองรับการเรียกใช้เครื่องมือจะสามารถเรียกใช้สองเครื่องมือนี้ได้โดยไม่ต้องติดตั้งส่วนขยายเบราว์เซอร์ Node ล้วน ไม่ใช้เบราว์เซอร์ headless ซอร์ส: lmstudio-plugin/

โดยส่วนใหญ่ได้ — โดยเฉพาะใน โหมด Ask สำหรับคำขอแบบอ่านอย่างเดียว เช่น “สรุปหน้านี้” คุณเลื่อนหน้าต่อได้ในขณะที่ WebBrain ทำงาน

เมื่อใดควรหลีกเลี่ยง? ภาพหน้าจออัตโนมัติจะแสดงวิวพอร์ตปัจจุบันของแท็บ ขณะที่ WebBrain กำลังตรวจสอบหรือโต้ตอบกับเนื้อหาที่มองเห็นอยู่ใน โหมด Act หรือ Dev การเลื่อนอาจทำให้เป้าหมายขยับหรือเปลี่ยนสิ่งที่โมเดลมองเห็น รอให้ขั้นตอนนั้นเสร็จก่อนแล้วจึงเลื่อน นอกเหนือจากช่วงเหล่านั้น คุณใช้หน้าต่อได้ตามปกติ

ได้ ตั้งแต่เวอร์ชัน 27.0.0 เป็นต้นมา WebBrain จะหลีกเลี่ยงการแย่งโฟกัสทั้งในเบราว์เซอร์ที่ใช้ Chromium และ Firefox เว้นแต่ว่าจำเป็นต้องเข้าถึงแท็บเบื้องหน้าอย่างแท้จริง งานจะยังคงผูกกับแท็บที่เริ่มต้น คุณจึงทำงานในแท็บอื่นได้อย่างปลอดภัย

หากมีขั้นตอนที่เกิดขึ้นไม่บ่อยและต้องนำแท็บเดิมมาไว้เบื้องหน้า WebBrain อาจโฟกัสแท็บนั้นชั่วครู่ หลีกเลี่ยงการคลิกหรือพิมพ์ในแท็บเดียวกันขณะที่ WebBrain กำลังดำเนินการอยู่

การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน การตั้งค่า → โปรไฟล์ คุณกรอกประวัติย่อ — ชื่อ อีเมลที่ทำงาน บริษัท และรหัสผ่าน ใช้แล้วทิ้ง สำหรับการสมัครเสี่ยงต่ำ — แล้วเปิดใช้งาน เมื่อเปิดใช้ WebBrain จะเพิ่มข้อความนั้นต่อท้าย system prompt ของเอเจนต์ เพื่อให้มันกรอกฟอร์มสมัครได้โดยไม่ต้องถามทุกครั้ง

ข้อความถูกเก็บ เป็นข้อความธรรมดา ใน local storage ของเบราว์เซอร์ มัน จะไม่ ถูกส่งไปยังโปรเจกต์ WebBrain แต่ จะถูกส่ง ไปยังผู้ให้บริการ LLM ที่คุณตั้งค่าไว้ในทุกเทิร์น ในฐานะส่วนหนึ่งของ system prompt ปิดเป็นค่าเริ่มต้น

อย่าใส่รหัสผ่านของบัญชีสำคัญ ที่นี่ (Google, Apple, iCloud, ธนาคาร, SSO ที่ทำงาน, อีเมลหลัก) บัญชีเหล่านั้นควรใช้ 2FA และไม่ควรมอบให้เอเจนต์อยู่แล้ว กรณีใช้งานที่ตั้งใจคือรหัสผ่านใช้แล้วทิ้งที่คุณใช้ซ้ำสำหรับการสมัครจดหมายข่าวและการทดลองใช้ฟรี

ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (การตั้งค่า → มัลติโมดัล → การเบลอภาพหน้าจอ ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ ก่อน ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ

ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดยไม่ถูกเบลอ แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้

หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู "ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?" ด้านบน

ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น? ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ การตั้งค่า → วิชั่น (ดู "WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?" ด้านบน)

แบนเนอร์ Cookie: WebBrain รู้จักแบนเนอร์ยินยอมจากเฟรมเวิร์กที่พบทั่วไป (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) และปิดมันก่อนวิเคราะห์หน้า ลำดับความสำคัญคือ "ปฏิเสธทั้งหมด" / "ปฏิเสธที่ไม่จำเป็น" / "เฉพาะจำเป็น" เมื่อมองเห็นชัดเจน หากไม่เห็นจะกลับไปใช้ "ยอมรับทั้งหมด" แทนที่จะหลงทางในเขาวงกต "จัดการการตั้งค่า"

Paywall: WebBrain รายงาน paywall อย่างตรงไปตรงมาและบอกคุณว่ามองเห็นอะไรจริง ๆ (พาดหัว สาระสั้น ๆ ย่อหน้าแรก) มัน ไม่ พยายามผ่าน paywall — ไม่มี archive.today, 12ft.io, การล้าง Cookie, การปิด JS หรือเล่ห์ของโหมดผู้อ่าน หากต้องการบทความเต็ม ให้เข้าสู่ระบบด้วยสมาชิก หรือขอให้ WebBrain หาแหล่งฟรีของเรื่องเดียวกัน

ณ 7.0.0 ยังไม่รองรับ โหมด dry-run มีแผนแล้วและอยู่ในแผนงาน

มีสามชั้นที่เป็นอิสระต่อกัน:

ภาพหน้าจอประหยัดโทเค็น ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน _fitImageDimensions พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ

การตัด context อัจฉริยะ ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ read_page คืนบทความยาวขนาดนวนิยาย

โมเดลด้านการมองเห็นโดยเฉพาะ จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ การตั้งค่า → การมองเห็น

ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์

ได้สิ! WebBrain ใช้สัญญาอนุญาต MIT และยินดีรับการมีส่วนร่วม ดู รีโพ GitHub สำหรับ issue คำขอคุณสมบัติ และแนวทางการมีส่วนร่วม