第六章：让 AI 帮你操作网页——AI 浏览器
在前面几章里，你学会了和 AI 对话、让 AI 发邮件、让数字人自动运行。但 AI 的能力还有一个「杀手锏」：它能直接操作网页——打开网站、点击按钮、填写表单、翻阅页面，就像你亲自在操作电脑上的浏览器一样，只不过动手的是 AI。
想象一下这样的场景：你跟 AI 说「帮我去公司内部系统查一下本月的报销进度」，AI 就会自动打开浏览器、登录系统、找到对应页面、读取信息，然后把结果告诉你。这就是 AI 浏览器的功能。
6.1 AI 浏览器是什么
AI 浏览器，顾名思义，就是一个「AI 能控制的浏览器」。
用生活中的例子来理解：
- 普通浏览器（Chrome、Edge）：你自己打字、点击、翻页——所有操作都得自己动手
- AI 浏览器：你只需要告诉 AI「我要做什么」，AI 代替你动手——打开页面、点击按钮、填写表格、截图阅读
就像你有一个坐在电脑前的助手，你口头说「帮我查一下那个网站上的信息」，助手就会自己操作鼠标键盘帮你完成。
本手册后面说到「AI 浏览器」，就是指这个让 AI 操作网页的功能。
⚠️ 注意：AI 浏览器是 Halo 桌面客户端（安装在你电脑上的软件）独有的功能。如果你通过手机或其他设备远程访问 Halo，这个功能不可用。
6.2 在哪里开启 AI 浏览器
AI 浏览器的开关在聊天界面的输入框下方。让我们一步步找到它。
第一步：进入聊天界面
按照第四章的方法，进入任意一个空间的聊天界面。你会看到屏幕下方有一个输入框，这是你跟 AI 对话的地方。
第二步：找到输入框下方的工具栏
在输入框的下方，有一排小按钮组成的工具栏。从左到右依次是：
┌─────────────────────────────────────────────────────────────┐
│ 在这里输入消息... │
│ │
│ [+] [🌐 Web Control] [⚛ Deep Thinking] [发送] │
└─────────────────────────────────────────────────────────────┘
↑ ↑ ↑
附件按钮 AI 浏览器开关 深度思考开关在工具栏中间偏右的位置，找到一个带有 地球图标 🌐 和文字 「Web Control」 的按钮。
第三步：点击开启
把鼠标移到「Web Control」按钮上，按下鼠标左键单击一次。
- 开启状态：按钮变成蓝色（高亮），按钮右上角出现一个小蓝点。这表示 AI 浏览器已经开启
- 关闭状态：按钮是灰色的，没有小蓝点。这表示 AI 浏览器已经关闭
关闭状态： [🌐 Web Control] ← 灰色，无标记
开启状态： [🌐 Web Control]• ← 蓝色高亮，右上角有小蓝点💡 提示：AI 浏览器默认是开启的——也就是说，你第一次使用 Halo 时，这个按钮通常已经是蓝色的了。如果你不需要 AI 操作网页，可以点击关闭它。
做完后你会看到什么：按钮颜色在蓝色和灰色之间切换，确认开关状态已改变。开启时，AI 在对话过程中会自动判断是否需要打开浏览器——你不需要每次手动告诉它「请使用浏览器」。
6.3 让 AI 帮你做第一个网页任务
开启 AI 浏览器后，你只需要在聊天框里用普通话告诉 AI 你想做什么，AI 会自动判断是否需要打开浏览器。
示例：让 AI 搜索信息
在输入框里输入以下内容，然后按发送：
帮我去百度搜索"2026年银行间市场利率走势"，把搜索结果前五条的标题和链接整理给我。发送后，你会看到 AI 的回复区域出现一个特殊的卡片——这就是 浏览器操作卡片。
6.4 认识浏览器操作卡片
当 AI 开始操作网页时，聊天界面会出现一个特殊的卡片，让你实时看到 AI 在做什么。
┌─────────────────────────────────────────────────┐
│ 🌐 AI 正在操作浏览器 3/5 步 │
├─────────────────────────────────────────────────┤
│ ✓ 导航 https://www.baidu.com │
│ ✓ 填写 "2026年银行间市场利率走势" │
│ ◎ 点击 元素 search-button │
│ ○ 截图 可见区域 │
│ ○ 分析页面 获取页面结构 │
├─────────────────────────────────────────────────┤
│ www.baidu.com [👁 View live feed] │
└─────────────────────────────────────────────────┘卡片各部分含义：
顶部标题栏
- 左侧：🌐 地球图标 + 绿色小圆点（表示正在运行），文字显示「AI is operating the browser」（AI 正在操作浏览器）
- 右侧：步骤计数，比如「3/5 steps」表示 5 个步骤已完成 3 个
中间步骤列表
每一行代表 AI 的一个操作步骤，每行开头的符号表示状态：
- ✓（绿色对勾）：这一步已完成
- ◎（蓝色转圈）：这一步正在执行
- ○（灰色圆点）：这一步还在等待
常见的操作类型：
| 操作名称 | 含义 | 图标 |
|---|---|---|
| Navigate（导航） | 打开一个网址 | 🧭 导航箭头 |
| Click（点击） | 在页面上点击某个按钮或链接 | 🖱 鼠标指针 |
| Fill（填写） | 在输入框里填入文字 | ⌨️ 键盘 |
| Screenshot（截图） | 对页面截屏以便 AI 阅读内容 | 📷 相机 |
| Analyze page（分析页面） | 获取页面结构信息 | 👁 眼睛 |
| Scroll（滚动） | 上下滚动页面 | 📜 滚动条 |
| Type（打字） | 逐字输入文字 | ⌨️ 键盘 |
| Press key（按键） | 按下键盘上的某个键（如回车） | ⌨️ 键盘 |
| Select（选择） | 从下拉菜单中选择一项 | 📋 列表 |
| Hover（悬停） | 把鼠标移到某个元素上 | 🖱 鼠标指针 |
底部操作栏
- 左侧显示当前操作的网站域名（如 www.baidu.com）
- 右侧有一个 「View live feed」（查看实时画面）按钮——点击这个按钮可以看到 AI 正在操作的浏览器画面（下一节详细说明）
💡 提示：如果步骤太多（超过 3 个），卡片右上角会出现 「Expand」（展开）/ 「Collapse」（收起）按钮，你可以点击查看或隐藏全部步骤。
6.5 实时观看 AI 操作——View Live Feed
这是 AI 浏览器最有趣的功能之一：你可以实时看到 AI 在浏览器上做了什么，就像在看直播一样。
第一步：找到「View live feed」按钮
在浏览器操作卡片的右下角，有一个蓝色按钮，上面写着 「View live feed」（查看实时画面），旁边有一个眼睛图标 👁。
第二步：点击按钮
把鼠标移到「View live feed」按钮上，按下鼠标左键单击一次。
做完后你会看到什么：屏幕右侧会弹出一个新的面板，这个面板叫做 「画布」（Canvas）。画布里嵌入了一个完整的浏览器窗口，你可以看到 AI 正在操作的网页。
┌───────────────────┬────────────────────────────┐
│ │ ← → ↻ 🏠 [www.baidu.com] │
│ 聊天对话区域 │ │
│ │ AI 正在操作的 │
│ ┌──────────────┐ │ 网页画面 │
│ │ 浏览器操作卡片 │ │ │
│ └──────────────┘ │ │
│ │ │
│ ┌──────────────┐ │ │
│ │ 输入框 │ │ │
│ └──────────────┘ │ │
└───────────────────┴────────────────────────────┘
左侧：聊天 右侧：浏览器画布画布顶部的浏览器工具栏
画布顶部有一排控制按钮，从左到右依次是：
| 按钮 | 图标 | 作用 |
|---|---|---|
| 后退 | ← 左箭头 | 回到上一个页面（像浏览器的后退键） |
| 前进 | → 右箭头 | 回到下一个页面 |
| 刷新/停止 | ↻ 旋转箭头 / ✕ 叉号 | 刷新页面 / 页面加载中时变成停止按钮 |
| 首页 | 🏠 房子 | 回到浏览器首页（默认是 Bing 搜索） |
| 地址栏 | 输入框 | 显示当前网址，你也可以在这里输入新网址或搜索内容 |
| 设备模式 | 🖥 显示器 / 📱 手机 | 在电脑版和手机版页面之间切换 |
| 在外部打开 | ↗ 外链图标 | 用你电脑上的默认浏览器（如 Chrome）打开当前网页 |
| 更多选项 | ⋮ 三个点 | 菜单：截图、缩放、开发者工具 |
AI 操作指示条
如果 AI 当前正在操作这个浏览器，页面最顶部会出现一条蓝色提示条：
┌─────────────────────────────────────────────────┐
│ 🤖 AI is operating this browser ● Live │
├─────────────────────────────────────────────────┤
│ ← → ↻ 🏠 [.......地址栏.......] 🖥 ↗ ⋮ │
├─────────────────────────────────────────────────┤
│ │
│ 网页内容显示区域 │
│ │
└─────────────────────────────────────────────────┘- 左侧：🤖 机器人图标 + 绿色小圆点 + 文字「AI is operating this browser」
- 右侧：绿色圆点 + 「Live」，表示正在实时操作中
💡 提示：即使 AI 正在操作浏览器，你也可以在画布里自己操作——直接在地址栏输入网址、点击页面上的链接等。AI 和你的操作互不冲突。
6.6 你可以跟 AI 一起操作
AI 浏览器支持人机协作——AI 在操作的同时，你也可以随时接管或辅助。
你能做的事情：
- 在地址栏输入网址：把鼠标移到画布顶部的地址栏，点击一下，输入你想去的网址，按回车键
- 点击页面上的链接或按钮：直接在画布里的网页上操作，和普通浏览器一样
- 帮 AI 完成它做不了的步骤：比如 AI 遇到验证码（那种让你选图片的安全验证），你可以自己完成验证，然后告诉 AI「验证码我已经通过了，请继续」
- 切换设备模式：如果某个网站只有手机版好用，点击工具栏上的 显示器/手机 切换图标即可
切换设备模式的详细操作：
在浏览器工具栏右侧，找到一个看起来像 电脑显示器 🖥 的图标。
- 点击一次：切换到手机模式（图标变成 📱 手机形状，页面变窄，模拟手机屏幕）
- 再点击一次：切回电脑模式（图标变回 🖥 显示器形状，页面恢复正常宽度）
💡 提示：手机模式对于一些移动端优先的网站（如微信公众号文章链接）特别有用。
6.7 AI 浏览器能做什么——实用场景
以下是金融行业工作中 AI 浏览器可以帮你做的事情。你只需要在聊天框里用日常语言描述你的需求即可。
场景一：信息搜索和汇总
帮我打开中国人民银行官网，查看今天发布的最新公告，整理成表格给我，包含公告标题、发布日期和简要内容。AI 会自动打开网站、浏览页面、提取信息，然后在聊天里回复你一个整理好的表格。
场景二：填写网页表单
打开公司内部的考勤系统（网址是 hr.company.com），帮我填写今天的加班申请，
加班时间是 18:00-21:00，加班事由是"季度报告数据核对"。AI 会打开网页、找到表单、逐个填写字段。但通常 AI 不会自动提交——它会在填完后停下来，让你检查确认。
场景三：网页数据采集
打开上海证券交易所公告页面，找到最近 5 条关于"可转债"的公告，
把公告标题、发布时间和简介整理成表格。场景四：竞品和市场调研
帮我搜索最近一周关于"数字人民币"的新闻报道，从至少 3 个不同的新闻网站（如新浪财经、21世纪经济报道、金融时报）采集，
每条新闻给我标题、来源、日期和核心要点。场景五：辅助网页操作
打开 Hacker News（news.ycombinator.com），找到今天讨论最多的 5 篇文章，
给我每篇的标题、链接、评论数和一句话摘要。⚠️ 注意：AI 操作网页时可能会遇到以下限制：
- 需要登录的网站：AI 无法帮你输入密码登录。你需要先自己在画布中登录，然后让 AI 继续操作
- 验证码：图片验证码、滑块验证等安全验证需要你自己完成
- 非常复杂的交互：某些使用大量 JavaScript 动态加载的复杂页面，AI 可能无法正确识别所有元素
6.8 关于 AI 模型的要求
AI 浏览器有两种「看网页」的方式：
- 截图识别：AI 对页面截一张图，然后「看」这张图来理解页面内容（就像你看到网页截图一样）
- 结构分析：AI 读取页面的代码结构（DOM），通过分析代码来理解页面
关键区别：截图识别需要 AI 具有「看图」的能力，叫做 多模态（multi-modal）。并不是所有 AI 模型都有这个能力。
| AI 模型 | 能看截图吗 | 效果 |
|---|---|---|
| Claude Sonnet 4 及以上 | ✓ 能 | 能看截图 + 分析结构，效果最好 |
| GPT-4o | ✓ 能 | 能看截图 + 分析结构，效果好 |
| 不支持图片的模型 | ✗ 不能 | 只能分析结构，无法理解图片内容 |
如果你使用的模型不支持看图，AI 浏览器仍然可以工作——只是它「看」网页的方式从「看截图」变成了「看代码」，在某些复杂页面上可能不太准确。
💡 提示：如何知道你的模型是否支持看图？回到第四章 4.3 节，选择模型时优先选择标注了「多模态」或「Vision」的模型。如果不确定，直接用就行——AI 会自动选择它能用的方式。
6.9 给数字人开启 AI 浏览器
除了在聊天界面手动使用 AI 浏览器，你还可以让数字人（第二章）自动使用浏览器完成定时任务。
使用场景：比如让数字人每天早上 9 点自动去某个网站采集数据、生成报告。
第一步：打开数字人的设置页面
按第二章 2.6 节的方法，找到你要设置的数字人，点击进入后切换到 Settings（设置）标签页。
第二步：找到 AI Browser 开关
在设置页面中往下翻，找到 「AI Browser」 这一项。它的样子是：
┌─────────────────────────────────────────────────┐
│ 🌐 AI Browser [开关] │
│ Enable browser tools for web automation │
│ （启用浏览器工具，用于网页自动化） │
└─────────────────────────────────────────────────┘- 左侧：🌐 地球图标 + 文字「AI Browser」 + 说明文字
- 右侧：一个开关按钮
第三步：打开开关
把鼠标移到右侧的开关按钮上，按下鼠标左键单击一次。开关变成蓝色（开启状态）。
做完后你会看到什么：开关从灰色变成蓝色，表示这个数字人现在可以使用浏览器了。
⚠️ 注意：如果某个数字人的应用本身要求使用 AI 浏览器（由应用开发者设定），但你把这个开关关了，下方会出现一条黄色警告：
⚠ This app may require AI Browser to work properly （这个应用可能需要 AI 浏览器才能正常工作）
看到这条警告，建议你把开关打开。
6.10 需要登录的网站——Browser Login
有些数字人需要操作需要登录的网站（比如公司内部系统、特定的网络服务）。由于 AI 无法替你输入密码，Halo 提供了一个解决方案：Browser Login（浏览器登录）。
原理：你先在 Halo 内置的浏览器里登录一次，Halo 会记住登录状态（Cookie），之后数字人操作这个网站时就不需要再次登录了。
在数字人设置页面里，如果应用需要登录某些网站，你会看到一个 「Required Logins」（需要登录的网站）区域：
┌─────────────────────────────────────────────────┐
│ Required Logins │
│ ┌─────────────────────────────────────────────┐ │
│ │ 🌐 公司内部系统 ↗ │ │
│ └─────────────────────────────────────────────┘ │
│ ┌─────────────────────────────────────────────┐ │
│ │ 🌐 客户管理平台 ↗ │ │
│ └─────────────────────────────────────────────┘ │
│ Click to open the website and log in via │
│ the Halo browser. │
└─────────────────────────────────────────────────┘操作方法：
- 点击某个网站条目（比如「公司内部系统」），Halo 会打开一个浏览器窗口
- 在这个浏览器窗口里，像平常一样输入用户名和密码，完成登录
- 登录成功后关闭窗口
之后数字人在自动运行时，就可以访问这个已登录的网站了。
⚠️ 注意：登录状态可能会过期（就像你长时间不用某个网站会被自动退出一样）。如果数字人在运行时报告无法访问某个网站，回到这里重新登录一次即可。
6.11 AI 浏览器的地址栏
画布中的浏览器地址栏不仅能输入网址，还能当作搜索框使用。
输入网址：直接输入完整网址（如 www.baidu.com），按回车键，浏览器会打开该网站。地址栏左侧会显示一个 🔒 锁图标（表示 HTTPS 安全连接）或 🔓 开锁图标（表示 HTTP 非加密连接）。
搜索内容：在地址栏里输入任意文字（如「央行利率」），按回车键，浏览器会自动用 Bing 搜索引擎搜索这些文字。地址栏左侧会变成一个 🔍 搜索图标，提示你这是一次搜索而非直接访问网址。
输入网址时： 🔒 https://www.baidu.com
输入搜索时： 🔍 央行利率
空白时： 🌐 Enter URL or search Bing...💡 提示：你不需要输入
https://，直接输入baidu.com就行，Halo 会自动补全。
6.12 更多选项菜单
在浏览器工具栏最右侧，有一个 三个点 ⋮ 的按钮。点击后会弹出一个菜单，提供以下功能：
- 截图（Screenshot）：对当前网页截图并保存
- 缩放（Zoom）：放大或缩小网页显示比例，适合看小字或查看全貌
- 开发者工具（Developer Tools）：技术人员调试用，普通用户不需要使用
6.13 页面被限制访问
在某些情况下，你可能会看到浏览器画面显示一个 「Access Restricted」（访问受限）页面，中间有一个红色的锁图标。
┌─────────────────────────────────────────────────┐
│ │
│ 🔒 │
│ Access Restricted │
│ │
│ This page has been blocked by policy. │
│ （此页面已被策略阻止） │
│ │
└─────────────────────────────────────────────────┘这说明你的组织或 Halo 管理员设置了浏览器策略，禁止访问某些网站。这通常是出于安全考虑。如果你需要访问被阻止的网站，请联系你的 IT 管理员。
常见问题
Q1：我在聊天里让 AI 去看一个网页，但 AI 说它没有浏览器功能，怎么回事？
检查输入框下方的 「Web Control」 按钮是否是蓝色（开启状态）。如果是灰色的，点击一下开启它，然后重新发送消息。
Q2：AI 操作网页的过程中卡住了，怎么办？
你可以在聊天框里输入补充说明帮助 AI 继续。比如：
页面已经加载好了，请继续查看搜索结果。如果 AI 实在无法继续，你可以自己在画布里手动操作，然后告诉 AI 你做了什么。
Q3：AI 能帮我登录网站吗？
出于安全考虑，不建议把密码告诉 AI。正确做法是：
- 先在画布的浏览器里自己登录
- 登录成功后，告诉 AI「我已经登录了，请继续操作」
对于数字人，使用 6.10 节介绍的 Browser Login 功能提前登录。
Q4：AI 浏览器和我电脑上的 Chrome/Edge 是同一个东西吗？
不是同一个东西，但技术上非常接近。Halo 的 AI 浏览器基于 Chromium（Chrome 的开源基础），所以网页的显示效果和你在 Chrome 里看到的几乎一样。区别在于 AI 浏览器运行在 Halo 内部，AI 可以控制它。
Q5：AI 操作浏览器时，我的网站登录信息安全吗？
AI 浏览器运行在你自己的电脑上，Cookie 和登录信息存储在本地，不会上传到云端。但 AI 在操作过程中可能会「看到」页面上显示的信息（因为它需要截图或分析页面内容来完成任务），所以：
- 不要让 AI 操作包含高度敏感信息（如银行转账确认页面）的网页
- 对于敏感操作，建议你自己在画布中手动完成关键步骤
Q6：数字人的 AI Browser 开关和聊天界面的 Web Control 有什么关系？
它们是两个独立的开关，分别控制不同场景：
- Web Control（聊天界面）：控制你在聊天对话中是否允许 AI 使用浏览器
- AI Browser（数字人设置）：控制某个数字人在自动运行时是否可以使用浏览器
两个开关互不影响。你可以开着聊天的 Web Control，同时关闭某个数字人的 AI Browser，或者反过来。
Q7：我想让数字人自动帮我每天签到一个网站，可以吗？
可以，步骤如下：
- 按第二章创建一个数字人，在 System Prompt 里写清楚签到网站的网址和操作步骤
- 按 6.9 节开启该数字人的 AI Browser 开关
- 如果网站需要登录，按 6.10 节完成 Browser Login
- 设置运行计划（如每天早上 9:00 运行一次）
- 注意：登录状态可能过期，需要定期检查
Q8：操作卡片上的步骤全都显示红色叉号，说明什么？
红色叉号 ✗ 表示这一步执行失败了。常见原因：
- 网页加载超时（网络慢或网站无响应）
- 页面结构发生了变化（AI 找不到要点击的按钮）
- 网站返回了错误页面
你可以在聊天框里告诉 AI 出了什么问题，让它重试或换一种方式操作。