怎么低成本搭建自己的AI助手？ deepseek R1模型发布以来，各种AI应有又有了一波大的爆发，但是数据保密成了一个不容忽视的问题。如果想较低成本地搭建一个私人应用的AI助手，可以自己调试生成限制，调试输出文本内容，数据不外传，成本尽可能低，不知道是不是可行。 本文详细介绍如何通过Dify和Chrome MCP的结合，在3分钟内搭建一个能操作网页的AI助手。文章提供了从环境准备、Dify部署、Chrome MCP安装到配置的完整步骤，展示了AI助手在自动网页搜索、表单填写、数据抓取等场景的应用，并解释了工作原理、问题排查及进阶技巧，让读者能够零代码实现网页自动化任务。 你是否想过让AI不仅能回答问题，还能直接操作浏览器帮你做事？比如自动填写网页表单、抓取特定数据、或者点击按钮？现在，通过Dify和Chrome MCP的结合，你可以在3分钟内搭建一个能真正"动手"操作网页的AI助手。 本文将手把手教你如何在本地部署Dify并配置Chrome MCP服务器，打造你的私人网页自动化助手。 准备工作：确保你的环境就绪 在开始前，请确保你的系统已安装： •Docker 和 Docker Compose（用于快速部署Dify） •**Node.js 18+**（用于运行Chrome MCP服务器） •Git（用于克隆项目仓库） 第一步：快速部署Dify（仅需1分钟） Dify是一个强大的LLM应用开发平台，我们通过Docker快速部署： # 创建项目目录 mkdir dify-chrome-mcp && cd dify-chrome-mcp # 下载Docker部署配置 curl -o docker-compose.yml # 启动Dify服务 docker-compose up -d 等待1分钟左右，访问 http://localhost:80 就能看到Dify管理界面。首次使用需要创建账号并完成初始化设置。 第二步：安装Chrome MCP服务器（1分钟） 打开新的终端窗口，安装并启动Chrome MCP服务器： # 安装Chrome MCP服务器 npm install -g @modelcontextprotocol/server-chrome # 启动Chrome MCP服务（会自动打开Chrome浏览器） server-chrome 服务启动后，你会看到类似下面的输出，表示MCP服务器正在9999端口监听： Server running on http://localhost:9999 Chrome browser launched and connected successfully 第三步：在Dify中配置Chrome MCP（1分钟） 现在回到Dify管理界面，进行关键配置： 1.进入设置 > 模型供应商 > MCP服务器 2. 点击添加MCP服务器 3. 填写配置信息： •服务器名称: Chrome-Automation •服务器URL: http://localhost:9999 4. 点击验证并保存，看到绿色成功提示 效果验证：让AI帮你操作网页 配置完成后，你就可以在Dify的Playground中测试你的网页自动化AI助手了。 试试这些实用场景： 场景1：自动网页搜索 请打开百度首页，在搜索框中输入"最新AI技术发展"，点击搜索按钮，然后告诉我第一页的搜索结果标题。 场景2：自动填写表单 请打开"张三"，邮箱栏填写"zhangsan@email.com"，在留言区填写"咨询产品信息"，然后点击提交按钮。 场景3：数据抓取与分析 请打开 工作原理：为什么这很厉害？ 这个组合的厉害之处在于分工明确： •Dify：负责与LLM对话，理解你的自然语言指令，并将其分解成具体的浏览器操作步骤 •Chrome MCP服务器：负责实际控制Chrome浏览器，执行具体的网页操作命令 •LLM（大语言模型）：作为大脑，理解你的意图并规划操作流程 常见问题排查 server-chrome 2.连接失败：检查Dify和Chrome MCP服务器是否在同一个网络环境下，防火墙是否允许9999端口通信 3.操作超时：复杂网页加载需要时间，可以增加超时设置：server-chrome --timeout=60000 4.权限问题：在MacOS/Linux上可能需要权限：sudo npm install -g @modelcontextprotocol/server-chrome 进阶使用技巧 掌握了基础用法后，你还可以尝试这些高级功能： •多页面管理：同时控制多个浏览器标签页，完成更复杂的任务 •用户身份保存：让AI记住登录状态，下次直接操作无需重新登录 •定时任务：结合Dify的工作流功能，设置定时自动化任务 •异常处理：教会AI识别操作失败的情况并自动尝试替代方案 如何学习大模型 AI ？ 由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。 但是具体到个人，只能说是： 最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。 这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。 #AI# #AIAgent# @grok @xai

H3C 团队开发的灵犀 AI 助手直接在配置文件中暴露大量 API 凭据，涉及的模型供应商包括智谱、百度千帆和字节火山引擎等，直到 3 个月后才完成吊销。 蓝点网于 1 月 29 日接到网友反馈，随后我们建议网友联系 H3C 团队进行报告而不是直接发布文章，直到 5 月初 H3C 才完成所有凭据的吊销，我们甚至怀疑 H3C 团队是不是在内部就使用同一个凭据，以至于吊销时需要先沟通各方，才花费如此长的时间。 查看详情：

不同的赛道也有不同的玩法，你的 AI 助手应该住在你的生活里而非你的标签页里。 Donut @DonutAI 有点像加密世界的深圳。务实、高效、功能集成。没有像一些重分析平台那样需要极高的专业门槛和政治性（资源）站位，也没有像一些社交钱包那样充满小团体文化和割裂的体验。 有意思的是，加密交易的痛点增量实际上是两方面。 一方面，是现有功能的堆叠与信息过载，这是工具复杂化的根源。图表、跨链、合约、DeFi、数据看板。每增加一个需求，就多开一个标签页。 另一方面，是用户交互模式的根本性迁移，从操作图形界面到表达自然语言。B 端的增量在于整合与连通（200多种工具），C 端的爆发在于体验与直觉。 逻辑就是：先聚合功能，再重塑交互。B 端快速拉伸能力上限，C 端承接直觉化的使用流。D0 整合 B 端功能，Telegram 承载 C 端习惯，AI 成为所有操作的统一界面。 对于用户来说，在 D0 侧光讲交易助手是不准确的。实质上，它的终局是重塑个人的链上行为操作系统。这就是 AI 助手的本质：重构操作流的底层。 随之而来的下一阶段，就是 D0 升级为你的个人交易决策中心。 T+0 的分析响应，全仓位的统一视图，跨协议的自动执行，PnL 的实时追踪，都意味着将 D0 作为中枢，意味着个人链上行为效率的跃迁。 D0 化的最后一步，是直接在对话中构建你的完整链上人格。自然的语言是基础的指令集，AI是理解与执行的媒介，Telegram 是永远在线的入口。这样才走完 聚合 - 对话 - 中枢 - 分身​ 的完整链上行为操作系统升级四阶段。

ai泡沫与回顾30年前的mega7 很多人问，这是不是AI硬件泡沫破裂的第一声枪响。 表层导火索有三根。一是上周五美股非农数据炸了——新增就业17.2万，预期只有8.5万，直接翻倍。市场瞬间从"降息预期"切换到"加息定价"，年内加息概率飙到60%以上，10年期美债收益率冲破4.5%。二是博通财报不及预期，AI芯片收入指引低于市场预期，"AI硬件永动增长"的神话第一次出现裂痕。三是中东局势再度紧张，伊朗向以色列发射导弹，避险情绪升温。 但这些都只是引子。真正的问题，藏在估值的底层逻辑里。 AI的收入天花板，根本撑不起现在的硬件估值。全球大约有2600万到3000万名程序员，加权平均年薪大概5万美元。就算AI 100%彻底取代所有程序员，一分钱工资都不用发了，这个市场的绝对天花板也就是1.5万亿美元。而现在各大巨头为了维持"硬件科技公司"的估值，一年的资本开支（Capex）就高达2.9万亿美元。 1.5万亿的收入池子，撑不起2.9万亿的开支，是数学题。 现实更骨感。AI目前不是取代人类，是当副驾驶（Copilot）。GitHub Copilot最贵的企业版40美元/月/人，就算全球3000万程序员全订阅，一年收入也就144亿美元。哪怕把全人类10亿白领都算上，每人每月30美元的AI助手，一年总盘子也才3600亿。 单靠"卖AI软件服务"或者"帮人类写代码"赚回来的钱，根本填不上7200亿甚至上万亿的硬件资本开支窟窿。AI必须在医疗、能源、自动驾驶这些物理世界创造出万亿级的新增实体价值，这个估值逻辑才走得通。而现在，没人敢拍胸脯说这件事一定能成。（和其中的利益集团顽固也有巨大的关系，比如法律和医疗这是多大的牌照门槛） 暂停键一旦按下，就是戴维斯双杀。第一步是巨头止血——微软、Meta宣布明年资本开支减少30%，市场发现他们虽然少花钱了，但利润保住了，巨头股价可能反而反弹或企稳。 第二步是卖铲子的公司崩塌——巨头少花30%，意味着订单直接腰斩。英伟达、博通这些公司的营收不仅没法增长4倍，反而会迎来负增长（订单大面积违约）。 第三步是估值重塑——硬件公司的市盈率从100倍直接杀到成熟科技公司的15到25倍，股价相对于历史高点，可能跌去60%到80%。 现在，我们正在第一步和第二步之间。 历史总是惊人的相似。1999年，思科是全球市值最高的公司，市盈率超过100倍。当时的人说"全人类所有电脑和企业都要联网，网络设备的增长是无限的"。直到2000年电信运营商发现建好的光纤根本没人用，按下了采购暂停键。思科的股价随即跌去了接近90%，此后二十年再也没有回到当年的高点。 今天的AI芯片巨头，就是25年前的思科。 "AI算力需求永无止境"，和当年"互联网流量永无止境"，这句话听起来是不是很耳熟？ 韩国股市就是这个逻辑的浓缩版。KOSPI指数里，三星和SK海力士占比超过30%，整个市场几乎就是半导体的"单押"。一旦半导体的增长逻辑被证伪，整个市场没有任何防御能力，只能跟着陪葬。 ps：韩国这次有三分之一的养老金在里面，大家猜猜如果老人破产，他们真搞点事情，监狱估计都不愿意收····这帮老兵可比烂尾房或者全租房坑害的8090们要有组织力和战斗力的多··· 第六共和国电视剧要提前开演了吗？ 接下来的关键窗口。6月10日美国CPI数据——如果通胀再超预期，加息预期会进一步升温，科技股还有得跌。6月16-17日FOMC会议，新主席沃什首秀，态度偏鹰还是偏鸽，直接决定下半年的流动性环境。还有就是二季度科技巨头的财报，尤其是资本开支指引，这是判断"暂停键"有没有按下的核心指标。 工具箱： 认为只是正常回调、AI长期逻辑没变：逢低做多小市值的非内存行业 认为泡沫已经破裂、戴维斯双杀开始：多看看黄金 认为板块轮动会持续：做多防御板块（消费、医药、银行） PS. 最有意思的一个细节：今天韩国暴跌，外资净卖出2300亿韩元，机构净卖700亿，只有散户在净买入3000亿抄底。机构跑路，散户站岗。 热门股表现（6月8日亚太） 三星电子 -10%（跌停） SK海力士 -10%（跌停） 软银集团 -9% 东京电子 -7% 核心板块轮动 AI半导体：暴跌，资金集中出逃（估值较高） 存储芯片：重挫，SK海力士、美光领跌（泡沫最大） 消费/医药：相对抗跌，防御属性显现 银行金融：有资金流入，价值股受青睐，小银行很猛 整体特征：成长股向价值股的大切换正在发生 最后一段话，mage7里面，真正赚取完全的企业基建赛道的主要是微软+半个亚马逊，其他几家不是广告就是c端消费。但是大部分广告最终还是指向的c端消费。 虽然我们一直说烟酒快餐都是老登股，但是老登的股恰恰说明他们有跨越周期的生命力，100年前有人抽烟，100年后也有人抽。但是30年前你用的短信今天还会拿来聊天吗？30年前的sohu现在抱着大楼收租子什么也干不了。 附赠一个彩蛋，看看30年前的mega7，今天都还活的挺好的，可惜能卡住这个位置的只有微软一家。 General Electric (通用电气 - GE) 三十年年化总收益率：约 6.3% 解析：作为曾经的工业霸主，GE 在 2000 年后因金融业务暴雷和盲目扩张经历长达十几年的低谷。虽然近几年靠着拆分和航空业务大幅回血，但三十年的拉长回报率在巨头中只能算平庸。 Exxon Mobil (埃克森美孚 - XOM) 三十年年化总收益率：约 6.1% 解析：传统的周期之王。虽然近年来受益于高油价和传统页岩油红利，但它的长线增速依然受制于重资产属性和新能源转型的宏观压力。 Coca-Cola (可口可乐 - KO) 三十年年化总收益率：约 7.1% 解析：典型的长线消费股回报。可口可乐在这三十年内并没有像科技股那样的爆发式成长，但凭借恐怖的护城河和源源不断的分红，稳健地跑出了跑赢通胀的复利曲线。 AT&T (美国电话电报 - T) 三十年年化总收益率：约 3.8% 解析：老巨头中垫底的存在。由于多次昂贵且失败的媒体重组（如收购后又巨亏剥离），叠加巨额负债，这三十年哪怕算上它极高的股息，整体回报率也大幅落后于大盘。 Merck (默沙东 - MRK) 三十年年化总收益率：约 8.2% 解析：表现相当不错的传统医药巨头。依靠类似 K 药（Keytruda）这样的世纪免疫抗癌神药以及稳定的全球刚需，医药股展现出了极强的抗周期成长性。 Philip Morris / Altria (菲利普莫里斯 / 奥驰亚 - MO) 三十年年化总收益率：约 10.5% 解析：传统行业里的“隐藏大Boss”。虽然控烟运动导致烟草销量连年下滑，但得益于极高的行业垄断定价权，以及将所有利润几乎 100% 用于分红和回购 Microsoft (微软 - MSFT) 三十年年化总收益率：约 15.5% 解析：一骑绝尘。1996 年你买入微软，中间会经历 2000 年互联网泡沫的腰斩和长达十年的横盘，但只要拿住，PC 时代的垄断加上纳德拉上台后云计算与 AI 时代的二次爆发，让它成为了这批老巨头里唯一的“长寿造富神话”。

昨日热点 AI PC：春秋电子 MLCC设备：博杰股份 MLCC上游钛酸钡：红星发展 PCB：中京电子 光纤：亨通光电 煤炭：大有能源 消费：中央商场 机器人：中大力德 腾讯AI助手：群兴玩

AI agent 这个词被吹了一整年 真打开看 一共 300 行代码 GitHub 有个项目叫 Simple-ReAct-Agent 把 ReAct 论文那个循环直接写了一遍 没用 LangChain，没用 LlamaIndex，没用 AutoGen 就是一个 while 循环 循环里只有三件事 第一 把当前历史 + 任务 + 工具列表 拼成 prompt 喂给模型 第二 模型输出 Thought / Action / Action Input 第三 执行 Action 把结果拼回历史 进下一轮 完事！！！ · 300 行看完一遍，几个被框架包装得很玄的概念立刻祛魅 memory？历史拼接 tool？JSON schema + 函数指针 planning？让模型在 Thought 里写下一步该干什么 self-correction？把错误结果也拼回历史 让模型自己看到然后改 · 但最有杀伤力的发现，不在祛魅这一段 是作者那句 「Action 可以是任何东西」 你给 agent 接了 shell.exec 就等于把 rm -rf 交给了模型 最近几条新闻全是这么来的 agent 自己 commit 把 API key 写进了仓库 agent 自己 npm publish 把 推上去 agent 跑了一个不该跑的 shell 命令，把机器删了 agent 跟工具单独看都没问题 问题出在「工具暴露面」这一层被低估了 · 第二个被忽略的细节 context window 每一轮都把整段历史重发一次 10 步循环，同一段 prompt 送进模型 10 次 prompt caching 能省一些 但省不掉结构性消耗 · 作者那句话挺扎心 「让你少烧 token 这件事，不在 provider 的商业利益里」 · 写完这 300 行 你能换一种视角看每一个 AI 助手 我的 context 里现在装着什么 我接出去的工具能碰到什么 模型答错的时候，损失会从哪一处扩散 Prompt 在这一切里的权重到底有多大（剧透 非常大） · GitHub · 原文（300 行代码 + 完整拆解）

FT：腾讯即将推出面向14亿中国用户的微信AI助手，可以帮助用户在应用程序内完成任务，腾讯计划最早于本月启动公开发布前所需的合规流程。 #行情# 腾讯港股短线拉升，涨超4%。

Marvis（马维斯）是腾讯（应用宝团队）推出的操作系统层级AI助手，2026年5月20日正式上线，官网 可直接下载（Windows/Mac/Android已开放，iOS预计6月中旬）。 它不是单纯的聊天机器人，而是能深入系统底层、真正“干活”的AI，像钢铁侠的Jarvis一样，用自然语言操控电脑/手机。 核心定位：把整台电脑变成可对话的智能对象。整合系统、文件、应用、算力、跨端连接。 架构：1个主Agent（PM）+ 5个副Agent（File文件、Computer系统、App应用、Browser浏览器、Search搜索），并行协作拆解执行复杂任务。 两种模式：效率模式：端云协同（DeepSeek V4、混元等），又快又准。 隐私模式：纯本地大模型，文件0上传，断网可用，适合财务/法务/HR等敏感场景。 每日免费：1000万Token，日常够用。