大模型浏览器蒸馏

解决什么问题

当你在本地部署的模型（如 Hermes、Claude Code 等）遇到复杂架构设计、多轮深度推理时，往往会暴露出能力边界：它们可以写代码、跑测试，但很难给出一个顶层框架级别的决策结构，也不擅长持续追问、层层拆解。而 Web 端那些更强的通用大模型（小米超级智能体、豆包、MiniMax、智谱 GLM 等）恰好相反——它们擅长发散思考、给出全局视角，但对话是临时的，聊完就散，产出难以沉淀为结构化的执行文档。

你需要一种方式，把强模型的「脑力」自动蒸馏出来，变成你的本地 Agent 可以继续拆解和执行的输入。

技能如何工作

这个技能的核心是浏览器自动化 + 多轮对话蒸馏。它不是一个新模型，而是一个操作 Web 大模型对话页的执行框架。

核心能力

• 浏览器复用：优先保持已登录的浏览器会话，避免重复登录和重新打开页面
• 站点适配：通过 site 参数映射到目标平台的聊天页（默认 xiaomi，支持 doubao、minimax、glm）
• 多轮追问引擎：按「框架漏洞 → 落地步骤 → 风险点与替代方案」的顺序，每轮提出 1-3 个高价值问题
• 结构化沉淀：把多轮对话结果整理为统一的 Markdown 格式，保存到 output 指定路径

关键步骤

1. 确认浏览器可用：如果当前浏览器已打开目标站点，直接复用；否则打开 site 对应的默认地址或用户指定的 URL
2. 定位输入框：从页面快照中提取输入框引用
3. 发送首轮主题：将 topic 压缩成一句高信息密度的请求，例如「为『企业级 RAG 系统』设计一个从数据治理到检索优化的完整技术路线」
4. 提取与判断：等待模型回复，提取正文内容；如果遇到验证码且确实没有响应，再通知用户手动处理
5. 循环追问：根据预设的追问策略，最多进行 turns 轮（默认 6 轮），每轮聚焦一个层面的深度问题
6. 沉淀结果：把整个对话整理成「顶层结论 → 执行拆解 → 追问清单 → 可落地方案」的结构化文档
7. 交接给本地 Agent：返回顶层结论摘要，并把详细结果交给 Hermes、Claude Code 等本地工具继续执行

适用边界与注意点

• 需要登录态：doubao、minimax、glm 等平台依赖浏览器已有的登录会话，确保你的浏览器已提前登录目标站点
• 验证码处理：如果页面出现验证码且确实无法获取回复，技能会通知你手动接管；但在验证码之前的内容仍会被提取使用
• 平台地址可变：minimax 和 glm 的默认地址未硬编码，需根据用户常用的 Web 入口动态传入
• 不是通用浏览器控制：技能聚焦于「在 Web 大模型聊天页中执行多轮蒸馏」，不适用于浏览网页、填写表单等其他场景
• 复用优先原则：始终以「复用现有浏览器会话」为前提，仅在 daemon 真正失效时才重新打开，绝不反复 open/close/reload