受控浏览器 — 让 AI 自己操作网页

AI 不只是回答问题——它可以自己开一个浏览器，导航、登录、填表、点击、截图、读回结果。你只要说清要做什么，它自己操作，你在旁边看着。这一篇讲这套能力怎么用、边界在哪。

一、它是什么

qd 自带内核即浏览器——不需要你装 Chrome、不需要任何驱动，新电脑、Win7、干净系统都能用。同时也可以用你机器上已经装好的 Chrome / Edge / Brave（内核更新，主流站点零兼容债）。

对 AI 来说，它拿到的不是"一个窗口"，而是：可以导航的页面、可以点按的坐标、可以读回的真实 DOM、可以截的图、可以持久保存的登录态。

二、怎么让它干活

直接说就行，例如：

• 「打开某某站，把这张表按我给你的 20 行数据填完，一条一条来」
• 「登到我这个账号，把最近 30 天的订单列表抓下来存成 csv」
• 「去这个后台，把这条内容发布了，发布前把预览截图给我看」

它会先探页面结构（而不是照着猜的选择器硬点），写完必读回验证，关键动作前先说一句"我在干什么"——你的屏幕是直播状态，随时能看见它在哪一步。

什么时候会叫你：登录、验证码、人脸识别。这三件事它不硬闯，会把窗口留给你，你操作完再继续。花钱和不可逆的动作（提交、发布、付款、删除）会停下来等你一句确认。

三、多身份并行（这是它存在的理由）

AI 需要知道"我现在在哪个身份里操作"，而不是碰运气的默认浏览器。所以身份是一个参数：

• 一个档案槽 = 一个身份：登录态、cookie、storage 各自独立、互不可见；落在 qd 的数据目录里，可备份、可迁移、不上云。
• 两个账号可以同时在线：各有各的窗口、各有各的端口，互不干扰。
• 绝不猜身份：多身份场景每次调用都要明确槽名；算不出来就报错，不会静默回落到默认槽（猜错 = 拿别人的登录态操作，最坏的错法）。

登录一次长期免登。想让人看效果时窗口是可见的；批量跑可以用静默档（隐藏窗口，登录态照样保留）。

四、内核可换，档案不换

所以槽位首次使用后就钉住内核了；要换内核必须显式重绑，旧档案原样保留、随时能换回来。

用哪个内核：

• qd 自带：零依赖、Win7 可用、受控最严（权限白名单、导航白名单、下载固定落在数据目录、空闲自动退出）。
• 本机 Chrome / Edge / Brave：内核够新，个别强风控站点用这个更稳。装在哪都能自动找到。

五、窗口怎么管

• 默认可见：AI 干活、人看效果；被别的窗口挡住不影响截图。
• 静默档：隐藏窗口跑批量，二十分钟半小时没有活动会自己退出（可调）。
• 想收起来：直接关窗口——下次任务自动重开，登录态在档案里，不丢。
• 这个窗口设计上不可最小化（最小化会暂停渲染），需要它消失就关掉。

六、下载的东西落在哪

内置内核的下载固定落在档案目录下（重名自动加序号），不落 C 盘；30 天前的旧文件与超过 2 GB 的部分会自动清（不碰 24 小时内的新文件）。外部内核走它自己的下载目录，不受我们管。

七、边界（重要）

• 只在允许的范围内导航：内置内核有导航白名单与权限白名单，越界会明确拒绝而不是静默失败。
• 风控不硬闯：遇到验证码、人机校验就交给人；换身份不是绕过风控的手段。
• 登录态不跨内核：这是安全设计，不是缺陷。
• 外部内核有它的提示条：浏览器自己的"受自动测试软件控制"提示去不掉，不影响操作。
• 旧版 qd 的包里没有这套能力时会明确报错（不会误启动老包）。

八、平台实态（实话）

延伸阅读：对话基础 — 任务、发送与接续 · 选择 AI 等级 · 上下文背包·基本