作者:蓝逸
日期:2026-09-20
分类:分享
浏览:1462℃
评论:0条
https://faceanalysisai.com/...
作者:蓝逸
日期:2026-09-20
分类:分享
浏览:1342℃
评论:0条
browser-use 、agent-browser 每次任务都要重新看图/DOM ,找元素。yodo 的思路是「 You Only Do Once 」:手动演示一遍,agent 学习接口请求,写成脚本,同类任务直接复用。 端到端实测:一个跨站任务,browser-use 耗时近 10 分钟,agent-browser 7 分钟,yodo 复用脚本仅需 56 秒,同时 Token 消耗少 70%。 免登录:直接连日常已登录的 Chrome 。 快速直接:把几十次探索交互变成单次脚本执行。 🔗 开源地址: https://github.com/yanggggjie/yodo...
作者:蓝逸
日期:2026-09-20
分类:分享
浏览:862℃
评论:0条
上次有个老哥做了团记账,现在已经有仿品来了,我这里放个链接大家看下 基本上一样...
作者:蓝逸
日期:2026-09-20
分类:分享
浏览:862℃
评论:0条
海量 Token 限时放送!新用户注册即享 15 天 Step Plan 免费体验 https://platform.stepfun.com/?invite_code_v2=DUHXBTVZ...
作者:蓝逸
日期:2026-09-20
分类:分享
浏览:862℃
评论:0条
刚出来的决策模型,在 x 上很火。我在 codex 里试了下,发现没有很快啊,我问 codex 适合操作哪种游戏,他说适合 2048 ,不适合毫秒级实时操作的游戏。然后我给他一个 2048 网站,让他玩通第一关,后面太慢了,我就停止了。然后我发他:感觉超级慢的啊,是不是 jev 的决策很快,耗时操作都在你这边截图,然后还要读图片.他的回答: 对,主要慢在我这边的操作链路,但 Jev 调用本身也不是零延迟。 这次测试大致是: Jev 每次决策:约 5 ~ 6 秒 启动 Playwright 、发送按键、重新读取页面:约 7 ~ 9 秒 截图后人工识别棋盘:额外增加时间 浏览器控制通道还出现过超时...