这可能是目前离“AI 替你打工”最近的一次机会
Manus Browser Operator 新功能实测：让 Agent 从云端沙箱跳进本地浏览器，直接接管需要登录的高价值任务。
简单说，以前 AI 是“远程遥控”容易被网站当成机器人拦截；现在它是“坐在你腿上”操作，完全复用你的真人身份。
1️⃣ 突破风控（Anti-scraping）
云端 Agent 最大的痛点是 CAPTCHA 和 IP 封禁。现在直接调用本地 Chrome/Edge 的 Cookies 和 Session，无需二次验证即可操作 Crunchbase、SimilarWeb 或公司 CRM，彻底解决“异地登录”难题。
2️⃣ 所见即所得（WYSWYG）
它在独立 Tab 中运行，你可以盯着它点击、滚动、填表。相比后台 API 的黑盒模式，这种“人机协作”不仅数据隐私更可控（不存密码，关页面即停），还能随时接管干预，信任成本极低。
3️⃣ 建议
对于不想自己维护 Selenium/Puppeteer 脚本或 Cookie 池的 Dev，这是极佳的 MVP 替代方案。注意：目前仅限 Pro+ 用户（$40/mo 起），复杂任务消耗 Credit 较快，建议先用小样本任务测算 ROI。
🔗 官方介绍：manus.im/features/manus-browser-operator
#AIAgent #自动化工作流 #RPA #Manus #生产力工具
这可能是目前离“AI 替你打工”最近的一次机会
更多动态
别再把时间浪费在「看图写码」的机械劳动上了
，Figma 刚悄悄把 Gemini 3 Pro 塞进了生产环境 这不仅仅是换个模型，而是打通了「设计图 → 可运行代码原型」。 简单说，Figma Make 现在的核心推理引擎可以替换为 Gemini 3 Pro，利用其针对代码逻辑优化的能力，生成结构更规范的前端原型。 🔹 开启路径（藏得很深） 进入 Figma Make 文件 → 右上角 Settings → Experimental models → 勾选 Gemini 3 Pro。开启后，所有的 AI 生成与迭代（Iterate）都会强制调用新模型。 🔹 核心差异 相比默认模型，Gemini 3 Pro 在处理组件嵌套（Nesting）和交互状态（State Management）时逻辑性更强。官方实测显示，它能更精准地将视觉意图转化为「代码支撑的原型」，而非单纯的图层堆砌。 🔹 建议 把它当作「高阶脚手架」使用。输入 Prompt → 生成 React/Tailwind 原型 → 导出代码 → 本地重构。不要指望它直接产出 Production Ready 代码，但它能帮你省掉 60% 的起手样板代码时间。 🔗 官方说明：https://help.figma.com/hc/en-us/articles/36400680326551 #Figma #AI工作流 #前端开发 #Gemini3 #快速原型
AI OS 要来了？Windows 11 原生支持 MCP
，打破 AI 与本地文件的“物理隔离” 微软正在测试 AI File Connector，让 Claude/Manus 直接操作本地数据，免去“上传云端”的繁琐与隐私顾虑。 ◦ 零延时交互：不仅是文档总结，更能实现“Vibe Code”——让 AI 直接读取本地素材生成网站代码，数据无需离开本机，隐私风险大幅降低。 ◦ 开发者关注：系统采用了 Agent Workspace 独立沙盒机制，每个 AI 权限隔离。目前处于 Insider 测试阶段，需在 System > AI Components 手动开启实验性功能。 ⚠️ 潜在风险 虽然有审计日志和权限管控，但 AI 仍有“幻觉”可能（如跨文件夹误读），建议在非核心数据区先跑通 MVP 流程，不要上来就给全盘权限。 #AI工作流 #本地部署 #MCP协议 #生产力工具
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
