Transcript

創意每天聽 - 2026年4月17日 · 創意每天聽

0:00
昨天我看到一個在 Hacker News 上的案例，他們提出了一個想法，說 AI 智能體應該直接瀏覽你的網站，而不是透過呼叫 API 來跟系統互動。這讓我覺得挺出乎意料的。
0:21
確實，這點很有趣。因為我們通常的認知是，如果要讓 AI 應用程式與你的後端系統溝通，最正規、最安全的方式就是提供一套定義好的 API。
0:38
對啊，就像我們平常在用 App，後面一定會跟某個伺服器交換資料，而那個交換的管道就是 API。現在他們卻說，讓 AI 直接「看」你的網站就好，聽起來是不是有點…像個人類？
1:00
沒錯，聽起來像是模仿人類瀏覽器操作的模式。一般公司之所以不這樣做，主要考量會是效率、穩定性和安全性。直接操作前端介面通常比呼叫專用 API 更慢，也更容易受到介面變動的影響。
1:22
而且，如果你的網站介面改版了，那是不是 AI 的操作邏輯就得重新學習？聽起來蠻麻煩的。
1:33
這就是他們挑戰的點。原文提到，他們比較了幾種讓 AI 代理在網站上運作的架構，像是 RAG 機器人、API 工具代理、程式碼編寫沙盒，然後對比他們提出的「DOM-native execution」。
1:58
DOM-native execution，聽起來像是直接在網頁結構上執行。那具體是怎麼做到的呢？他們說有三種方式會讓你「維護一個平行的工程界面」。
2:17
他們認為，前面三種方式都等同於你得另外為 AI 應用寫一套溝通介面。而 DOM-native execution 則是讓 AI 直接透過瀏覽器引擎，去理解和操作網站的 HTML、CSS 這些元素，就像人眼看到網頁、滑鼠點擊按鈕一樣。
2:46
意思是，他們讓 AI 模仿使用者，直接在網頁上「看圖說故事」？但這樣，AI 是怎麼知道要在哪個地方點擊、輸入什麼內容呢？
3:01
這需要 AI 具備更強的理解能力，能夠解析網頁的語義結構。他們強調，網站的 DOM 本身就包含了即時狀態、用戶認證和權限，這些都是現成的，不需要再為 AI 另外開發。
3:22
這樣一來，對於想把 AI 應用到自家業務的創業者或主管來說，這提供了什麼新的思路呢？
3:33
最大的啟發是，你可能不需要投入大量資源去開發新的 API，來為 AI 服務。你可以思考，現有的網頁操作流程，是否能直接被 AI「學會」和「執行」。
3:52
這樣可以大幅降低 AI 導入的門檻，對吧？尤其是中小企業，資源有限，如果能直接利用現有介面，那真的是省下一大筆開發費用。
4:07
是的，它鼓勵我們重新審視既有的數位資產。如果你的網站已經能讓人類員工處理複雜的業務，那理論上，AI 智能體也能以類似方式完成。這讓我們重新思考「AI 自動化」的定義。
4:28
那對於我們這些一般的上班族呢？這個概念能不能帶到我們的工作或生活中？
4:37
我覺得這個概念提醒我們，在解決問題時，不一定要循規蹈矩地為新技術「量身訂做」一套全新的流程。有時候，換個角度，利用現有的工具和介面，也許就能達到同樣甚至更好的效果。
4:58
就像我們在做一些重複性高的電腦操作時，是不是可以想想看，有沒有工具能直接「看」著我的螢幕，然後幫我把這些點擊、輸入的動作給自動化？
5:14
沒錯。它鼓勵一種「善用現有資源」的創新思維。不需要一切都從零開始，而是去思考如何讓新技術能更好地融入和利用既有環境。
5:29
這樣聽起來，其實是一種更務實、更有效率的創新方式。它不追求「完美介面」，而是看重「實際產出」。
5:41
可以這麼說。這個案例讓我們看到，有時候最直接的路徑，反而能帶來意想不到的效率和便利。它挑戰了我們對 AI 整合方式的固有認知。
5:57
就像一個智能小助手，不是要你幫它整理好所有文件，而是它自己就能在你的電腦裡找到需要的資料，然後幫你處理好一樣。
6:11
這個比喻很貼切。它降低了 AI 應用的複雜度，讓我們能更聚焦在核心業務問題，而不是技術介面整合上。
6:24
這樣看來，這個點子確實很有意思，給了我們一個全新的視角。