腾讯开源了 BrowserSkill，作者用 WorkBuddy 实测后评价很高。该工具由 Skill 指令、bsk CLI 和 Chrome 插件三部分组成，可让 Agent 直接复用已登录的浏览器状态，在独立 Agent Window 中打开网页、搜索、点击、读取数据和截图，不影响用户正在使用的页面。它兼容 WorkBuddy、Codex、Cursor、Claude Code 等支持 Shell 调用的 Agent。作者实测完成了环境检查、识别 17 个标签页、搜索并整理结果等任务，安装过程简单，适合网页调研、热点搜索、后台操作和前端测试等场景。
本文介绍腾讯推出的BrowserSkill浏览器自动化技能，作者详细演示了在WorkBuddy中安装和使用该技能的完整流程。BrowserSkill类似按键精灵，可录制人工在浏览器中的操作步骤，生成流程文档后由WorkBuddy复跑回放，实现自动化操作。文章对比了Mac与Windows系统、不同浏览器及大模型（如Hy4、GLM-5.3等）对自动化效果的影响，并通过B站点赞任务实例展示了首次自动化、操作录制与回放的完整Workflow，强调普通用户通过调试也能顺利使用。
作者分享了一个长期痛点：与 AI 多轮讨论敲定的项目方案往往锁在某台电脑的聊天窗口里，换设备或同事接手时需重新投喂上下文。作者接入 EverOS Cloud（GitHub 1.3w 星开源 Agent 记忆系统 EverOS 的云端托管版），将公司电脑和家里电脑的 Codex 挂到同一云端记忆空间。AI 讨论过程中的方案与约束自动沉淀为云端记忆，跨设备、跨团队无缝续接工作，无需手动整理 Markdown。网页端 Memory Bank 可查看阶段摘要和事实卡片，支持记忆的增删改。该方案也适合团队协作，共享记忆成为项目知识资产，降低人员交接风险。
本文面向 AI 新手，介绍如何根据实际需求选择 Agent 工具。文章以一张场景对照表切入，按用途分类推荐：写代码选 Claude Code 或 Codex，前者适合本地交互开发，后者擅长云端并行处理任务；处理本地办公文件和周报 PPT 选 WorkBuddy，做完整项目选 Manus；长期管理公司岗位工作选 Grok Bot，管理个人生活事务选 Muse。文章还澄清了 Manus 的 Cue 应用、Codex Bot 与 dots 的区别，并建议用真实任务试用两款工具，检验结果可用性、数字可溯性和返工成本来判断选型是否正确。
文章探讨了AI Agent软件中工作会话上下文难以迁移、备份和分享的痛点。厂商出于竞争和数据隐私考虑不愿提供导出功能，但上下文是AI时代最重要的资产。作者介绍了开源Agent会话平台AgentGit，它让会话像代码一样可保存、分享、交接和复用，支持Claude Code、Codex、OpenCode、OpenClaw、Hermes、WorkBuddy等主流Agent。作者以WorkBuddy实操演示了安装、登录授权、用大白话批量保存82条会话记录、排查macOS钥匙串性能瓶颈，以及通过export --format codex导出打包导入Codex的全过程。建议有选择性地保存重要会话，避免一次性全部打包导致耗时过长。
作者介绍了开源视频制作工具 Hypit，一个为 Codex、Claude Code 等 AI Agent 打造的视频开源语言和系统，上线不到3天获得 GitHub 7.4k star。Hypit 能将脚本、素材、配音、字幕、B-roll 和动效组织成可执行工作流，创作者只需描述需求即可让 Agent 编写、修改结构，并在 Hypit Studio 中查看时间轴。作者演示了 Clone → Edit → Reuse 实验：先复刻唐代纸片拼贴风格视频，再用同一工作流生成中国瓷器历史宣传片，并追加流程动效。一次实践留下的脚本结构、样式和动效组件可复用于后续创作，适合需要持续制作产品介绍、知识视频的创作者。
腾讯开源了 BrowserSkill（MIT 协议，纯本地运行），解决了浏览器 Agent 的一大痛点：不再让 AI 在空白沙盒浏览器中面对登录墙和验证码，而是直接借用用户正在使用的浏览器标签页，利用已有的登录状态完成任务后自动归还。关键设计包括：标签页即借即还机制、人机验证时回弹给用户现场确认、权限总开关焊死在浏览器原生设置中防止提示词绕过，以及做成 CLI 而非 MCP 以兼容所有能执行 Shell 的智能体（如 Cursor、Claude Code 等）。文章认为，自动化工具的核心在于如何处理模型与人类工作软件之间的信任边界，在权限与效率之间留出安全断点。
花叔开源了浏览器操控工具huashu-chrome，让Claude Code、Codex、Cursor等Agent直接借用用户当前浏览器的登录态操作网页，无需API和重新登录。文章阐述三大核心设计：一是验证页面真实反应而非轻信工具返回值，解决"说做完但没做"的问题；二是通过批处理减少Agent逐步思考造成的等待，写操作四成走批处理；三是将撞坑经验存入本机经验库供后续复用，第二次任务调用量从281次降至10次以内。安全方面坚持判断不交给模型：提交、支付等危险动作弹确认卡且Agent无法绕过。十四天执行两万余条命令，成功率96%。
文章介绍了用AI推进真实项目时面临的两大痛点：材料多且杂导致AI抓错文件，以及新开对话后进度全丢失。作者提出「项目分身」方法：一是将项目文件夹规范为四区（01原始材料只读、02过程草稿、03内容底稿、04交付成果）；二是在根目录建立两份核心文件——CODEBUDDY.md写长期规则、00_项目总览.md记录动态进度，实现规则与进度物理分离。文章还讲解了用户提示词与系统提示词的区别、AGENTS.md跨生态通用标准及全局与项目规则分层，附上开箱即用的初始化提示词，并以「换对话不换文件夹，AI 10秒无缝接手」作为硬验收标准。
作者基于 Karpathy 提出的 LLM wiki 理论，结合 WorkBuddy/Codex 与 Obsidian，搭建了一套能够自生长的个人知识库系统。文章解释了 LLM wiki 与 RAG 类方案的区别：知识不是每次临时拼装，而是通过 Raw（原始资料）、Wiki（结构化知识）、Schema（规则规范）三层架构持续增量沉淀。Obsidian 以本地化 Markdown、双链和插件生态承担存储底座与人机界面，Agent 负责理解新资料、建页、建链、维护索引与变更日志。文中给出了完整目录模板、详细提示词，介绍了直接搭建、claude-obsidian 插件等多种搭建方法，并分享了模型选型与实战建议。
作者实测Claude Fable 5.1新模型，发现其在长时间Agent任务、浏览器自动化和电脑自动化方面显著提升，达到甚至超越Codex GPT 5.6的水准。缓存读取成本下降75%。作者用一句话提示语让模型完成goodcase.ai网站的UI批量优化、提示语分类系统和热度衰减算法更新。还基于杜威十进分类法、分面分类、洛克索引法、瓦尔堡好邻居法则和卢曼卡片盒笔记法等五个理论，让Fable 5.1制作了文件整理skill（carl-file-organizer）。通过3D版愤怒的小鸟游戏测试，Fable 5.1完成度高于GPT 5.6 Sol，包含4种鸟和8个关卡，物理反馈细致。但写作能力相比Opus 4.6有所退步。
文章从文件层完整拆解了 WorkBuddy 的 Skill 机制，回答四个核心问题：Skill 是什么、放在哪、从哪来、怎么维护。Skill 本质是一个文件夹，核心是写给 AI 读的方法论文档 SKILL.md（开放标准 agentskills.io 规范），依赖 description 实现按需加载。技能分用户级和项目级两级作用域，换项目后技能“消失”实为作用域混淆。‘我安装的’列表是聚合视图，来源包括自建、内置插件、技能市场、外部插件和连接器五类。作者还揭示了系统提示词中要求 AI 遇到能力缺口时先搜索技能市场的产品设计，并讲解了多 Agent 目录打通与软链接同步等维护实践。
本文是腾讯 AI 工作台 WorkBuddy 的万字入门教程，面向新用户图文并茂地讲解如何从零上手。作者从 WorkBuddy 的定位（能替你干活的 AI 工作台）讲起，逐一拆解界面三大区域：左侧导航、中间对话区、右侧结果区。随后分步指导下载安装、场景选择、输入框各按钮用法，并跑通第一个任务。文章还详细介绍了三种对话控制方式（直接执行、先列计划、纯咨询）、连接器接入外部服务（腾讯文档、QQ 邮箱、Canva 等）、100+ 领域专家智能体、技能市场插件安装、定时自动化任务以及模型选择建议，最后总结五条新手避坑指南。
