AI browser automation na gumagana sa kahit anong website, kahit anong modelo, sa halaga na lang ng modelo

Ano ang AI browser automation?

Pinapalitan ng AI browser automation ang marupok na gitnang bahagi ng tradisyonal na automation. Sa halip na mag-record ng mga selectors na babasag sa susunod na ilipat ng designer ang isang button, binabasa ng ahente ang pahina tulad ng isang tao, pumipili ng susunod na gagawin, isinasagawa ito, at sinusuri ang resulta. Ikaw ang maglalarawan ng gusto mong mangyari; ang ahente na ang bahalang mag-isip kung paano ito gagawin.

Dahil dito, naaalis ang pangunahing dahilan kung bakit karamihan sa mga automation project ay nabibigo. Ang isang Selenium o Playwright script ay nakatali sa eksaktong itsura ng pahina sa oras na ito ay isinulat. Ang ahente sa browser naman ay nakatali sa layunin. Kapag nagbago ang pahina, nabibigo ang script pero umaangkop ang ahente.

• Walang selectors, walang XPath, walang naka-record na click path na pangangalagaan
• Gumagana sa kahit anong website na kaya mong buksan, kahit wala itong API
• Tumatakbo sa loob mismo ng browser mo, kasama ang mga sesyon na naka-login ka na
• Ipinapaliwanag ang ginawa nito, hakbang-hakbang, sa halip na basta na lang bumigo nang tahimik
• Tumitigil muna para sa aprubasyon mo bago gumawa ng anumang may malaking epekto

Bakit ang kalayaan sa modelo ang pinakamahalagang punto

Anumang ahente sa browser na nakatali sa iisang vendor ay mamanahin ang presyo, limitasyon, availability, at roadmap ng vendor na iyon. Kailangan ng bayad na Claude plan ang Claude in Chrome. Ang kasangkapan na ginawa base sa iisang API ay babasag sa araw na baguhin ng API na iyon ang mga tuntunin nito. Dapat mas matagal pa sa buhay ng daloy ng trabaho na pinaghirapan mong buuin kaysa kung sinong modelo ang pinakamagaling ngayong quarter.

Sa Melaya, ang modelo ay isa lamang setting. Ang parehong gawain sa browser ay tumatakbo man sa naka-connect na cloud provider, sa lokal na modelo gaya ng Ollama o LM Studio sa sarili mong makina, o sa subscription mo sa Claude Code o Codex na binabayaran mo na. Palitan ito depende sa gawain: murang mabilis na modelo para sa karaniwang pagkuha ng datos, mas malakas na modelo para sa mahirap na pahina, at lokal na inference para sa paulit-ulit na gawain na ayaw mong may bayad kada gamit.

• Walang bayad kada mensahe kapag pinatakbo mo ang lokal na modelo sa sarili mong hardware
• Palitan ang provider nang hindi na kailangang buuin ulit ang automation
• Gamitin ang subscription sa AI na meron ka na sa halip na bumili pa ng bago
• Walang iisang vendor ang makakapagpawalang-bisa sa daloy ng trabaho mo

Ang pinakamurang paraan para awtomatikuhin ang browser

Ang gastos sa browser automation ay kadalasang hindi galing sa software. Ito ay galing sa engineer na nagpapanatili ng mga selectors, sa lisensya kada upuan para sa low-code na kasangkapan, at sa bayad-kada-tawag na API sa likod ng kung anong assistant ang pinili mo. Inaalis ng Melaya ang dalawa sa tatlong ito: walang selectors na kailangang panatilihin, at ikaw ang pipili kung aling modelo ang gagamitin.

Kapag pinatakbo mo ang lokal na modelo gamit ang Melaya Runner, koryente na lang ang dagdag na gastos kada takbo. Walang bayad kada mensahe ang lokal na inference. Nakadepende pa rin ito sa hardware mo, sa context ng modelo, at sa mga karapatan ng plano mo, pero hindi tumitigil ang paulit-ulit na daloy ng trabaho dahil lang naubos ang allowance ng isang hosted na plano.

Bawat browser, iisang extension

Naka-ikabit ang Melaya extension mula sa Chrome Web Store papunta sa Chrome, Brave, Vivaldi, Yandex, Dia, at Comet, mula sa Edge Add-ons papunta sa Microsoft Edge, at mula sa Firefox Add-ons papunta sa Firefox. May sariling build ang Opera. Sinadya ang ganitong saklaw: kung nakakulong ang ahente sa browser sa iisang browser lang, hindi mo ito maipapakalat sa buong team.

Ang control panel ay nasa tabi mismo ng pahina. Ikaw pa rin ang may hawak ng login, ng tab, at ng visual na context; ang ahente ang magdadagdag ng trabaho. Nagsisimula ang saklaw sa This tab lang at lalawak sa All tabs kapag ikaw mismo ang nagpahintulot.

Ano talaga ang ina-automate ng mga tao

Ang pinakamagandang gawain para sa ahente sa browser ay may tatlong katangian: nasa website na ang impormasyon, paulit-ulit ang mga hakbang, at kayang tingnan agad ng isang tao kung tama ba ang resulta.

• Kunin at ayusin ang datos mula sa maraming pahina, kasama ang pinagmulan ng bawat isa
• Ikumpara ang presyo, tuntunin, listahan, o rekord sa iba't ibang tab at bumuo ng talahanayan
• Ulitin ang isang bug, basahin ang console at aktibidad sa network, at tukuyin ang sanhi
• Ilipat ang impormasyon sa pagitan ng mga sistemang hindi kailanman na-integrate
• Punan ang paulit-ulit na form gamit ang datos na ibibigay mo, hihinto bago i-submit
• Patakbuhin ang portal ng vendor o admin console na walang API

Kontrol, dahil makapangyarihan ang ahente sa browser

Mas malaki ang kaya ng isang naka-login na browser kumpara sa pampublikong API, at may kakayahan ang isang web page na maglaman ng mapanganib na instruksyon. Inilalagay ng Melaya ang pahintulot sa labas mismo ng modelo: nakatakdang mga aksyon lang, nakikitang saklaw ng tab, aprubasyon bago gumawa ng anumang may malaking epekto, tinatanggal ang mga password field sa lahat ng nakikita ng ahente, at laging isang pindot lang ang layo ang stop control.

Ang extension ay Manifest V3 kung saan nakapaloob na ang lahat ng logic sa store package. Pumipili lang ang modelo mula sa nakatakdang listahan ng mga aksyon sa browser. Hindi ito maka-download ng script, hindi makapagpatakbo ng generated na JavaScript, at hindi makakarating sa isang shell.