Nxtscape - เบราว์เซอร์เอเจนต์โอเพนซอร์ส

 (github.com/nxtscape)
6 คะแนน โดย GN⁺ 2025-06-21 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • เบราว์เซอร์โอเพนซอร์สที่มาพร้อม ความสามารถแบบเอเจนต์ที่ขับเคลื่อนด้วย AI
  • ให้ความสำคัญกับ ความเป็นส่วนตัว ของผู้ใช้เป็นอันดับแรก และรันโมเดล AI ภายในเครื่อง เพื่อเสริมจุดเด่นด้านการปกป้องข้อมูล
  • ชูจุดเด่นสำคัญอย่าง ความเข้ากันได้กับส่วนขยายของ Chrome และนโยบายโอเพนซอร์สที่โปร่งใส
  • เมื่อเทียบกับทางเลือกเบราว์เซอร์เดิมอย่าง Arc, Dia, Perplexity Comet จะสร้างความแตกต่างด้วย การประมวลผลภายในเครื่อง และ การควบคุมข้อมูลโดยผู้ใช้
  • ตั้งเป้าขยายความสามารถอย่างต่อเนื่องและ พัฒนาโดยชุมชน พร้อมรองรับรูปแบบการมีส่วนร่วมที่หลากหลาย

Nxtscape คืออะไร

  • Nxtscape คือ เบราว์เซอร์เอเจนต์ แบบโอเพนซอร์สที่รันความสามารถ AI ในสภาพแวดล้อมภายในเครื่อง
  • เป็นทางเลือกแทนเบราว์เซอร์อย่าง Arc, Dia, Perplexity Comet โดยเหมาะสำหรับผู้ใช้ที่ต้องการความเป็นส่วนตัวและการควบคุมข้อมูลของตนเอง
  • ผู้ใช้สามารถใช้ API key ของตัวเองหรือเชื่อมต่อโมเดลภายในเครื่องอย่าง Ollama ได้ ทำให้ข้อมูลอย่างประวัติการใช้งานเว็บไม่รั่วไหลออกไปภายนอก

คุณสมบัติหลัก

  • เข้ากันได้อย่างสมบูรณ์กับส่วนขยายของ Chrome ช่วยให้ยังคงใช้งานในสภาพแวดล้อมที่คุ้นเคยได้
  • AI เอเจนต์ ทำงานโดยตรงภายในเบราว์เซอร์โดยไม่ต้องผ่านคลาวด์
  • ผู้ใช้สามารถ ป้อน API key ด้วยตนเอง หรือเลือกเชื่อมต่อ โมเดลภายในเครื่อง เพื่อรับประกันการปกป้องข้อมูลในระดับสูง
  • พัฒนาแบบ โอเพนซอร์ส และขับเคลื่อนโดยชุมชน เพื่อให้เกิดความโปร่งใสของโค้ด
  • ในอนาคตมีแผนเพิ่มฟีเจอร์ต่าง ๆ เช่น MCP Store, ตัวบล็อกโฆษณาด้วย AI เป็นต้น

เดโมและตัวอย่างการใช้งาน

  • มีสถานการณ์การทำงานอัตโนมัติที่ใช้ AI เอเจนต์
  • ผสานฟังก์ชัน แชต AI ภายในเครื่อง เพื่อให้ได้รับความช่วยเหลือแบบโต้ตอบได้
  • สาธิตความเป็นไปได้ของการทำงานอัตโนมัติหลากหลายรูปแบบร่วมกับเครื่องมือเพิ่มประสิทธิภาพการทำงาน

เบื้องหลังการพัฒนา

  • เริ่มต้นจากการมองเห็นปัญหาว่าเทคโนโลยีเบราว์เซอร์หยุดนิ่งมาเป็นเวลานาน
  • เป้าหมายคือการสร้าง สภาพแวดล้อมที่ขับเคลื่อนด้วย AI เอเจนต์ เพื่อยกระดับประสิทธิภาพของนักพัฒนาอย่างก้าวกระโดด
  • งานซ้ำ ๆ ที่เรียบง่าย เช่น “สั่งซื้อ Tide Pods จากประวัติคำสั่งซื้อ Amazon” ควรถูกทำให้เป็นอัตโนมัติ เพื่อให้ผู้ใช้ไม่ต้อง 'แข่งขัน' กับเบราว์เซอร์ แต่ได้รับความช่วยเหลือจากมันแทน
  • ยืนยันหลักการอย่างชัดเจนว่า AI เอเจนต์ต้องทำงาน อย่างปลอดภัยในสภาพแวดล้อมภายในเครื่อง

เปรียบเทียบกับเบราว์เซอร์หลัก

  • Chrome: แม้จะอิงกับ Chromium แบบโอเพนซอร์ส แต่ตลอด 10 ปีที่ผ่านมา การนำความสามารถใหม่อย่าง AI, ระบบอัตโนมัติ, MCP (Multi Capability Plug-in) มาใช้ยังมีน้อย
  • Brave: แม้จะขยายทิศทางไปสู่คริปโต การค้นหา และ VPN แต่ Nxtscape มุ่งเน้นที่ AI เป็นศูนย์กลาง
  • Arc/Dia: เคยได้รับความนิยม แต่มีข้อจำกัดเรื่อง ซอร์สโค้ดปิด และหากบริการยุติลงก็ไม่มีทางเลือกทดแทน ขณะที่ Nxtscape เป็นโอเพนซอร์สเต็มรูปแบบ
  • Perplexity Comet: เป็นบริษัทด้านค้นหา/โฆษณา จึงมีประเด็นว่าข้อมูลอย่างประวัติเบราว์เซอร์อาจกลายเป็นของบริษัท ขณะที่ Nxtscape เก็บทุกอย่างของผู้ใช้ไว้ ภายในเครื่องเท่านั้น

การมีส่วนร่วมและการสนับสนุนจากชุมชน

  • สามารถมีส่วนร่วมได้หลายวิธี เช่น รายงานบั๊ก เสนอฟีเจอร์ เข้าร่วม Discord หรือกดติดตามบน Twitter

ไลเซนส์และข้อมูลอ้างอิงทางเทคนิค

  • เปิดเผยซอร์สโค้ดภายใต้ไลเซนส์ AGPL-3.0
  • พัฒนาขึ้นโดยได้รับแรงบันดาลใจจากโครงการโอเพนซอร์สอย่าง Chromium, browser-use, Stagehand, Nanobrowser

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-06-21
ความคิดเห็นบน Hacker News

  • รู้สึกว่าคอมเมนต์ที่ผ่านมามักโฟกัสกับรายละเอียดปลีกย่อยมากกว่าภาพรวม สำหรับผม ผมนึกภาพว่าบราว์เซอร์ที่เชื่อมกับ local LLM ได้, บันทึกทุกอย่างที่บราว์เซอร์เห็นลง local DB พร้อม timestamp, แยกวิเคราะห์/สรุปสิ่งที่ผมโต้ตอบด้วยให้อัตโนมัติ, ทำเป็นสคริปต์ได้แบบ Puppeteer และรองรับ automation ที่อิงกับ code prompt นั้นมีคุณค่ามหาศาล ในฐานะผู้ช่วยดิจิทัลส่วนตัว มันช่วยให้ค้นหาข้อมูลที่ลืมหรือสิ่งที่ต้องการได้ง่าย กรองการค้นหา โฆษณา สแปม และข้อมูลที่ไม่ต้องการออกอย่างจริงจัง แถมยังอาจจัดการงานบนอินเทอร์เน็ตที่ต้องการให้โดยอัตโนมัติได้อีกด้วย หลังจากสะสมบุ๊กมาร์กมา 25 ปี การมีแค่บุ๊กมาร์กอย่างเดียวไม่พออีกต่อไปแล้ว สถานการณ์ที่ต้องหลงทางอยู่ในเว็บที่รก ๆ เพื่อหาข้อมูลชิ้นเดียว อาจดีขึ้นได้ด้วยบอทบอดี้การ์ดที่คอยกรองสัญญาณรบกวนและข้อมูลไร้สาระ ถ้าสิ่งนี้ทำงานได้ดีจริง มันอาจทำหน้าที่เป็นทั้งผู้ช่วยส่วนตัวในโลกดิจิทัล, ผู้จัดการทัวร์, คนเฝ้าประตู, แม่บ้าน, ช่างซ่อม และอีกหลายบทบาทพร้อมกันได้ และในปี 2025 ที่บราว์เซอร์กลายเป็นพอร์ทัลหลักสู่โลกอินเทอร์เน็ตอันโกลาหล ทิศทางแบบนี้ก็ไม่ใช่ไอเดียที่แย่เลย สุดท้ายแล้วความสามารถในการลงมือทำคือหัวใจสำคัญ แต่ผมอยากเห็นมากว่าโปรเจกต์แบบนี้จะพัฒนาไปอย่างไร

    • ขอบคุณมากสำหรับฟีดแบ็กตรงไปตรงมา นี่แหละคือวิสัยทัศน์ที่เราวาดไว้ ถึงเราจะใช้เวลากว่า 90% ของวันอยู่ในบราว์เซอร์ แต่มันก็ยังเป็นแค่ “หน้าต่างโง่ ๆ” อยู่ดี ถ้ามันจำประวัติการเข้าชมได้, คลิปบทความสำคัญไว้พร้อมบันทึกไฮไลต์แบบ Evernote web clipper, และค้นหาเนื้อหาทั้งหมดได้ตามความหมาย ชีวิตคงเปลี่ยนไปเลย ข้อมูลทั้งหมดจะถูกเก็บไว้ใน local PostgresDB และตอบคำถามอย่าง "เทียบราคาที่ดูเมื่อเดือนก่อนคืออะไรนะ?" หรือ "ช่วยหาไฮไลต์ browser automation ให้หน่อย" ได้ทันที รวมถึงมีฟังก์ชันบล็อกเว็บที่รบกวนเวลาต้องการสมาธิด้วย มันไม่ใช่แค่เรื่องการค้นหาและการจดจำอีกต่อไป แต่คือยุคที่บราว์เซอร์ช่วยงานเราได้จริง ๆ เช่น จัดกลุ่มแท็บตามหัวข้ออัตโนมัติ, เปรียบเทียบราคาฮาร์ดไดรฟ์ตามแต่ละเว็บ, หรือสรุปโพสต์ใหม่ใน Discord server ทั้งหมดนี้ประมวลผลแบบโลคัล บราว์เซอร์ควรช่วยเราในความโกลาหลของอินเทอร์เน็ต ไม่ใช่ทำให้ซับซ้อนขึ้นไปอีก โดยเฉพาะถ้ามี workflow ไหนในชีวิตประจำวันของคุณที่น่าหงุดหงิดที่สุด หรือมี use case จากผู้ใช้ เราอยากฟังมาก

    • ที่จริงมันแทบจะเหมือนกับสิ่งที่ Microsoft พยายามทำกับ Recall เลย Recall เป็นฟีเจอร์เดียวในกระแส AI ที่เคยทำให้ผมคาดหวังว่ามันจะช่วยให้ชีวิตดีขึ้น แต่พอคิดดี ๆ สิ่งที่ผมต้องการจริง ๆ ไม่ใช่ AI แต่คือให้คอมพิวเตอร์ของผมเก็บบันทึกรายละเอียดไว้แบบโลคัลและมีการค้นหาขั้นสูง ผมอยากให้คอมพิวเตอร์จำทุกอย่างที่ผมทำไว้หมด ไม่ว่าจะเป็นเว็บที่เข้า, เลื่อนลงไปแค่ไหนในแต่ละหน้า, หรือแม้แต่ความคิดที่พิมพ์แล้วลบไป ผมต้องการฟีเจอร์ ‘total recall’ ที่เก็บทุกอย่างไว้ เหตุผลก็คือสมองคนเราจำผิดได้ตลอด ผมเลยคาดหวังว่าคอมพิวเตอร์จะมีความทรงจำที่สมบูรณ์กว่า และอยากให้การค้นหาทำงานอย่างสม่ำเสมอและเป็น deterministic ตลอด ต้องมี timestamp ที่แม่นยำ, ใช้ boolean operator ได้ และ NLP นั้น Lucene ก็ทำได้ดีมาตั้งแต่ 20 ปีก่อนแล้ว ผมไม่ต้องการสรุปที่สร้างอัตโนมัติจาก corpus ภายนอก ผมแค่อยากให้คอมพิวเตอร์จำสิ่งที่ผมทำบนเครื่องได้อย่างถูกต้อง ผมไม่คิดว่า LLM จะเพิ่มคุณค่าให้ personal search มากนัก เพราะด้วยธรรมชาติของ LLM มันคืนข้อมูลจริงได้อย่างแม่นยำยาก สุดท้ายก็ต้องทำดัชนีแบบดั้งเดิมถึงจะค้นหาได้แม่น ตอนนี้ที่ LLM มาแรงก็เพราะเรายังขาดวิธีทำดัชนี ‘ทุกอย่าง’ อย่างมีประสิทธิภาพ แต่สำหรับ personalized search แล้ว สิ่งที่ต้องรู้ไม่ใช่ ‘ทุกอย่าง’ แค่ข้อความที่แสดงบนหน้าจอกับ metadata อย่างเวลา ตำแหน่งเคอร์เซอร์ คลิปบอร์ด URL ฯลฯ ก็พอแล้ว สิ่งเดียวที่ต้องใช้ LLM ช่วยทำดัชนีคือกรณีที่การเก็บ snapshot ข้อความจริงไว้ในดัชนีแบบดั้งเดิมกินพื้นที่มากเกินไป นอกเหนือจากนั้น การค้นหาเชิงสนทนาแบบกำกวมไม่ใช่เป้าหมายของผม เป้าหมายจริงคือ total recall

    • เป็นวิสัยทัศน์ที่ยอดเยี่ยมมาก ผมอยากให้บราว์เซอร์ช่วยเตือนตอนที่ผมเสียสมาธิ และวิเคราะห์ให้ได้เองว่าผมทำอะไรไปบ้าง การสะท้อนตัวเองเป็นอาวุธที่ทรงพลังมากในเรื่องนี้

    • ฟีเจอร์ที่ผมตั้งใจจะเขียนใช้มานานคือส่วนขยายบราว์เซอร์ที่คอยบันทึกข้อความเต็มของหน้าที่อยู่เกิน 30 วินาทีโดยอัตโนมัติ แล้วทำดัชนีให้ค้นหาได้ โปรเจกต์นี้ไปไกลกว่านั้นมาก

    • ในมุมผม นี่คือ ‘ตัวบล็อกโฆษณาแบบเนทีฟที่ขับเคลื่อนด้วย LLM’... ป่ามันใหญ่เกินไปจนแค่คิดก็มึนแล้ว (ล้อเล่น)

  • ผมสงสัยว่าจำเป็นต้องสร้างบราว์เซอร์ขึ้นมาใหม่เองไหม ในเมื่อทำเป็น extension ที่ robust แบบ nanobrowser ก็น่าจะพอ nanobrowser ทำมาได้ดีโดยไม่เปิดเผย webdriver และก็ไม่ได้ขาดอะไรทั้งในเรื่องการรัน js หรือการเชื่อมกับ LLM แถมยังให้ความสามารถแบบ agentic ครบด้วย เลยอยากรู้ว่าทำไมถึงต้องเป็นบราว์เซอร์ใหม่ด้วย

  • อาจเป็นคำถามที่ดูโง่นิดหน่อย แต่ช่วยอธิบายได้ไหมว่า ‘agentic browser’ คืออะไรแน่ ฟังเหมือนทุกคนรู้อยู่แล้ว แต่ผมไม่แน่ใจว่านี่เป็นคำที่ใช้กันทั่วไปหรือแค่หมายถึง ‘เว็บเบราว์เซอร์ที่มีฟีเจอร์ AI’

    • ขอบคุณที่ถามนะ นี่ไม่ใช่คำถามโง่เลย ‘agentic browser’ หมายถึงบราว์เซอร์ที่มี AI agent คอยนำทางเว็บแทนคุณ เป็นบราว์เซอร์ที่ agent สามารถลงมือทำแทนผู้ใช้ได้โดยตรง เช่น สั่งซื้อซ้ำใน Amazon หรือกรอกฟอร์มต่าง ๆ

    • agent คือโครงสร้างที่ LLM ทำงานร่วมกับเครื่องมือ (เช่น calculate(expression)) เมื่อจำเป็นต่อการให้ได้ผลลัพธ์ตามต้องการ มันจะรันเครื่องมือนั้นโดยอัตโนมัติ สำหรับ workflow ที่ซับซ้อน อินพุตที่ LLM รับเข้าไปอาจกลายเป็นการผสมกันของหลายเครื่องมือ เช่น การตั้งค่า user agent ของผู้ใช้ให้เป็นสตริงบางอย่าง เช่นรันคำสั่ง set_user_agent(…) หรือคลิกบนหน้าเว็บ หรือ inject custom JS ตอนหน้าเพจเปิดขึ้นมา

    • ผมเพิ่งได้ยินคำว่า ‘agentic’ ครั้งแรกเมื่อเดือนก่อน จากนั้นในอีก 2~3 วันก็ได้ยินมันซ้ำไปซ้ำมาจนถึงใน town hall ภายในบริษัท สรุปสั้น ๆ คือ AI ที่ตัดสินใจเองและลงมือทำเองได้

  • แนวคิดของ agentic browser ฟังดูเป็นไอเดียที่เจ๋งมาก การทำอะไรอัตโนมัติได้ด้วย agent ฝั่งไคลเอนต์นั้นทรงพลังจริง แต่ในอีกด้านหนึ่ง มันอาจ ‘ไม่มีทางปลอดภัยได้เลย’ ในเชิงความปลอดภัย บราว์เซอร์ล็อกอินอยู่กับบัญชีสำคัญแทบทุกอย่าง และโดยธรรมชาติก็ต้องรับอินพุตที่ไม่น่าเชื่อถือจากอินเทอร์เน็ต การโดน prompt injection แค่ครั้งเดียวอาจทำให้ชีวิตพังได้ภายในไม่กี่วินาที แนวคิดนี้ดีมาก แต่ถ้าห่วงโซ่อุปทานทั้งหมดไม่ได้ผ่านการรับรองอย่าง PCI/SOC2/ISO 27001 และไม่มีนักวิเคราะห์ความปลอดภัยบุคคลที่สามมารับประกันแบบสุดตัว ผมคงไม่แตะมันเลย

    • ขอบคุณมากที่ยกประเด็นนี้ขึ้นมา เป็นข้อกังวลที่ถูกต้องทั้งหมด นั่นจึงเป็นเหตุผลที่เรายืนกรานแนวทาง local-first และโอเพนซอร์ส cloud agent (เช่น Manus.im) ต้องให้ข้อมูลรับรองกับกล่องดำที่ตรวจสอบไม่ได้ แต่ local agent อยู่ภายใต้การควบคุมของผู้ใช้ agent จะทำงานก็ต่อเมื่อผู้ใช้สั่งรันอย่างชัดเจนเท่านั้น คุณเห็นความคืบหน้าแบบเรียลไทม์และหยุดได้ทุกเมื่อ มันยังสามารถแยกไปรันใน Chrome user profile คนละชุดได้ และที่สำคัญที่สุดคือเป็นโอเพนซอร์ส คุณจึงตรวจสอบและยืนยันโค้ดได้ด้วยตัวเอง

  • use case ของผมคือดึงไฟล์ CSV/ข้อมูลออกจากเว็บไซต์ที่เกี่ยวกับน้ำ ตัวอย่างเช่น การดึง ข้อมูลระดับน้ำในอ่างเก็บน้ำของ South Australia ทำให้ผมลำบากมาก (โดยเฉพาะในฐานะคนที่มีประสบการณ์ด้านฟรอนต์เอนด์ไม่มาก) ถ้าทำงานแบบนี้ให้เป็นอัตโนมัติด้วย agent ได้ ผมจะลองแน่นอน

  • คิดว่าเป็นโปรเจกต์ที่เจ๋งมาก! แล้วการเปิดตัวบน HN ก็สุดยอดจริง ๆ นี่คือความเห็นตรงไปตรงมาจากประสบการณ์ช่วงแรก: ตอนรันพรอมป์ต์ ‘จัดกลุ่มแท็บทั้งหมดตามหัวข้อ’ มันทำงานได้ดีมาก หลังจากนั้นผมสั่งให้ลบทุกแท็บกรุ๊ปแล้วรีเซ็ต มันตอบว่า "นี่เป็นงาน browser automation ให้ไปรันใน ‘Agent Mode’" พอไปขอใน Agent Mode ก็โดนตอบกลับมาว่า "นี่เป็นงานด้าน productivity ให้ไปรันใน Chat Mode" กลายเป็นว่าต้องคุยวนไปวนมา สุดท้ายทำได้แค่รวมทุกแท็บเข้าเป็นกรุ๊ปใหม่กรุ๊ปเดียว แต่ลบกรุ๊ปออกทั้งหมดไม่ได้เลย ดูเหมือน API นั้นจะยังไม่มี โดยรวมแล้วผมอยากให้ทุก action ระดับบราว์เซอร์มีปุ่ม ‘undo’ ถ้าทำยาก อย่างน้อยมันก็ควรลบแท็บกรุ๊ปที่ตัวเองเพิ่งสร้างเมื่อไม่กี่วินาทีก่อนได้ ผมจะลองใช้ต่อไปนะ edit1: ตอนใช้ chat interface บนหน้า internal ของ chrome (เช่น chrome://extensions) มันชอบเด้งไป google.com เป็นบางครั้ง edit2: ยืนยันแล้วว่าใน productivity mode ไม่มีเครื่องมือสำหรับยุบกรุ๊ป มีแต่สร้างกรุ๊ป

    • ขอบคุณมากสำหรับฟีดแบ็ก! ขอโทษที่ทำให้ไม่สะดวก ตอนนี้ยังอยู่ในช่วงเบต้าแรกเริ่ม agent mode กับ chat mode ถูกออกแบบให้ใช้เครื่องมือคนละชุดกัน ตอนนี้พรอมป์ต์ยังไม่ดีพอ จึงเห็นชัดว่าต้องปรับปรุง เรื่องการยุบกรุ๊ปนั้นดูเหมือน Chrome API เองยังไม่มี เราอาจต้องทำเอง มีหลายคนขอฟีเจอร์ ‘undo’ อยู่เหมือนกัน เลยกำลังพิจารณาว่าจะใส่แนวทางแบบ 'restore checkpoint' ของ cursor ดีไหม ถ้าคุณมีตัวอย่างเจาะจงว่า productivity feature สำคัญต่อการใช้งานประจำวันแค่ไหน เราอยากฟังมากจริง ๆ :)

  • ชื่อ ‘nxtscape’ ทำให้นึกถึงความคิดถึงยุค SCSI เก่า ๆ อยากแนะนำชื่อที่พูดครั้งเดียวติดหูง่ายแบบ ‘GPT’ ตัวผลิตภัณฑ์นั้นยอดเยี่ยมจริง

    • จากฟีดแบ็กวันนี้ ทำให้รู้สึกว่าควรใช้เวลากับชื่อและแบรนดิ้งให้มากขึ้น จะลองคิดดูนะ :)

  • ตลาดนี้เป็นแบบ winner-take-all เต็มตัว สิ่งที่ลองทำนั้นน่าประทับใจมาก แต่การสร้างบราว์เซอร์ด้วยทีมแค่สองสามคนเป็นงานใหญ่เกินไป แถม Google ก็เพิ่งโชว์ทิศทางอนาคตไว้คร่าว ๆ ใน I/O แล้ว และในพื้นที่แบบนี้ Google น่าจะใส่มันเข้า Chrome ได้ในไม่ช้า จนยึดส่วนแบ่งตลาดได้เร็วพอสมควร ตลอดหลายปีที่ผ่านมา ผู้ก่อตั้งสาย deep tech พยายามพิชิต Chrome กันมาแล้วแต่ไม่เคยสำเร็จเลย ตามความเป็นจริงผมคิดว่าควรเริ่มจากความต้องการเล็ก ๆ ที่ชัดเจนใน ICP ก่อน จะได้ไม่เสียทั้งแรงและแพสชันไปเปล่า ๆ

    • ขอบคุณสำหรับฟีดแบ็กตรงไปตรงมามาก! การแข่งขันดุเดือดนั้นเป็นความจริง แต่เราคิดว่ายังมีช่องว่างชัดเจนสำหรับตลาด AI browser แบบโอเพนซอร์ส ขับเคลื่อนโดยชุมชน และให้ความสำคัญกับ privacy-first (คล้าย Brave)

  • ผมคิดว่าบราว์เซอร์ที่มีฟีเจอร์เพื่อผู้ใช้ โดยเฉพาะที่ช่วยจัดการ/แปรรูปเว็บคอนเทนต์ที่เป็นปฏิปักษ์ต่อผู้ใช้โดยอัตโนมัติ มีคุณค่ามากจริง ๆ ตัวอย่าง use case ที่ชัดเจนคือ 1) ตอนซื้อโซฟา อยากกรองตามเงื่อนไขเฉพาะแทนการเจอแต่ข้อมูลการตลาดเว่อร์ ๆ 2) รับการแจ้งเตือนเฉพาะเวลาที่เพื่อนโพสต์บน Facebook แล้วกรองอย่างอื่นทิ้ง 3) ชุมชนแถวบ้านใช้ Facebook หรือ nextdoor เป็นหลัก แต่ไม่อยากเห็นโพสต์ซ้ำ ๆ จากคนเดิมอยู่เรื่อย ๆ 4) หน้าเว็บรับฟังความคิดเห็นของหน่วยงานรัฐที่ยืดเยื้อเป็น 700 หน้าแบบไม่จำเป็น ก็ควรสรุปอัตโนมัติแล้วดึงมาเฉพาะประเด็นสำคัญจริง ๆ ได้ แนวคิดนี้เอาไปใช้ได้อีกหลายโดเมน

    • อย่างเรื่องซื้อโซฟา ฟังก์ชันกรองรายการตามเงื่อนไขเฉพาะนั้นแม้แต่เว็บใหญ่ ๆ (รวม Amazon) ก็ยังทำได้ไม่ดี แต่ก่อนผมเคยใช้ scraping ผสม data science ทำเว็บอย่าง diskprices.com เอง และถ้า LLM มีประโยชน์กับงานแบบนี้จริง ต่อไปก็น่าจะมีเว็บเฉพาะทางเพิ่มขึ้น แทนที่จะให้ผู้ใช้มานั่งเขียนพรอมป์ต์บนบราว์เซอร์เอง ส่วนเรื่องบล็อกโพสต์ซ้ำ nextdoor มีฟังก์ชันบล็อกผู้ใช้อยู่แล้ว เผื่อเป็นประโยชน์ (คู่มือบล็อกบน nextdoor)

    • เป็นตัวอย่างที่ดีมากจริง ๆ!

  • รองรับ robots.txt ไหม?

    • ตอนนี้ยังไม่รองรับ แต่จริง ๆ แล้วถ้า agent ใช้เพื่อ ‘มนุษย์’ เท่านั้น มันก็ไม่ใช่การ scraping ผมเลยไม่แน่ใจว่ามันสำคัญแค่ไหน

    • นี่เป็น user-facing agent ชัด ๆ ถ้าต้องบังคับให้เคารพ robots.txt ด้วยก็คงน่าหงุดหงิดเกินไป robots.txt เดิมทีถูกออกแบบมาเป็นมารยาทสำหรับ web crawler ไม่ใช่เพื่อห้ามเครื่องมือที่ทำหน้าที่แทนคำขอของผู้ใช้แต่ละคน การที่เจ้าของเว็บจะมาจำกัดเครื่องมือที่เข้าถึงเว็บไซต์ของตัวเอง ไม่ว่าจะเป็นเทอร์มินัล, บราว์เซอร์ธรรมดา หรือ AI browser ก็ตาม เป็นการลดทอนจุดแข็งของเว็บ การเสียสละความหลากหลายของเว็บเพียงเพราะความเกลียดชังเครื่องมือ AI เป็นแนวทางที่อันตรายในระยะยาว อ้างอิง: robots.txt FAQ