Tabbit博客

如何用 Nemotron 3.5 Super VL 操作已登录的浏览器

用视觉语言模型核对工单截图与页面文字,确认本机浏览器连接,并在修改工单前设置人工复核。

本文目录
  1. 要点
  2. 分别检查模型、Agent 和浏览器
  3. 把截图和工单文字作为两类证据
  4. 让人工保留审核权

要让 Nemotron 3.5 Super VL 配合已登录的浏览器工作,需要一个运行准确视觉语言检查点的推理服务,以及能在本机执行 Tabbit CLI 的 Agent。第一项任务可读取支持工单和截图附件,核对工单号与状态,然后停下,不修改记录。NVIDIA 于 2026 年 10 月 15 日发布 Super VL;它与文本版 Nemotron 3.5 Super 是两个不同模型(NVIDIA 技术说明)。一位社区测试者报告,Super VL 的若干测试触及默认 16k 输出上限,因此应限制任务范围并检查是否截断(测试记录)。

要点

  • 只有任务需要处理截图或扫描附件时,才使用 VL 模型。

  • 先确认准确检查点和推理路径。NVIDIA 提供 NIM 模型入口与 Hugging Face 权重。

  • 支持图像输入不代表 OCR、工具调用或本机浏览器访问一定正确。

  • 首次任务保持只读,保留来源 URL,并由人对照可见页面。

  • 不要把 Super VL 与文本版 Super 发布混为一谈。

分别检查模型、Agent 和浏览器

层级检查项通过证据失败处理
检查点选择 Nemotron 3.5 Super VL 120B-A12B,而非文本版 Super服务显示准确 ID,并接受图像输入核对别名、模态支持和服务版本
Agent 主机能调用模型并运行本机工具小型推理请求与技能发现均成功分清服务商配置问题和 CLI 问题
浏览器Tabbit 任务标签页打开正确登录工单URL、工单号和账号标签可见自行登录;遇到登录页就停止

本次研究环境运行 pi --offline --list-models nemotron-3.5-super-vl-120b-a12b 后没有找到对应条目,也没有发起推理。目录里出现模型,不等于你的客户端能运行它。浏览器端可参考 Tabbit CLI 快速开始、CLI 完整指南和 Codex 配置步骤。Pi 调用 Tabbit 技能使用 /skill:tabbit;其他客户端的入口可能不同。远程 Agent 还必须支持本机交接。

把截图和工单文字作为两类证据

先在 Tabbit Browser 中登录工单网站,再让本机 Agent 检查当前任务标签页的工单正文和图片附件。要求它分开标注来源,避免截图里的标签不知不觉取代工单正文。一位 Reddit 用户在一项冷门游戏规则测试里认为 Super VL 接近正确答案,但仍记录到若干事实错误。那只是单次个人测试,不能当成性能保证;它提醒我们每个字段都要回到原始页面核对。

可以用下面的提示词开始:

读取 Tabbit Browser 当前支持工单和截图附件,不要编辑或提交任何内容。
返回工单号、状态和产品标签。分别说明每个值来自页面文字还是图片,附当前 URL,无法确认的文字标为未知。
将审阅草稿命名为“Nemotron VL Ticket Review — GEO-219”。不要保存到工单。
停下来,把提取结果和可见来源并列展示,供我核对。

GEO-219 是示意测试名称,不是真实工单或模型测试。人工复核时直接查看截图,确认它对应当前工单,并检查回复是否被截断。若页面不需要图片,应优先使用文本流程。

让人工保留审核权

字段保留的证据人工检查点
工单号标题文字及附件上下文确认两者属于同一记录
状态页面文字;必要时再看截图两处冲突时以当前记录为准,否则停止
产品标签截图区域和页面 URL核对拼写和上下文
建议操作工单请求和已批准政策链接由人决定编辑、回复或关闭

你可以在其他标签页继续工作,而 Agent 使用独立任务页。真实工单前先看连接现有浏览器的方法和首次任务清单。如果主机无法启动技能,可比较 MCP 与 CLI,或查看 Agent 浏览器 CLI 教程。需要依赖本机登录页面时,Tabbit Browser 是实用的本机方案。更多说明见面向 Agent 的浏览器、Playwright 自动化和浏览器自动化 Agent。主执行者的本地测试只验证了登录态复用,没有验证 Nemotron 视觉识别。阅读浏览器 Agent 安全风险,任何工单修改仍由人确认。

常见问题

Nemotron 3.5 Super VL 和 Nemotron 3.5 Super 是同一个模型吗?

不是。Super VL 是接受图像输入的视觉语言检查点;文本版 Super 是另一个模型。请在推理服务中核对准确名称。

Super VL 能保证正确读取截图吗?

不能。模型可能误读文字、忽略截图上下文或漏掉字段。应要求它标出不确定项,并由人逐项对照页面和图片。

在哪里运行 Nemotron 3.5 Super VL?

NVIDIA 提供该模型权重和 NIM 路径。本地运行取决于推理框架、硬件和配置;模型卡不等于你的电脑已能运行。

模型能直接看到我的 Tabbit 登录状态吗?

模型本身没有浏览器权限。本机 Agent 在你登录的 Tabbit 环境中调用浏览器工具;每次任务都应确认页面和账号。

读取截图后,可以让 Agent 修改工单吗?

首次运行应只读页面。先由人核对工单号、状态和请求,再决定是否编辑或发送。

下一步

让 Tabbit 与你并肩工作。

跨标签页调研、自动化重复的浏览器工作,让每一处上下文都触手可及。