Snapshot

Wie Ihr KI-Agent eine Seite liest und die richtigen Bedienelemente findet.

Ein Snapshot macht aus einer Webseite eine kompakte Ansicht, die Ihr KI-Agent lesen kann. Er enthält den Seitentext und gibt Links, Schaltflächen und Feldern kurze Referenzen wie @1 und @2.

Ein Anmeldeformular könnte zum Beispiel so aussehen:

@1 [heading] "Log in"
@2 [input type="email"] placeholder="Email"
@3 [input type="password"] placeholder="Password"
@4 [button] "Continue"

Mit diesen Referenzen kann der KI-Agent ein Feld oder eine Schaltfläche auswählen, ohne raten zu müssen, wo sich das Element auf dem Bildschirm befindet.

Referenzen ändern sich mit der Seite

Eine Referenz gehört zum aktuellen Snapshot. Nach einer Navigation, dem Absenden eines Formulars oder einer anderen Änderung der Seite erstellt der KI-Agent einen neuen Snapshot, bevor er wieder eine Referenz verwendet. @4 kann auf der nächsten Seite eine andere Schaltfläche sein.

Normalerweise müssen Sie Snapshots nicht selbst lesen. Wenn der KI-Agent offenbar mit einer veralteten Ansicht einer Seite arbeitet, bitten Sie ihn, einen neuen Snapshot zu erstellen und noch einmal zu prüfen.

Snapshots sind Teil von ego-browser. Der KI-Agent liest sie in seinem Space, wo Sie die besuchten Seiten prüfen können.