WorkBuddy 联网三件套：让 AI 助手自己上网查资料、抓数据

2026-09-14 12:58 17 阅读

为什么 AI 需要“上网”能力

大模型的知识是静态的——它只记得训练截止前见过的内容。一旦你问“今天发布了什么”“这款手机现在多少钱”或者“帮我盯着这个页面有没有更新”，它就只能靠猜，甚至编造答案。这种局限带来三个实际问题：

时效性缺失：无法获取训练后的新事件、价格变动或政策更新。
事实不可靠：没有来源支撑的回答容易产生“幻觉”，一本正经地胡说八道。
无法动手操作：就算知道信息在哪，传统 AI 也打不开网页、填不了表单、抓不到动态加载的数据。

WorkBuddy 的思路不是给模型塞更多参数，而是给它配工具。当任务需要最新信息或交互操作时，AI 可以主动调用网络能力，完成从“查”到“做”的闭环。这套工具被拆成三层：WebSearch（搜）、WebFetch（读）、agent-browser（做）。

三件套能力地图

WebSearch：多引擎实时搜索

WebSearch 是最轻量的一层。它会根据当前时间自动带上上下文（比如年份），发起多引擎搜索，返回整理好的结果块，包含标题、摘要和链接。

适合用来：

查找最新行业动态、技术文档或政策文件
做竞品初步调研
验证某个说法是否有公开来源

它的优势在于快、广、成本低。一次调用就能覆盖多个角度，适合“先搜一轮看看”的宽泛问题。但要注意，它只提供线索，不深入内容。

WebFetch：把网页读成结构化信息

如果说 WebSearch 给你的是目录，WebFetch 干的就是精读。你给它一个具体 URL 和一段抽取提示，它会抓取页面、清理 HTML 噪声、转成干净的 Markdown，再用模型提炼出你要的关键信息。

典型场景包括：

从官方文档中提取安装步骤或系统要求
抓取商品页面的价格、参数或规格表格
对长文章做摘要，或把列表整理成结构化格式

它的特点是准、深、可定向。因为你明确告诉它“我要这个页面里的 X”，它就不会被广告、导航栏或推荐内容干扰。

agent-browser：控制浏览器做真人操作

前两层解决“读”，agent-browser 解决“做”。它内置 Chromium 内核，能让 AI 像真人一样操作浏览器：打开页面、滚动加载、点击折叠面板、翻页、填表、截图，甚至运行自动化测试。

适用情况有：

抓取需要登录或动态渲染的内容（比如 SPA 应用）
自动填写表单并提交
批量采集分页数据
需要“看到页面状态”才能继续的复杂任务

这是纯搜索或静态抓取做不到的能力——它真正让 AI 有了“手”。

三者的协作关系与典型工作流

这三层不是互相替代，而是分阶段配合：

先用 WebSearch 找到候选页面 → 再用 WebFetch 精读静态页面拿结构化信息 → 遇到需要交互/登录/动态渲染的，交给 agent-browser 动手操作。

举个例子：你想生成一份主流微服务框架的对比报告。

WorkBuddy 先用 WebSearch 搜出 Nacos、Consul、etcd 等候选方案。
对每个项目的官方文档，用 WebFetch 提取特性、生态支持、适用场景等关键段落。
如果某个评测网站需要滚动加载或点击“展开详情”才能看到完整数据，就切换到 agent-browser，让它模拟用户操作，抓取完整内容。
最后汇总成一份带来源链接的 Markdown 报告。

整个过程无需人工干预，AI 根据任务复杂度自动选择合适的工具。

实战指令模板（直接复制用）

下面几段指令可以直接发给 WorkBuddy，覆盖三件套的核心用法。

模板一：实时资讯检索（WebSearch）

搜索今天 AI 行业的重要新闻，按“发布机构 + 核心事件 + 影响”整理成 5 条清单，
每条标注大致时间，不要编造来源。

模板二：网页精读提取（WebFetch）

打开这个官方文档链接，提取“安装步骤”和“最低系统要求”两节，
整理成要点列表，保留关键参数（版本号、内存、磁盘）。

模板三：浏览器自动化抓取（agent-browser）

打开这个竞品官网链接，滚动加载全部产品，提取产品名称、售价、核心功能，
剔除重复产品，整理成 Excel 保存到桌面，并截取产品页截图归档。

如果你好奇 agent-browser 背后是怎么实现的，可以用 Playwright 写一个本地等价脚本：

from playwright.sync_api import sync_playwright

url = "https://example.com/products"

with sync_playwright() as p:
    browser = p.chromium.launch(headless=True)
    page = browser.new_page()
    page.goto(url, wait_until="networkidle")
    # 模拟向下滚动，触发懒加载
    page.mouse.wheel(0, 3000)
    page.wait_for_timeout(1500)
    # 抽取页面可见文本
    text = page.inner_text("body")
    print(text[:2000])
    browser.close()

这段代码模拟了“打开页面→滚动→等待→提取文本”的完整流程。在 WorkBuddy 中，你不需要写代码，只需用自然语言描述目标，agent-browser 会自动完成这些底层操作。

避坑要点

虽然三件套很强大，但也有使用边界，注意以下几点能避免浪费时间和算力：

带登录或验证码的页面抓不了：银行、部分后台系统、需要短信验证的页面无法自动通过。遇到这类任务，建议手动提供数据或换用公开来源。
海量分页要限流：如果指令是“抓取所有产品”，而页面有上千条，任务可能长时间空转。最好加上限制，比如“最多抓 20 条”或“只抓第一页”。
复杂网页先切 Plan 模式：对于需要多步点击、容易加载失败的页面，让 AI 先规划操作步骤（比如“先点 A，再等 B 出现”），再执行，能降低页面状态错乱的概率。
抓完及时关浏览器：agent-browser 任务结束后会自动释放资源，但如果频繁调用，仍需留意内存占用。长期运行的任务建议定期重启会话。
信源要可追溯：对外输出的内容，尽量保留原始 URL。这样你后续可以快速核对信息真伪，避免被 AI 的幻觉误导。