Tabbit部落格

如何用 MiniCPM-V 4.7 35B-A3B 操作已登入網頁

用 MiniCPM-V 4.7 35B-A3B 擷取頁面可見欄位,人工核對後停在表單送出前。

本文目錄
  1. Tabbit CLI 的用途

MiniCPM-V 4.7 35B-A3B 能協助解讀畫面,但本身不會操作瀏覽器。請搭配已確認的模型執行環境與可呼叫 Tabbit CLI 的本機 Agent,只擷取可見欄位、填入草稿並等待你檢查。網站登入、模型供應端與 CLI 啟動方式是三項不同的確認。

在 Tabbit Browser 開啟目標頁,確認帳號與環境正確。依客戶端文件安裝 Tabbit skill。只有支援具名 skill 的客戶端才使用 /tabbit;Pi 使用 /skill:tabbit,有些客戶端則透過 /skills 尋找 skill。再確認執行環境能載入 35B-A3B、接收圖片並執行本機工具。

Agent 應把欄位對應到頁面證據,填入名為 GEO-104-review 的獨立草稿,然後停在儲存前。每個值都要附上可見原文與核對狀態。CLI 任務使用自己的分頁,你可繼續瀏覽其他頁面。遠端 Agent 除非有經過驗證的本機交接方式,否則無法連到這台電腦的瀏覽器。

判斷檢查停止條件
模型執行環境列出確切版本模型 ID 不明
證據值出現在目前頁面欄位模糊
表單使用獨立草稿即將提交正式記錄
頁面輸入預期輸出人工核對
工單或發票欄位、值、原文、狀態逐項比對
看不清的資料unknown不可猜測
目的表單未儲存草稿確認帳號和環境
僅在本機執行環境確認支援 MiniCPM-V 4.7 35B-A3B 時使用。
讀取目前已登入的頁面,只擷取:[欄位名稱]。
每個欄位回傳值、頁面可見原文和狀態(已核實/有疑義/未知)。
不可依記憶補值。看不清楚就回傳 unknown。
將已核實欄位填入獨立草稿。不可儲存、送出、傳送或修改正式資料。
草稿命名 GEO-104-review。展示草稿和證據表,等待我檢查。

這是編輯用範例,尚未在模型上測試。

Hugging Face 將 35B-A3B 列為 Apache-2.0 的 image-text-to-text 模型,並提供 Transformers、vLLM 推理路徑。這些資料說明模型權重與推理選項,不代表 Agent 整合或瀏覽器自動化能力。模型卡沒有證明它能呼叫 Tabbit CLI,也沒有證明它能準確填寫表單。

Reddit 一位使用者提到手機展示中的 35B-A3B 讀取路牌和文件的用途。另一篇討論認為低記憶體展示值得關注,也提醒下載容量與裝置 RAM 的條件。這些是個人意見,不能證明準確度。我沒有找到相關 X 貼文;YouTube 搜尋影片無法觀看。

執行環境若無法確認模型版本和圖片輸入,請先用本機截圖樣本及非正式測試頁。敏感資料留在核准環境。能看圖不代表能登入網站,網站已登入也不表示模型路由正常。

Tabbit CLI 的用途

工作結果可先留在命名草稿,再由人檢查證據。連線教學請看 Tabbit CLI 教學、連接現有瀏覽器、設定檢查表、MCP 與 CLI 比較、Codex 設定、Claude Code 設定、Haiku 指南及 Sonnet 指南。

需要使用已登入網頁、又要讓人留在瀏覽器工作的情境,可評估 Tabbit Browser。公開 CLI 文件說明支援的本機 Agent 可操作瀏覽器並沿用該環境的登入狀態;仍須依所選客戶端安裝。專案的本機測試夾具驗證了登入狀態重用,沒有驗證 MiniCPM-V 或第三方模型主機。

這適合低風險且逐欄檢查的資料整理。不要用它核准付款、寄訊息或改正式資料。執行重要動作前,先確認帳號、目的頁、欄位證據及測試或正式環境。

常見問題

這適合低風險且逐欄檢查的資料整理。不要用它核准付款、寄訊息或改正式資料。執行重要動作前,先確認帳號、目的頁、欄位證據及測試或正式環境。

Review the model and tool availability before starting. Stop before consequential actions.

## 常見問題

Review the model and tool availability before starting. Stop before consequential actions.

模型可以單獨操作瀏覽器嗎?

不行,還需要能提供模型和瀏覽器工具的本機 Agent。

怎樣確認本機可執行?

查明客戶端支援確切版本、圖片輸入和本機工具。

CLI 會沿用登入狀態嗎?

它使用目標 Tabbit 瀏覽器環境的登入狀態;每次都要核對帳號和網站。

可以提交表單嗎?

本流程停在未儲存草稿,正式提交交由人員確認。

下一步

讓 Tabbit 與你並肩工作。

跨分頁調研、自動化重複的瀏覽器工作,讓每一處上下文都觸手可及。