6月份的时候听了商业漫谈的这期播客：34.与Fellou创始人谢扬的3小时访谈：孤独、95后、牌桌与生产力的完美创业。刚听完的时候，对Fellou AI这款产品表示非常好奇。在听播客的过程中，有深深地感觉到AI浏览器会有很新的交互形态出现。
于是先去Fellou AI的Discord蹲到了一个邀请码，然后开启了一波AI浏览器的探索之旅。
开门见山，先来盘盘Fellou AI的基本盘。
当你拿到邀请码之后，先把邀请码填写到对应的框框里。
填写完成之后，再点击Enable Permissions，允许Fellou对你电脑主机的部分权限进行控制。
| 基本信息 | 相关链接 |
|---|---|
| 官方公众号 | 公众号搜索：FellouAI |
| 官网 | https://fellou.ai/ |
| 下载地址 | https://fellou.ai/download |
| 产品文档 | https://fellou.ai/blog/category/product/1/ |
| 技术文档 | https://fellou.ai/eko/docs/getting-started/quickstart/ |
Fellou AI 于今年05月11日正式发布，号称为是全球首个Agentic行动型浏览器，以其强大的AI自动化能力引发了行业热议。
它能帮你把复杂的任务进行拆解，并分为多个步骤，逐步地帮你执行，最终达到对应的结果。比如在boss直聘上，帮你一次性给各大boss发招聘消息；又或者替你发送邮件，发送twitter等社媒帖子等等。
这在某种程度上，为营销人员、内容创作者、研究人员等群体，提供了前所未有的生产力提升。
Fellou拥有以下几大核心功能：
| 核心功能 | 功能信息 |
|---|---|
| 多步网页任务自动化 | 可以把「检索→打开页面→筛选→填写/提交/记录」等步骤串成执行链，突破传统单一查询的边界模式。 |
| 自主行动与策略决策 | 在页面中去决定下一步点击、继续检索或切换站点的方式，体现Agent式的操作。 |
| 上下文与状态保持 | 强调利用用户的完整上下文，减少重复输入，保证后续动作基于已有信息连续执行。 |
| 信息检索与结构化整理 | 对多来源内容进行收集、去重、归类、提炼，输出结构化结果（表格/摘要/要点）。 |
| 一句话自然语言指令触发 | 用户只需要以简单指令来描述目标，Fellou系统便会解析并生成行动计划。 |
| 结果导向输出 | 强调「交付可执行成果」（如已填写、已提交、已汇总的成品），而不只是单一的文本说明。 |
了解了FellouAI是什么，接下来跟大家来一起，挖掘一些好玩的场景，更进一步感受行动型浏览器是「怎么行动的」。
先从官方的useCase里面，随机挑选有趣的场景来整活。
一般来说，品牌在做营销的时候，一般都需要深入地去挖掘竞品，以及整个行业的信息。所以第一个场景，我们用「商业分析报告」作为首个例子，来看看fellou是怎么分析的。
调试Prompt如下：
请针对美团和饿了么最近的外卖大战，做一个深度的商业分析，最终生成一份报告，以PDF的形式给我。报告内容需重点探讨以下几个方面：
竞争策略差异： 两大平台在补贴力度、骑手管理、商家扶持和用户运营上各有哪些核心策略？
用户行为洞察： 下沉市场的用户有哪些独有的消费习惯和偏好？他们更看重价格、时效还是服务质量？
未来发展趋势： 这种激烈的竞争对整个外卖行业的未来格局会产生怎样的影响？Deep Action过程：
Fellou会把你的初始指令，给拆解成几个非常细致的行动TODO，然后再分别的去进行深度搜索，最终形成一份完整的商业分析报告。
最终生成效果如下：
PS：附上报告地址 → https://hfs7lve33i.fellou.io/meituan-vs-eleme-delivery-market-analysis-hxZkTlFP
第二个Case，我们来看看Fellou短时间内写完一篇研报的能力。
再比如说让Fellou针对Github上最受欢迎的开源项目Hugging Face进行分析，Prompt如下：
请帮我对GitHub上最受欢迎的开源AI项目Hugging Face，进行全面调研分析，并撰写一份详细的技术社区研究报告。然后Fellou自己去模拟点击等操作，把Hugging Face的所有内容，都浏览一遍。行动过程如下：
Fellou在行动的过程中可能需要去请求你的桌面权限，会给你弹出提示框，一般是屏幕截屏之类的权限功能，这个时候你直接点击允许即可。
最后，我们来看看Hugging Face的研报，生成效果如何。具体如下图所示：
这里可以直接把这份报告发布到互联网上。如下图所示：
可以看到，这份报告的内容，整体抓取的数据算是比较全面，并且对应的参考位置，会像文献一样标出来，并且可以点击过去。如下图所示：
最终报告的地址可戳此链接：
https://chat.fellou.ai/report/ab8f6245-e2a0-4ee8-a14c-1811457fbc9b
第三个case，我们来看看，Fellou的深度 数据分析能力。
Prompt如下：
请对「十字路口Crossing」这档播客在小红书平台的用户评论进行深度数据分析，具体要求如下：
数据收集：抓取最近30天内相关笔记的评论数据
情感分析：统计正面、负面、中性评论的比例分布
关键词分析：提取用户评论中的高频词汇和热门话题
用户画像：分析评论用户的基本特征（年龄段、地域分布等）
竞品对比：如有可能，对比同类产品的评论表现
可视化输出：生成包含图表的分析报告，包括词云图、情感分布饼图、时间趋势图等
在刚输入完Prompt的时候，Fellou就会先去访问小红书，然后会引导我去先进行登录。如下图所示：
输入账号和验证码之后，点击Done，进行确认。如下图所示：
然后呢，Fellou就去开始在小红书平台上，抓取各种各样的数据，并进行分析。如下图所示：
最终到了生成报告的阶段，行动过程如下：
最后来看整个生成的报告长什么样，如下图所示：
如上图所示，可以发现，Fellou把这份报告拆解成六个部分：①总览；②情感分析；③关键词分析；④用户画像；⑤竞品分析；⑥时间趋势。
看完整份报告的时候，如果总分是100分的话，给打个85分。除了部分内容在渲染过程中出现一些小瑕疵，但是整体的数据和渲染质量，还是比较满意的。
然后我又回去看了下Fellou在生成任务过程中，整个拆解step的过程，想说J人狂喜，拆解的是非常到位。并且过程当中，有学到一些拆解问题的思路和技巧😉
跑完这个场景的时候，摸了下我电脑的底座，电脑的温度感觉是烧到快要火山喷发了👵🏻
再看了下积分，发现这个任务直接烧掉了1000+积分🐱
最后报告附上链接来瞅瞅：
https://chat.fellou.ai/report/41414748-71eb-4ca4-9a58-380448beec89
文章的第三部分，我们来尝试下，批量执行类的任务。
假如说你是一名内容创作者，目前正运营着科技类公众号《xxxx》。
有可能你在推广的过程中，需要每天花费2-3小时在各大社交平台寻找相关热门内容，然后手动留言推广自己的公众号。
这个过程不仅耗时，而且效率低下，有时候后经常经常因为找不到合适的帖子而错过最佳推广时机。更难的是，手动操作容易出现重复推广或遗漏优质内容的情况。
那么这时候，你可以通过Fellou，来帮你发送执行信息，达到推广目的。
来试试这个Prompt：
请帮我在小红书上执行智能推广任务：
1.搜索"人工智能"、"AI工具"、"ChatGPT"、"知识管理"等关键词
2.筛选最近7天内点赞数超过1000的热门帖子
3.分析帖子内容相关性，优先选择与科技、AI相关度高的内容
4.在符合条件的帖子下留言："很棒的分享！推荐关注《自来水用户测试AI功能中》公众号，每周分享最新AI资讯～"
5.执行8-10条评论，间隔10秒发布避免被限流
6.记录已评论帖子，建立推广效果跟踪表输入完Prompt之后，Fellou就会去搜索相关的笔记，如下图所示：
接着，在执行的过程中，Fellou会去抓取到每篇小红书笔记的评论和发送框，并直接把推广文案给发送到这篇笔记下面。抓取评论和发送框的过程，如下图所示：
发送完第一条之后，接下来Fellou会等待10s的时间才会继续发送，因为在我们的提示词中有提到过。这在某种程度上，可以规避掉因为频繁发送触发平台的限流功能。如下图所示：
最终发送的展示效果如下👇🏻：
然后全部发送完了之后，Fellou会给我生成一份CSV、一份MD报告、一份JSON数据。
PS：
这里本来想写自己公众号的名称的，怕被举报，就不冒这个风险了😜
不过对于运营同学来说，可以大胆写自己要推广的品牌名称😉
批量执行类的第二个场景，想来试试出海的场景。
假如说某SaaS产品准备出海欧美市场，需要与当地科技类KOL合作推广。传统做法是让市场团队手动搜索YouTube、Instagram上的博主，一个个查看粉丝数据，复制邮箱地址，然后逐一发送邮件。
整个流程下来，3个人的团队可能一周只能联系到50个KOL，效率极低。而且由于信息收集不够系统，经常会出现重复联系或遗漏优质博主的情况。
那么这个时候你可以用Fellou来做这个工作，帮忙搜集合作资料，以及建立一个合作邀约的数据库。然后你就可以用这个合作邀约库，去直接发送合作邀约的邮件。
具体Prompt如下：
请帮我批量开发海外科技KOL合作资源：
目标市场：美国、英国、德国
产品类型：B2B SaaS工具
执行步骤：
1. 在YouTube、Instagram、LinkedIn搜索"SaaS"、"productivity tools"、"business software"等关键词
2. 筛选标准：粉丝1万-100万，近30天活跃，内容质量高
3. 收集KOL信息：姓名、平台、粉丝数、邮箱、内容风格
4. 按影响力分层：微型(1-10万)、中型(10-50万)、大型(50万+)
5. 生成一个合作邀约的CRM数据库
6. CRM数据库需包含：①基础信息；②要发送给对方的个性化邮件模板；③跟踪回复率和合作进展；④…
目标：一周内联系200个潜在合作伙伴
然后呢，Fellou会弹出来这么多个窗口。在此过程中，对于需要登录的X和Instagram，会让你点开对应的网页去进行登录。具体如下图所示：
登录完成之后，Fellou就会开始去执行我们的任务👇🏻：
最终，会生成四份内容供你下载：①CRM的使用指南文档；②完整CRM的系统报告；③KOL的数据分析图表；④投资回报率的分析图表。如下图所示👇🏻：
在XLSX数据表中，会很详细地统计和给出各种类别的看板，更加方便运营同学查看和运用各种表格和数据。如下图所示👇🏻：
还有邮件模板的信息：
且比较惊喜的是，还生成了一张投资回报率的分析图：
下面再提供三个较为常见的批量执行类场景供大家参考使用。
假如某销售总监管理着500多个客户，需要定期发送问候邮件、产品更新通知和节日祝福。传统做法是从CRM系统导出客户列表，然后用邮件群发工具发送统一内容。但这种方式个性化程度低，客户打开率和回复率都很差。
而如果要做个性化邮件，人工成本又太高，一个人一天最多只能发送50封个性化邮件。
可以用以下提示词来进行处理👇🏻：
请帮我建立智能化客户邮件营销系统：
客户数据：CRM系统中的500个客户信息(这里需要把客户的数据导入到对方)
执行方案：
1.
从CRM导入客户数据：姓名、公司、职位、购买历史、互动记录
2.
客户分层：新客户、活跃客户、沉睡客户、VIP客户
3.
为每层客户设计个性化邮件模板
4.
自动插入个性化信息：客户姓名、公司名、最近购买产品
5.
智能发送时机：根据客户的时区和活跃时间优化发送时间
6.
A/B测试不同主题行和内容版本
7.
自动跟踪邮件打开率、点击率和回复情况
8.
未回复客户3天后自动发送跟进邮件
9.
生成本月客户沟通效果分析报告下面来第四个比较典型的批量化执行场景：批量发送简历。
金九银十，假如说某应届毕业生小陈正在找工作，每天需要在智联招聘、前程无忧、BOSS直聘等平台搜索合适的岗位。按照传统的方法，小陈要逐个打开职位详情，复制公司信息，然后根据不同公司的要求修改简历和求职信。一天下来只能投递10-15份简历，而且经常因为信息整理不当错过心仪的职位。更糟糕的是，他无法有效跟踪投递状态和面试安排，经常遗漏HR的回复。
那么我们可以让Fellou来批量帮你给HR发送简历，可以用以下Prompt👇🏻：
你是我的智能求职管理助手，接下来要帮我在boss直聘这个网站上，执行和处理一些任务。
求职目标：
1.
目标职位：产品经理、运营专员
2.
目标城市：北京、上海、深圳
3.
薪资范围：8K-15K
执行任务：
1.
自动搜索boss直聘招聘网站的新发布职位
2.
按匹配度筛选：公司规模、薪资范围、工作经验要求
3.
自动收集职位信息：公司名、职位、薪资、要求、联系方式
4.
批量给各大公司投递简历，投递20-30份
5.
建立求职跟踪表：包含投递时间、公司回复、面试安排
6.
生成求职进展周报和成功率分析这个Case在Fellou的官网和各大媒体的测试Case中，综合效果都很不错，大家可以自行体验和测试一下。
批量执行的第五个场景，我们来聊聊：批量网购比价。
假如说你是家庭里的宝爸和宝妈，经常需要给家里采购日用品和孩子用品。那在平常的购物中，有可能习惯于在淘宝、京东、拼多多之间比价，但手动搜索同一商品在不同平台的价格非常耗时。
特别是遇到双11、618等购物节时，各平台的优惠规则复杂，她经常算不清楚哪个平台最便宜。有时候好不容易比较完价格，商品又涨价或断货了，前功尽弃。
因此，我们可以利用Fellou，来建立一个比价系统，并生成购物省钱报告。输入Prompt：
请帮我建立一个智能购物比价清单系统：
购物清单：婴儿奶粉、纸尿裤、洗衣液、大米等日常用品
执行功能：
1.
在淘宝、京东、拼多多、苏宁等平台搜索同款商品
2.
收集商品信息：价格、销量、评分、店铺信誉
3.
计算实际到手价：优惠券、满减、会员折扣等
4.
生成价格对比表，标注最优选择
5.
监控商品价格变动，降价时自动提醒
6.
分析历史价格走势，判断是否为好价
7.
生成一份购物省钱报告Step拆解如下👇🏻：
点击Run，Fellou开始跑任务👇🏻：
最终，Fellou会生成一套解决方案给到我们，让我们可以去执行和操作。如下图所示👇🏻：
对于这种购物类型的场景，很适合在618、双十一等各种大节日的时候来使用。
同时，基于上面的场景下，如果有需要的话，还可以自动添加购物车，设置价格预警等等功能。
文章的第四部分，我们来测测，Fellou在游戏类场景的创作怎么样。
Prompt：
帮我做一个俄罗斯方块的小游戏。来看看Deep Action的步骤：
行动过程如下：
具体展示效果如下：
用下来的时候，我感觉它一个屏幕内，没法直接展示游戏内容。于是我又加了一轮对话，希望它可以在一轮对话内展示。Prompt为：
这个游戏希望可以在一个屏幕内展示完成
最终展示效果如下：
到这个版本的时候，发现展示效果已经好了很多。如果还有要微调的话，还可以再继续对按钮的颜色，整体的UI颜色再做修改。
附上效果地址：
https://chat.fellou.ai/container/bfe64212-3924-4485-a369-cdc4dc15b549
从官方的Workflow里，发现了一个3D游戏的场景。
写了一个Prompt来浅试一下👇🏻：
创建一个以悉尼歌剧院为特色的3D《泰拉瑞亚》场景，包含港湾大桥背景和周围的海港环境，生成一个3D游戏给我。Deep Action思考过程如下👇🏻：
代码生成过程如下：
最终生成效果如下：
发现效果还蛮好的，中规中矩，某些场景的还原度也蛮高的。看了Step拆解过程和代码，发现到底层用到的是Three.js来还原这个场景。（学到了）
附上游戏链接：
https://hfs7lve33i.fellou.io/3d-pixel-sydney-harbor-exploration-game-AopCvBGV
终于把想测的场景都都都测完了！横跨了一个很长的测试周期。
老实讲，最早在看Fellou各种文章的时候，小编对Agentic这个词完全没有概念，直到最近密集测评的时候，翻遍了官网 49个 search usecase 和 27个 workflow usecases，突然间对 Agentic Browser 有了一些更深的觉悟。
那接下来，在文章的第五部分，就来整体拆解下，Fellou一些比较惊艳的功能点。
首先，Fellou最令人印象深刻的是其多窗口并行处理能力。在执行复杂任务的时候，它会同时打开多个浏览器标签页，分别负责不同的子任务：
有的负责数据搜索和观察
有的负责深度调研分析
有的负责整理思路逻辑
有的负责撰写和措辞优化
像这种「分工协作」的方式，让AI真正具备了类似人类团队作业的效率。
Fellou会根据用户的浏览行为和历史数据，来智能推断用户的潜在需求。比如在订酒店场景中，它不会简单地展示所有选项，而是通过分析用户的偏好，会问你说：
是更喜欢市区还是郊外？
还是习惯打车还是公共交通？
对周边配套设施是否会有什么要求呢？
然后最终提供千人千面的个性化推荐方案。
在执行任务过程中，Fellou会在网页上显示各种颜色的操作框，实时展示AI的「思考轨迹」和「操作步骤」，让用户清楚地看到AI在做什么。
第四个能力是Fellou的意图识别能力。偶然间在Fellou执行窗口的最下方，看到了不断改变的提示词👇🏻：
Fellou会根据当前这个窗口下面正在执行的功能，来判断用户下一步有可能想要提问的问题，进一步判断用户下一步的意图。在这里的意图识别能力，比较灵动。
相比于传统类似于豆包等文本对话模型的对话窗口，Fellou的意图识别能力，能跟随整个环境的变化而变化。
就像是在路上走着走着，看到很好看的花，AI会主动问你「要不要了解一下这种花的品种和养护方法？」；
或者是走到餐厅门口，AI会贴心地提醒「需要帮你查看菜单和用户评价吗」？
这种基于上下文的智能感知，让人机交互变得更加自然流畅，仿佛有一个善解人意的助手时刻在身边，总能在恰当的时机提供最贴心的建议。
这种动态意图识别的设计，让Fellou不像是是一个被动响应的工具，而是一个能够主动思考、预判需求的智能伙伴。
每一次对Fellou输入Prompt的时候，会生成很多Step。然后我们也可以对这个Step，进行实时查看、修改和调整，对不满意的环节进行干预和优化。这一步也是比较好玩且比较新颖的交互，且可以引导人类用户，做更深度的思考和调整。
Fellou跟Chrome一样，对于一些基础操作，也有预置了很多快捷键。比如cmd+w，关闭当前浏览器标签页。用Cmd+N，打开一个新的窗口。
下面贴一下主流快捷键的使用：
文件类别的👇🏻：
编辑器类别的👇🏻：
视图类别的👇🏻：
窗口类别的👇🏻：
历史记录类别👇🏻：
除此之外，在浏览器里面的每个标签页，还可以右键，会展示出下面这个弹窗：
对于每个标签页，也可以进行复制链接、分割视图、重新加载等操作。
聊完整体的场景以及比较惊艳的功能点，接下来聊点更深的话题，想聊聊Fellou的开发框架。
一开始对Fellou的底层开发，还没什么感知。到后来突然文章写了一半，大概8月份的时候，突然间在飞书上看到了eko，于是就去翻了翻相关的资料，探索了一下。
下面浅浅地普及下Eko这个智能体开发框架的内容。
Eko 是 支持Fellou底层开发的开源智能体开发框架，支持Web/Node.js/浏览器插件等多种环境，同时也支持A2A和MCP等常用协议，具有极高灵活性与安全性。可访问Eko官网或其GitHub地址获取更多资料和代码。
相关地址👇🏻：
| 主题 | 相关地址 |
|---|---|
| Eko官网 | https://fellou.ai/eko |
| Eko文档 | https://fellou.ai/eko/docs/getting-started/eko/ |
| Github地址 | https://github.com/FellouAI/eko |
八月初的时候，有看到Fellou举办了关于Eko的创新挑战赛，然后当时在想这个比赛带来的一些可能性。
一般来说，如果没有比赛之前，Fellou的创新可能是基于企业技术人员的驱动下去做创新。
但是如果把一部分技术开源出来之后，大家基于这个框架，去造出更多有趣好玩的东西，那么最终对于Fellou来说，就能更快速地去看到用户有可能想要的一些新的交互，最终能够收集到一些一线用户的真实需求。
这在某种意义上，丰富了Fellou的整个开发者生态，同时也带来了更繁荣的可能性。
文章的第七部分，到了最后的总结分析。
先来聊聊对场景适用性的评分：
| 场景 | 评分 | 适用性解析 |
|---|---|---|
| 数据处理与分析能力 | 9/10 | 在商业分析、数据抓取、报告生成等方面表现优异能够处理复杂的多源数据整合任务 |
| 批量执行任务能力 | 8/10 | 在社媒推广、邮件营销、简历投递等重复性任务中效率极高且能够通过定时的方式，有效规避平台限流机制 |
| 创意内容生成 | 7.5/10 | 游戏开发、创意设计等场景表现中等感觉会更适合结构化、流程化的任务 |
当Fellow在浏览器抓取数据和处理各种数据的时候，此刻小编的心里有个疑惑：这样公开去抓取数据，数据隐私是否能得到保障？
后来在这篇文章 Fellou：成为每个人都需要的那名伙伴｜100个革新产品（18/100） 里找到了答案。
Fellou会严格遵守各地数据隐私的相关法律，无论是欧盟的GDPR（General Data Protection Regulation）还是加州的CCPA（California Consumer Privacy Act）。
同时，Fellou利用自己在身份管理上积累的经验与技术优势，制定了一套严密的身份权限系统，并在数据收集上采用了KMS的信封加密，即使黑客攻破了数据库，也没有办法拿到原文信息。
Fellou还会主动屏蔽掉平台不该收集的数据，比如用户的各种账号密码、身份证号，或者一些私密的健康信息，都不会进入Fellou的信息库。
PS：想尝试在官方找Reference，但是没翻到，期待有好心人来贴个Reference
最后，来聊聊在测评的过程中，对这个工具的一些优化思考。
比如左下角的Tabs，可以新增，但是没法移动。
对于图表可视化来说，有些图表在渲染的过程中，会有一些丢失。
又或者，在某些复杂任务情况下，容易生成到一半宕机了。btw在现在AI还在初期迭代的情况下，感觉也属于比较小的问题了。到软件和工具1.0版本的时候，或许这些问题就已经被彻底清除了。
文章写到这里，终于来到到到了最后一部分！我们来小小的做个总结😉
在文章的第一部分，我们先介绍了Fellou这个工具的基础信息。
在文章的第二、三、四部分，我们分别从文本创作、批量执行、游戏创意三个维度，分别做了很多场景的测评。
在文章的第五部分，为大家总结了Fellou一些比较核心的功能点和一些很有趣的功能。
在文章的第六部分，讲解了Eko智能体框架。在文章的第七部分，整体做了场景的适用性评分，以及写了一些小思考。
在Fellou这个工具上，小编印象最为深刻的功能，大概要率属于如何更好的拆解Step。
作为一个任务拆解爱好者，以前用AI辅助做任务拆解的时候，时常会觉得拆的比较表层。但在使用了Fellou以后，会它的任务拆解细致化，有被稍稍感叹了一下，引发用户深度思考多了一些些。
诚如官方的slogan一样，做一个行动型的浏览器，不仅能思考，更多的是帮你直接把目标任务给执行了。
想起创始人在开篇提到的播客里所说到的一句话：我不知道为什么，但我就是知道。
把Fellou深度测试了之后，突然感受到了这句话的含金量。
以上就是本期的全部内容，我们下期见🍻🍻🍻
Zelina的个人说明书：https://pzfqk98jn1.feishu.cn/wiki/wikcnTijikVNdkWdBEKzQpiA6ie
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。