Installez Tabbit Browser et connectez Pi à un moteur local exécutant LFM3-1.7B. Pi peut ensuite utiliser Tabbit CLI pour lire un tableau dans une session ouverte.
À retenir
Le modèle, le client agent, Tabbit CLI, le profil du navigateur et la connexion au site sont distincts.
Vérifiez l’identifiant actuel du modèle et le chargement du skill Tabbit.
Commencez par lire les éléments visibles et arrêtez-vous sur un brouillon nommé.
La session dépend du profil Tabbit et du site. Vérifiez le compte et l’espace.
Choisir un moteur local pour LFM3
Utilisez l’identifiant exact du fournisseur. Une entrée dans un catalogue ne garantit pas l’accès selon le compte ou la région.
| Voie | À vérifier | À utiliser si |
|---|---|---|
| Modèle | modèle local: LiquidAI/LFM3-1.7B, skill Pi: /skill:tabbit | Le client affiche le modèle et le compte y a accès. |
| Navigateur | Agent local + Tabbit CLI | Le lanceur atteint le profil Tabbit connecté. |
| Accès | Compte, espace, rôle | L’identité affichée correspond à la tâche. |
Préparer la connexion locale au navigateur
Installez Tabbit Browser et suivez le guide de démarrage. Vérifiez que le client découvre le skill Tabbit, puis exécutez diagnose. Connectez-vous vous-même au site et contrôlez le titre, l’URL, le compte et l’espace.
OpenCode charge le skill avec @tabbit ; Pi utilise /skill:tabbit. Suivez l’entrée réellement affichée par votre client.
Résumer trois lignes de statut
Utilisez ce prompt et remplacez la page par la cible de votre tâche.
Lisez les trois premières lignes visibles. Relevez l’identifiant, le statut exact, le responsable et l’URL. Indiquez « non visible » pour tout champ absent. Préparez « Résumé des statuts avec LFM3 » dans le brouillon convenu et attendez ma vérification.Vérifications avant écriture
| Contrôle | Continuer si | Arrêter si |
|---|---|---|
| Modèle et client | Le bon modèle répond et le skill est chargé. | Le modèle, le fournisseur ou le skill reste inconnu. |
| Navigateur | diagnose montre la bonne instance Tabbit. | Le lanceur ne joint pas le bon profil. |
| Preuve | Chaque résultat contient le texte et l’URL source. | Le champ est caché ou déduit. |
| Brouillon | Le brouillon nommé reprend les lignes visibles. | Compte, espace ou date diffèrent. |
Quand réduire la tâche
La fiche du modèle recommande la recherche d’informations pour les tâches riches en connaissances et invite à limiter les raisonnements complexes en plusieurs étapes. Réduisez le nombre d’outils et la taille de l’échantillon. Même avec une inférence locale, le site et les autres outils peuvent utiliser le réseau. Un modèle local ne signifie pas que tout le flux est hors ligne. Testez d’abord avec des données non sensibles.
Commencez par une tâche brève en lecture seule. Gardez le brouillon visible et faites vérifier chaque élément avant toute écriture.
Pour aller plus loin : guide complet Tabbit CLI, connecter un agent au navigateur ouvert, liste de la première tâche, CLI ou Browser MCP, configurer Codex, réutiliser une session connectée, profils et espaces, contrôle du navigateur par un agent.
Annonce ou fiche du modèle · Documentation d’accès.
Questions fréquentes
LFM3-1.7B peut-il utiliser mon navigateur connecté ?
Oui, si un agent local charge le skill Tabbit et exécute Tabbit CLI. Le modèle ne se connecte pas seul au navigateur.
Ce modèle peut-il tourner en local ?
Yes. The official card lists several local runtimes. Hardware and quantization affect speed and memory; test the selected checkpoint first.
Que vérifier avant de lire la page ?
Vérifiez l’instance Tabbit, le compte, l’espace et le rôle. Arrêtez-vous si l’un ne correspond pas.
L’agent peut-il enregistrer ou envoyer automatiquement ?
Arrêtez-vous sur le brouillon nommé. Une personne vérifie les sources et approuve l’écriture.
Une nouvelle tâche conserve-t-elle la session du site ?
Elle peut être conservée avec le même profil Tabbit. Vérifiez le compte au début de chaque tâche.