最近我一直在折腾一套好用的浏览器自动化的东西，因为实在是被繁琐的鼠标键盘流程给我搞怕了。浏览器自动操作、文章多平台发布、泛微OA自动审批。
其实我需要AI帮我干的都是同一类事：让 AI 先帮我跑通自动化流程，并且录制成RPA程序，以后就是RPA程序替我在网页上点鼠标。 我对这个功能的渴望，是从2020年2月开始的，但我试过了影刀RPA、实在智能RPA、金智维等RPA工具，他们全都解决不了我的问题。
直到AI Agent时代到来，我终于靠自己的想象力，用阿里Qwen3.8搞定了浏览器自动化的底座，用DeepSeek v4 flash正式版完成了无人值守且无需AI干预的自动化流程。接下来我需要的就是注意力和想象力了。
我让它替我干的活
作为白领牛马，我最头疼的就是在企业管理系统的网页上一个字段一个字段的填报，我觉得每天重复干这种工作，简直就是浪费生命，浪费智力，浪费灵感。比如每天批OA上一些纯流程性不用动脑子的待办，比如在IBM那个超级难用的报销系统里面一个字段一个字段填报销信息，还有往ERP系统里录入数据，以及从CRM系统里面查看用户画像并录入拜访记录，真的是恶心的工作……
另外，在自媒体领域，我需要把我md格式的文章一次一次贴进微信、微博、知乎、头条、百家号、网易新闻、腾讯新闻的后台，然后处理各种渲染问题、排版问题，配置封面图等等，最后再手动发送。我写一篇稿子三小时，把这些网站全部发一遍，至少45分钟，然后我就会被这种重复性工作恶心得极度抗拒。
我做了什么
其实我做了两步。第一步，让我能够用命令直接控制浏览器。这里要感谢 openai 的思路启发，我的团队有同学把浏览器日常操作拆成五十来个动作：打开网页、截图、点击、填表、跑 JS。命令长这样：
curl -X POST http://127.0.0.1:58081/api/tool/browser_navigate -d '{"url":"https://www.zhihu.com"}'
# 看看页面长什么样
curl -X POST http://127.0.0.1:58081/api/tool/browser_snapshot_ax -d '{"mode":"compact"}'
# 点一下那个按钮
curl -X POST http://127.0.0.1:58081/api/tool/browser_click -d '{"ref":"e12"}'
这是一切的基础，也就是我们经常说的 AI 脚手架，或者叫驾驭工程。
第一步完成了，就意味着我可以跟 AI 对话，让它生成控制浏览器的命令，在一个真实打开的浏览器上，模拟人类的点击、滚轮、键盘输入；如果遇到验证码，我还能手动干预一下。
第二步，让 AI 帮我写完具体操作浏览器的命令组合，做好判断，处理好各类恶心的反自动化手段。比如在今天之前，我试过 8 个浏览器自动化工具包括 bbbrowser 等，没有一个能实现「自动选好问题，把我的图文内容发到知乎回答里」。
听起来简单，难就难在「录制具体流程」这一步。AI要能自己处理弹窗、验证码、加载等待，要在千奇百怪的页面上都不迷路。尤其知乎那个富文本编辑器，是全平台最麻烦的东西：普通方式粘贴进去格式全乱，标题没字号、图片贴不进去、导入md按键无法弹出文件选择器。
我之前试过好几个模型，都没法自动往知乎回答里面填入图片、渲染 markdown。直到 DeepSeek v4 flash，真的把知乎回答流程给我完成了。
DS 的做法很巧妙地绕过了知乎那个富文本编辑器，它先把我的 Markdown 转成带样式的 HTML，塞进系统剪贴板，再通过浏览器级的按键组合全选、粘贴，标题、加粗、图片，全部原样进了编辑器。看着 DS 自己找问题、自己填、自己点发布，感觉很欣慰。
千问帮我写了底层浏览器控制代码
我让团队的小伙伴，帮忙调研了市场上的主要产品，做了一个浏览器控制的 MCP，并提供给公司员工使用。他前半段正确参考了 openai 做浏览器自动化命令的执行，后半段却做成了 MCP。他其实没明白我需要什么，MCP 不适合企业浏览器自动化，因为它只能一条一条顺序执行，做不了快速的自动化。
我要的很简单：在 Ubuntu 上打开一个真实的浏览器，登录我自己的账号，然后让 AI 替我把命令组合执行下去。 周五我把源代码要过来，用 Qwen 3.8 按我的思路重写了一遍，不到两个小时，就完整实现了我想要的功能。所以这个时代，灵感和洞察最重要，代码不值钱了。
Qwen 3.8 是阿里云最新发布的 2.4 万亿参数的旗舰（Qwen3.8-Max 全解析[1]），优点是最近白天打 1 折，晚上打 0.02 折，约等于既聪明又不要钱。我对它说清楚要什么，它就自己完成了主要工作：五十来个操作、一个对外接口、还有各种踩坑的细节处理，不但听我指挥，还思路清晰，速度飞快。放以前，这种活要跟工程师磨十几天，因为大家要互相理解，他要开发，我要测试；而现在，跟模型说清楚就行。
最近 qwen 模型打一折，真的相当便宜，便宜到我敢让它写上万行代码，敢让它反复试错，写坏了重来，不心疼。那些 100 万 tokens 要 100 块的模型，我就舍不得这么乱探索了。毕竟如果一天烧 500 块钱自费 tokens，还是太贵了。
贵到用不起
顺便说说 Kimi K3。K3 今年 7 月刚发布，2.8 万亿参数，100 万上下文，发布当天就冲上全球前端代码榜第一（Kimi K3 发布解析[2]）。强是真强。可问题是贵：官方定价输入百万 token 3 美元，输出百万 token 15 美元，缓存命中才 0.3 美元（Kimi K3 定价[3]）。
缓存命中才便宜，这话是重点。 缓存命中意味着同样的前缀反复用。我的日常任务，每次读的网页都不一样，哪来的缓存命中？等于那个便宜价，我根本够不着。实打实按输出价走，百万 token 一百来块人民币，就这么没了。
一百块一百万个 token。我批一天 OA、发一篇稿子，烧进去二百万 tokens，合着 200 块钱打水漂，那还不如我自己操作了。一天几块钱的模型才叫工具，一天 200 块的模型那还不如养个员工。
不是 K3 不好。是我用不起。
今早的DeepSeek，封神
真正让我决定写这篇自来水的，是今早DS flash太顶了。
昨天我的 Qwen3.8 Max Preview 到期不能用了，我改用 DeepSeek v4 Pro，基于我的浏览器控制基座搞自动发布的流程自动化。结果搞了半天，卡得死死的：内容粘进去格式全乱，标题没标题、图片错位，发布按钮点了没反应，有时候验证码一弹，整个流程就卡死。我一度怀疑是不是我的基座有问题。
然后我在去机场的路上，看到朋友圈里大家都在说昨天刚公测的 DeepSeek v4 flash 特别好，我也就随手试试（DeepSeek V4-Flash 公测解读[4]），想着反正便宜，就试试呗。结果呢？两个小时的路上，它真的把流程给我干出来了，比 V4 Pro 还聪明！ 我一共才充值了 20 块钱，到现在还没用完！
昨天换过 K3、Opus 5.0 和 DS v4 Pro，都没搞定知乎回答的自动化发布。今早切到 V4 Flash，看着它用我的浏览器控制基座，直接跑通了。这证明不是我的思路不行，是之前的AI不趁手。
DeepSeek V4 Flash，284B 参数的 MoE 架构，MIT 开源，输入价百万 token 只要一块钱人民币。更难得的是能力：纯靠后训练，把 Agent 能力整整提升了 7.5 倍，终端操作水平 82.7 分，已经摸到国外旗舰 85 分的门槛。
一块钱，一百万 token。一块钱我能在里面翻几十个网页，让它看几十遍屏幕，反复试错。这种感觉，贵模型给不了。
今早我已经实现了把一篇 md 格式的文章，自动化分发到多个平台。这是我从 2020 年 2 月就开始想要的功能，终于还是靠自己实现了。
浏览器里的百家号后台，也是 AI 自己开着填的。整个过程我就在旁边看着，说了一句话。
便宜，才是T0
说到这，说一个我的暴论。判断一个模型是不是版本 T0，不看它最强的时候多强，看它最日常的时候你舍不舍得用。 最强模型再厉害，你一个月用两次，一次省着算 token，它对我就是没啥大用。
一个够聪明而且价格不贵的大模型，我能天天用、处处用、脏活累活全塞给它，毕竟大部分工作不需要最高水平的人工智能。物美价廉的大模型，也就是 DeepSeek V4 Flash，才是我真正的生产力，是我的办公搭子。
agent 任务尤其如此。看页面、点按钮、读表格，这些操作本身不需要神仙智力，需要的是稳定地按要求执行。而 V4 Flash 聪明程度达到了 Opus 4.8 的水平，价格连官方价格的百分之一都不到，那你说我们该选谁？
几百块的SaaS，20块就干掉了
2021 年我买过一款多平台分发的工具，融媒宝，一年几百块。难用到什么程度？还是要手动一个个平台点一下，才能把一个个文章同步到草稿箱、发件箱，而且很多平台还不适配，它只是把我点鼠标的时间省了一点点。几百块一年，买的就是便利一点点，本质上还是很难用。
现在我这套方案呢？扫码登录一次，剩下是程序全自动。让 AI 自己找问题、自己发文章、自己批 OA，几十块的一次性 API 成本，干的活比那个一年几百块的家伙好多了。
这是今天的真实发布记录，头条、百家号两条，都是 AI 自己发出去的。
你猜这种 SaaS 公司，还有 RPA 公司现在慌不慌。它们的产品价值，就是「帮你省那点手动操作」。现在模型白菜价了，自动化需求还在，用户花二十块钱就能自己造，你说它们该干啥去，靠啥挣钱？
AI 时代，旧方案的价格体系和定价模式，全部被重构了。
这才是真正的贡献
这个时代，足够聪明加上足够便宜，才是版本 T0。 不是最强，不是最全能，是那种你舍得拿它干日常脏活、天天跑也不心疼的模型。谁家的模型能做到这个，谁就是当下版本的神。
DeepSeek 这家公司，对中国、对整个人类的贡献，都是最大的。为什么？因为它把「强」和「便宜」这两个词，第一次同时摆在了所有人面前。 开源、白菜价、能力在线，三个条件同时成立。这意味着什么？意味着 AI 的能力，第一次真的落到了普通人手里。不用是公司，不用有大预算，一个像我这样自己折腾的个体，都能用得起、用得上、用得好。
这才是技术该有的样子。最强的技术不是被少数人捧着的，是能被所有人拿起来干活的。
我不是说别的模型不好。K3 很好，我心疼的是它太贵。但版本 T0 这个位置，今早开始，我投 DeepSeek V4 flash和千问3.8 max。又聪明又便宜，这俩词凑一块，就是版本答案。
感谢deepseek大善人，感谢阿里大善人！！感谢中国开源生态贡献者，相信中国必然会成为世界AI的领导者，因为物美价廉没有人能抗拒啊哈哈哈哈哈。
参考资料 & 外部链接[1] Qwen3.8-Max 全解析: https://developer.aliyun.com/article/1749296[2] Kimi K3 发布解析: https://www.cnblogs.com/rangsh/p/21577817[3] Kimi K3 定价: https://blog.csdn.net/ylscode/article/details/162975689[4] DeepSeek V4-Flash 公测解读: https://www.aitoollab.cn/articles/deepseek-v4-flash-agent-open-source-2026/