Hermes Desktop Agent 通过将浏览器操作可视化，显著提升了浏览器自动化的可信度。用户可以在桌面界面中实时观察代理的工作过程，包括页面加载、文件处理、工具结果等，从而更容易发现错误并及时干预。其预览栏（Preview Rail）允许用户通过快捷键（Mac 的 Command J 或 Windows 的 Control J）打开，实时查看代理的导航和操作。此外，Hermes 利用网页的可访问性树（accessibility tree）来理解页面结构，结合视觉能力，使其能够更稳健地处理复杂网站。其工具集包括导航、点击、输入、滚动、键盘命令、后退、图像列表等，并具备处理 JavaScript 错误、弹窗、长页面等困难情况的能力，使研究过程更易验证和信任。
modlens skill 现支持为 deepseek-v4-flash 添加视觉能力，可通过配置文件接入 gemini、openai 兼容 API 等。还新增 claude code 的 CLI 模式使用 haiku 等模型。建议申请免费 API key 或直接向 codex app 咨询使用方法。
作者分享了为 deepseek-v4-flash 开发的两个 skill：一个增加免费视觉能力，另一个通过 antigravity cli 借道 google 实现联网搜索和网页解析。尽管 deepseek-v4-flash 官方已支持搜索，但作者认为其效果不如 google，并提供了禁用官方搜索的方法。源码已开源。
本文是一份关于 Claude Fable 的综合使用指南。作者详细介绍了 Fable 与此前模型的主要区别，重点讲解了 Loop Engineering（循环工程）的概念及其在实现 AI 自动化工作流中的应用。文章还深入探讨了如何利用 Fable 的 Skills 功能构建自定义技能，强调了其强大的视觉能力在数据提取、UI 审查和逆向工程等场景的潜力，并提出了模型选择的“杠铃策略”以平衡性能与成本。
