给 Agent 装上「手和眼」
dsh-browser：AI 终于不用隔着屏幕干活了
让 DeepSeek Harness 拥有「手和眼」——直接接管你正在用的真实浏览器，登录态全复用，连视觉模型都不用。
你发现没有，跟 AI 协作干活，最烦的一步是什么？
不是它笨，是它「看不见」。
我想让它帮我看看一个网页、整理一份资料、分析一下评论区，常规操作是什么？复制，粘贴，把一堆带格式的乱码甩给它，再祈祷它能读懂。网页一长，还得先自己提炼一遍，等于白干。
所以我一直觉得，AI 要真正能帮你干活，第一步不是模型多聪明，是得让它有「手和眼」——能看见你正在看的东西，能操作你正在用的工具。
最近 DeepSeek Harness 的生态里，就出了这么个插件，把我这个想法给落地了。
dsh-browser。
一个让 DeepSeek Harness 直接操作你真实浏览器的开源插件。GitHub 上 562 颗星，MIT 协议，作者是 Lum1104。
◆dsh-browser 实际接管浏览器的演示画面
KEY INSIGHT · 核心观点
它解决的事，说穿了就一句话：AI 终于不用「隔着屏幕」干活了。
◆AI 直接接管真实浏览器 · 登录态全复用
SECTION 01
跟那些「无头浏览器」方案，差在哪？
以前想让 AI 操作浏览器，主流方案是 Playwright 那种无头浏览器——另起一个看不见的浏览器实例，让 AI 在里面跑。
听着挺美，但有个致命伤：登录态是空的。你让它去查个需要登录的网页，它得先过一遍验证码；你让它操作你自己账号里的东西，它压根没有你的 Cookie。
dsh-browser 换了个思路：直接接管你正在用的那个浏览器标签页。
你登录着的 B 站、各种后台、各种需要账号的网站，它全部复用你的登录态。不需要重新登录，不需要另外配置，你平时怎么用浏览器，AI 就怎么用。
这一点，用过的都懂有多爽。
SECTION 02
更绝的是：不用视觉模型
一般让 AI「看」网页，得配个视觉模型，让它看截图。
dsh-browser 不走这条路。它把网页转换成结构化文本——标题、正文、按钮、输入框，全部列出来，每个可交互元素还编上号。
AI 只需要说「点 17 号按钮」，就能精准操作。
◆网页转文本 · 编号操作 · 不用截图
这带来两个实打实的好处：一是省了视觉模型的费用，纯文本模型就能跑；二是操作更精准，不会像看截图那样「凭感觉点」。
密码框和支付卡号这些敏感字段，永远显示成 ••••，根本不会进到模型那边。
SECTION 03
实际能拿来干嘛？
说几个我比较心动的场景。
调研对比
以前要对比几个产品，得自己一个个开网页、复制、整理。现在直接丢给 AI：「去这几个官网看看有什么区别，再搜搜用户反馈。」它自己开标签页、自己滚动、自己记录，最后给你一份整理好的结论。
并行干活
它支持多 Space 并行——AI 在一个 Space 里查资料，你可以在另一个 Space 里继续刷你的网页，互不干扰。相当于多了个「赛博同事」在旁边帮你跑腿。
◆AI 干活 · 我刷我的 · 互不干扰
改网页截图
想让 AI 做个封面图、找个合适截图，以前得自己改半天。现在直接跟它说「把左上角这个 Logo 挪到中间，其他内容都删掉」，它咔咔给你改好，你再截图，怎么截都合适。
发布后的杂活
视频/文章发出去之后，要同步到各平台、看评论区反馈，这些重复操作也可以甩给它。
它甚至能直接读你选中的文字，你不用描述「第几段第几行」，划一下，AI 就懂了。
SECTION 04
安装：比一般插件多一步
安装这块要提前说：它不是 dsh plugin add 一条命令就完事的，因为它是「桥接插件 + Chrome 扩展」的组合。
需要在 Chrome 里额外加载一个本地扩展。好在作者给了一键安装脚本，macOS/Linux 跑一行 curl 命令，Windows 跑 PowerShell 脚本，它会自动下载、构建、注册，然后打开 chrome://extensions 让你加载。
curl -fsSL https://raw.githubusercontent.com/Lum1104/
dsh-browser/refs/heads/main/scripts/install.sh | bash要求也简单：DeepSeek Harness 跑起来（默认本地 3080 端口），Chrome 116+ 或 Firefox 140+。
第一次装完，如果侧边栏显示「Not connected」，基本就是 dsh 没在跑或者版本太老，重启一下 dsh 就好。
SECTION 05
有一点得提醒
安全边界这事，用之前得想清楚。
它等于把你的浏览器操作权交给了 Agent。作者在防护上做得挺到位——密码卡号遮蔽、跨域跳转要确认、读取权限分三档（auto / ask / off）、绑定你正在用的标签页不静默乱跑——但有一句话我觉得很中肯：这种工具，只在你自己的工作电脑上使用。
另外它的局限也很明确：远程连服务器的时候，读不到你本机的浏览器会话——你不在电脑前，Agent 就「瞎」了。还有受保护的浏览器页面（chrome:// 这种）不支持。
说到底，它是给「人机同屏协作」设计的工具，不是给你远程挂机的。
SECTION 06
我的评价是
这个插件最打动我的，是它把 Agent 拉回了「你正在用的环境」里。
以前 Agent 活在终端里、活在对话框里，跟你的真实工作环境是割裂的。它不知道你正在看什么网页，不知道你已经登录了哪些网站，一切都要你手动喂。
KEY INSIGHT · 编辑按
dsh-browser 把这个断层补上了：AI 看见的，就是你看见的；你能操作的，它也能操作。
浏览器这个载体选得也妙——现在的网页应用几乎涵盖了我们所有的线上工作，让 Agent 在浏览器里干活，等于让它接入了一整个生态。
562 星、还在高频更新、社区口碑也不错（好几个「DSH 必装插件」榜单都有它）。虽然不是官方出品，但 MIT 开源、代码能自己审，用起来放心。
如果你也在用 DeepSeek Harness，这个插件值得装一下试试。让 AI 拥有「手」和「眼」，干活的感觉真的不一样。
— THE END —
