
در سال گذشته تقریباً هر شرکت فعال در حوزه هوش مصنوعی تصمیم گرفت مرورگر اختصاصی خود را عرضه کند، اما یک نکته مهم وجود دارد: برای استفاده از دستیار هوش مصنوعی باید کل تجربه مرور وب خود را به آن مرورگر منتقل کنید. به گزارش XDA Developers، مرورگر Comet اکنون رایگان است و Dia قابلیتهای هوش مصنوعی خود را در طرحی ۲۰ دلاری در ماه ارائه میکند، اما همه این مرورگرها همچنان برای تبدیل شدن به مرورگر اصلی کاربران رقابت میکنند. مرورگر Atlas شرکت OpenAI نیز در اوت و کمتر از یک سال پس از عرضه متوقف شد و قابلیتهای مرور آن به اپ دسکتاپ ChatGPT منتقل شد.
هزینه تغییر مرورگر و بازگشت کاربران به کروم
به گفته نویسنده، بسیاری از افرادی که مرورگرهای هوش مصنوعی را امتحان میکنند در نهایت به کروم بازمیگردند؛ مرورگری که خودش نیز یکپارچگیهای اختیاری هوش مصنوعی دارد. انتقال ورودها، تبها و تاریخچه به یک اپلیکیشن کاملاً جدید فقط برای دسترسی به یک نوار کناری هوش مصنوعی، درخواست بزرگی است. علاوه بر این، قرار گرفتن یک عامل هوشمند (Agent) در همان مرورگری که حسابهای کاربر در آن قرار دارد، برای نویسنده چندان راحت نبوده است. با این حال، بیشتر کارهایی که او از هوش مصنوعی در وب میخواهد شامل خواندن، مقایسه و ترکیب صفحات است و این کارها نیازی به حسابهای شخصی ندارند.
مرورگر داخلی کلود؛ قابلیتی که کمتر دیده شده است
نویسنده تأکید میکند که منظور او افزونه Claude in Chrome نیست. به گفته او، اپ دسکتاپ کلود از اوت مرورگر داخلی خود را در Cowork داشته و در سپتامبر، زمانی که Cowork و Chat ادغام شدند، این مرورگر به چت معمولی منتقل شده است. هر زمان که یک درخواست به وبسایت نیاز داشته باشد، یک پنجره کناری در کنار چت باز میشود و کلود در آن کار میکند؛ کاربر میتواند روند کار را بهصورت زنده ببیند. این مرورگر میتواند صفحات را بهطور مستقل باز و مطالعه کند و در صورت نیاز روی عناصر کلیک کرده و فرمها را پر کند. پنجره کناری تبهای واقعی و نوار آدرس (Address Bar) دارد و کاربر میتواند بهصورت دستی با آن تعامل داشته باشد. این قابلیت بر پایه کرومیوم (Chromium) تعبیهشده در اپ دسکتاپ اجرا میشود و نیازی به نصب چیز اضافهای ندارد.
نکته اصلی برای نویسنده این است که مرورگر داخلی کلود کاملاً از مرورگر اصلی او که همه ورودها در آن قرار دارد جدا است. این جداسازی فقط برای امنیت نیست، هرچند نگرانی اصلی او تزریق دستور (Prompt Injection) است، بلکه برای جلوگیری از انجام اقدامات ناخواسته روی حسابهای مهم نیز هست. دکمه Import Cookies ورودها را سایت به سایت منتقل میکند، اما سایتهای بانکی، ایمیل و ورود یکپارچه (Single Sign-On) بهصورت پیشفرض انتخاب نشدهاند. نویسنده میگوید هرگز از این دکمه استفاده نکرده و در این مرورگر وارد حسابهای خود نمیشود.
یافتن صفحات در این مرورگر کمی با یک مرورگر معمولی تفاوت دارد؛ کلود ابتدا جستوجوی وب (Web Search) خودش را اجرا میکند و سپس نتایج را در پنجره کناری باز میکند. این قابلیت هزینه اضافهای روی طرح پرداختی ندارد، اما در مصرف معمول کلود حساب میشود. همچنین اولین بار که کلود میخواهد در یک سایت جدید اقدامی انجام دهد، اجازه میگیرد. آنthropic صراحتاً اعلام کرده است که دستورهای پنهان در یک صفحه وب میتوانند تلاش کنند کلود را از وظیفه اصلی منحرف کنند؛ بنابراین بهتر است این مرورگر فقط در سایتهایی استفاده شود که کاربر از قبل آنها را میشناسد.
پژوهش و مقایسه صفحات بدون انبوهی از تبها
بخش زیادی از مرور وب نویسنده برای مقایسه نرمافزارهاست تا بفهمد یک اپلیکیشن چه هزینهای دارد، چه قابلیتهایی پشت پرداخت قرار گرفتهاند و در مجموع در مقایسه با رقبا چه وضعیتی دارد. در یک مرورگر معمولی، این کار معمولاً به باز نگه داشتن تعداد زیادی تب و جابهجایی میان آنها و سپس استفاده از ابزاری جداگانه برای یادداشتبرداری منجر میشود. اکنون کلود هر صفحه را در تب جداگانه خود در پنجره کناری باز میکند، آنها را میخواند و یک جدول مقایسه (Comparison Table) در چت میسازد. سپس کاربر میتواند از کلود بخواهد یک Google Doc برایش بسازد یا از طریق فایلسیستم (Filesystem) جدول را به مخزن Obsidian او اضافه کند. کلود کل صفحه را میخواند و نه فقط بنر بالای آن را؛ در نتیجه جدول مقایسه جزئیات ریز مانند قیمتی را هم ثبت میکند که فقط در صورت پرداخت سالانه اعمال میشود.
وقتی نویسنده در حال خواندن پستهای طولانی وبلاگ یا مقالات قدیمیتر درباره موضوعاتی مانند طراحی صدا است، کلود صفحه را میخواند و نکات و تاریخهای مرتبط را با یک برچسب منبع کوچک در کنار هر ادعا که نشان میدهد از کدام صفحه آمده است، به چت میآورد. کلود صفحات را پس از آن نیز در پنجره کناری باز نگه میدارد تا اگر چیزی نامشخص یا غیرمنطقی به نظر برسد، کاربر بتواند به آن تب برگردد و خودش بررسی کند.
بررسی ابزارها پیش از نصب و راهاندازی
پیش از نصب یک اپلیکیشن متنباز یا ابزار جدید سلفهاست (Self-hosted)، نویسنده میخواهد بداند آیا هنوز کسی روی آن کار میکند و راهاندازی آن چه هزینهای برایش دارد. کلود میتواند صفحه GitHub یک پروژه را باز کند و تعداد ستارهها (Star Count) و تاریخ آخرین کامیت (Last Commit) را در یک جدول استخراج کند؛ این اطلاعات تقریباً نشان میدهد چند نفر از پروژه استفاده میکنند و توسعهدهندگان هنوز آن را نگهداری میکنند یا نه. کلود همچنین یادداشتهای انتشار (Release Notes) آخرین نسخه را میخواند و میتواند به زبان ساده توضیح دهد که واقعاً چه چیزی تغییر کرده است؛ موضوعی که نویسنده بهدلیل آشنایی کم با توسعه نرمافزار برایش مفید است.
به گفته نویسنده، ابزارهای سلفهاست بیشترین صرفهجویی در زمان را برای او ایجاد میکنند. او میپرسد برای اجرای یک ابزار واقعاً به چه چیزی نیاز دارد و کلود مستندات رسمی (Official Docs) و صفحات شروع سریع را میخواند و با الزامات و کوتاهترین مجموعه مراحل بازمیگردد. این روش کمک میکند پیش از رسیدن به یک مانع در میانه راهاندازی، مواردی را که ممکن بود از دست بروند شناسایی کند؛ نویسنده در این زمینه به ComfyUI اشاره میکند.
با این حال، این مرورگر بینقص نیست. یک بار تعداد ستارههای جدول از خوانش قبلی صفحه آمده بود و با نسخه زنده مطابقت نداشت. از آن زمان، نویسنده از کلود میخواهد مخزن واقعی را در پنجره کناری باز کند و خودش عدد را بررسی میکند. لاگ مرورگر (Browser Log) در چت همه صفحاتی را که کلود بازدید کرده است فهرست میکند و این موضوع به بررسی کمک میکند.
جمعبندی؛ بدون تغییر مرورگر اصلی
نویسنده در پایان میگوید جریان پژوهش او چنان با مجموعه ابزارهای هوش مصنوعیاش درهم تنیده شده که دیگر جداسازی آنها را ممکن نمیبیند، اما هرگز نمیخواسته هوش مصنوعی در مرورگرهای واقعیاش برای کار و استفاده شخصی حضور داشته باشد. به باور او، مرورگر داخلی کلود بهترین راه پیوند این دو دنیاست: او همان قابلیتهای کمکی و عاملیتی را دریافت میکند و نگران نظارت کلود بر ورودها یا مشاهده دادههای خصوصیاش نیست. علاوه بر این، کلود کل تاریخچه جلسات او را دارد و میداند او روی چه کاری مشغول است و میتواند پژوهش جدید را به جلسات قبلی مرتبط کند.