Wingmon

在浏览器侧边栏与 Wingmon 对话。

# Wingmon - 更优雅的浏览体验 Wingmon 是一款浏览器侧边栏扩展，旨在将大语言模型深度集成到浏览体验中。 与其它产品不同，Wingmon 是一个能够访问网页甚至操作浏览器的完整 Agent，而非一个简单的聊天窗口。 --- ## Why Wingmon ### AI 不再仅教育用户如何做 通过独有的技术方案，Wingmon 会**以人类的方式**持续操作浏览器，包括点击按钮和链接、打开和关闭标签页、切换标签页等。 我们信任LLM并且赌对了，仅凭借这些基础能力，Wingmon 在实际任务中展现出了良好的生产力。 ### 案例 在需要搜集互联网信息时，Wingmon 做了如下操作： - 在谷歌搜索引擎中输入搜索词并搜索； - 点开几个可信的搜索结果； - 总结搜索结果并关闭标签页； - 把数据以可视化形式展现给用户； 屏幕录制视频： https://github.com/user-attachments/assets/03e70187-17dc-4a7c-880c-f50fbf59828e **这是 Wingmon 自主点击按钮，输入文本，完成长时间复杂操作的例子**： https://github.com/user-attachments/assets/77406e7c-3f28-4fd2-a39b-53e2fa63c61f ### 简单的场景 更多时候，我们不需要让 AI 代替我们执行什么复杂的操作，只是想询问有关页面上的内容的问题。 得益于端到端的框架设计，Wingmon 同样能完美胜任。 用户只需点击“**携页面发送**”按钮，页面内容便会绕过工具调用直接呈现给 Wingmon，最大程度规避了可能存在的误会。 --- ## 我们如何连接 Wingmon 与用户 ### 信任 #### Wingmon 没有后端。 为赋予 Agent 足够的能力，尽管已经尽可能让权限最小化，但仍不足以让人放心。 出于对隐私保护的理念： - **Wingmon 不提供内置模型** - **Wingmon 没有服务器后端** - **卸载后一切使用记录都会消失** Wingmon 目前支持 Chat Competition API、Responses API、Gemini API、Messages API，您可以使用您信任的服务商，甚至本地模型。 在选择模型时，我们推荐的参考标准为 [Tau-2 Bench](https://arxiv.org/abs/2506.07982)。 ### 少即是多 我们深知此类产品不应过多地打扰用户的浏览器体验。 - Wingmon 驻留于浏览器的**侧边栏**中，您可以一键打开，也可以一键让它完全退居幕后。当然如果您愿意，Wingmon 也可以在后台中持续为您工作，并在完成任务后提醒您。 - “吵闹”的产品令人厌烦，我们致力于用更小的界面复杂度撬动强大的能力。 --- ## 安装与使用方法 Wingmon 是一个开源扩展，您既可以通过 [Chrome Web Store](https://chromewebstore.google.com/category/extensions) 一键安装；也可以从 [Github Release](https://github.com/DamoyY/Wingmon/releases) 下载压缩包并解压后手动安装；或克隆仓库并构建后手动安装。 ### 手动安装步骤： 1. 从 Release 界面下载压缩文件解压。 2. 打开 Chrome 或 Edge 浏览器。 3. 在地址栏输入并访问 `chrome://extensions/` 或 `edge://extensions/`。 4. 在页面中开启 **“开发者模式”** 开关。 5. 点击出现的 **“加载未打包的扩展程序”** 按钮。 6. 选择 Wingmon 文件夹。 7. 点击浏览器工具栏上的 Wingmon 图标，打开侧边栏。 8. 首次使用时，您需要填写配置。 9. 点击保存，即可开始与 Wingmon 对话 ### 跟随模式 在对话框上方，您可以开启“跟随模式”。开启后，您的视角会与 Wingmon 同步。 ### 高级配置 如果您使用的是第三方中转 API，或者希望强制开启某些模型的隐藏能力（例如开启某些模型的 Reasoning 过程），您可以在设置中的“高级配置”利用 YAML 语法覆写发给大模型的 Request Body。 示例： ```yaml - path: "temperature" value: 0.7 ``` 对于 GPT 系列模型，我们强烈建议您使用 ``` - path: "reasoning.effort" value: "high" ``` 在后端设置中，您可能会注意到 `Codex Backend [Risk]` 选项。它允许您通过登录 ChatGPT 账号，直接使用 OpenAI Codex CLI 的底层响应接口。 - **优势**：您可以快捷登录，并利用您在 ChatGPT 中的订阅额度。 - **风险**：此方式不属于 OpenAI 官方对外开放的常规 API，**可能存在被 OpenAI 限制或封禁账号的风险**。请自行评估风险后谨慎使用，开发者不对由此产生的账号问题负责。 --- ## 更新规划 ### 即将加入： - Reasoning 内容显示。 ### 正在评估： - 用于扩展能力边界的本地可执行文件。 --- ## 附录 ### 联系方式 有问题或建议请发表 issue，如有意愿参与开发可联系作者邮箱 ### 局限 我们需要说明，不是所有模型接入 Wingmon 后都能带来令人满意的表现。 在使用前强烈建议您了解您使用的模型的 Agentic 能力水平。 目前已知可能出现的问题： - 网络信息搜集能力： 某些模型可能出现自主使用搜索引擎后不主动点开条目的情况，这很大程度上因为训练过程中的搜索工具是直接返回结果，造成模型对于“搜索”这类操作过拟合。 - 多模态能力： 由于 Chat Completions API 下工具的返回值只能为文本，当您使用该 API 时 Wingmon 无法自主查看图片。 - 界面功能： 由于 Gemini API 对思维链进行加密，当您使用该 API 时将无法使用“携页面发送”功能。