鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

Claude for Chrome来了!可作为浏览器扩展程序直接使用

编程导航
编程导航
2025-08-28 12:30
阅读 170
编程导航
2025-08-28 12:30
阅读 170
henry 发自 凹非寺
量子位 | 公众号 QbitAI

刚刚,Anthropic发布了最新的浏览器agent——Claude for Chrome!

这款紧贴Chrome的agent可以作为浏览器的扩展程序直接使用:

它不仅能帮你设日历。

还能帮你回邮件。

就连找房也不在话下!

这一通给大伙看的是目瞪又口呆,以至于一位网友直接发出了灵魂拷问:

既然AI功能都能靠浏览器扩展实现了,还用得着另开一个浏览器吗?

那么……

Perplexity:坏了,一觉睡醒,我成小丑了?

(注:Perplexity最近推出了自家的浏览器Comet,上图右下角)

Claude for Chrome安全第一位

作为一款基于Chrome的agent,Claude for Chrome允许用户在Chrome中添加扩展程序。

我们可以在侧边窗口和它对话,这一聊天框会保留浏览器中所有活动的上下文。

除此之外,用户还可以授权agent在浏览器中执行操作,并让它代为完成某些任务,就像我们我们在一开头所展示的。

目前,这款小程序只向1000名被选中的Max套餐用户开放,其他用户可以订阅Max套餐进入候补名单。据Claude官网介绍,该套餐月费为100或200美元不等。

至于为何测试范围如此受限,Claude表示:安全最重要!

我们认为使用浏览器的人工智能是不可避免的:大量的工作都是在浏览器中进行的,因此让Claude能够看到你正在查看的内容、点击按钮和填写表格将使其变得更加有用。然而,使用浏览器的人工智能带来了安全挑战,需要更强有力的保障措施。

换句话说,Claude通过小规模试点收集数据和安全反馈,优化分类器和模型,让浏览器安全与功能同步升级。

具体来说,目前最让AI浏览器头疼的漏洞是所谓的“提示注入攻击”(prompt injection attacks)。

这些攻击会在网站、电子邮件或文档中隐藏指令,诱骗AI在用户不知情的情况下执行删除文件、窃取数据或进行金融交易等有害操作。

在发布Chrome for Claude之前,一封恶意邮件就曾让Claude未经用户允许就删除了电子邮件。

对此,Anthropic进行了广泛地测试,并不断制定安全措施,从而满足用户的安全上网需求。

例如,Anthropic表示,用户可以在应用的设置中限制Claude的浏览器代理访问特定网站。

同时,Claude还默认禁止访问提供金融服务、成人内容和盗版内容的网站。

最后,Anthropic强调,Claude的浏览器agent在执行“诸如发布信息、购物或分享个人数据等高风险操作”之前,会先征得用户的许可。

值得一提的是,这并不是Anthropic首次尝试开发能够控制计算机屏幕的agent。

早在2024年10月,该公司就曾推出过一款可以控制PC的agent,只不过因速度和稳定性的问题被搁置了。

如今,这类探索已不仅仅属于Anthropic,AI浏览器正逐渐成为AI巨头们争夺的下一个战场。

浏览器,AI巨头的下一个战场

正如Anthropic所言,当人工智能能够与网页互动时,它将创造非凡价值。

作为用户与信息的桥梁,AI巨头们希望通过浏览器集成,让AI与用户之间的连接更加紧密。

例如,Perplexity最近推出了自家的AI浏览器Comet,与Chrome for Claude相似,它能实现预订会议、跟进邮件、浏览其他页面、进行研究、购物、汇总等功能。

与此同时,谷歌、微软也将分别在自家的Chrome、Edge浏览器中嵌入Gemini和Copilot。

此外,据称OpenAI也即将发布一款由AI驱动的浏览器,其功能与Comet类似。

不过,话说到这里,好像有几条不同的路可走:

一是像Anthropic一样,开发一个扩展程序,直接把agent整合到现有浏览器里。

二是像Perplexity一样,另起炉灶,重新打造一个浏览器,再把自家的AI嵌进去。

而对于谷歌和微软,这种既有AI又有浏览器的巨头,选择就更多了。

当然,这一切的前提都是,你的浏览器得有人用——这也是之前Chrome的去向倍受关注的原因之一。

(注:在2025年,谷歌Chrome浏览器占据了全球浏览器市场中68.35%的份额,远超第二名Safari的16.25%)

那么,AI浏览器到底该何去何从呢?

参考链接

[1]https://x.com/AnthropicAI/status/1960417002469908903

[2]https://claude.ai/chrome

[3]https://www.anthropic.com/news/claude-for-chrome

[4]https://techcrunch.com/2025/08/26/anthropic-launches-a-claude-ai-agent-that-lives-in-chrome/


一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法!

— 完 —


专属AI产品从业者的实名社群,只聊AI产品最落地的真问题  扫码添加小助手,发送「姓名+公司+职位」申请入群~ 进群后,你将直接获得:  ? 最新最专业的AI产品信息及分析 ?   ? 不定期发放的热门产品内测码 ?  ? 内部专属内容与专业讨论 ?


? 点亮星标 ?

科技前沿进展每日见

原文链接: Claude for Chrome来了!可作为浏览器扩展程序直接使用
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230