用 LFM2.5-24B-A2B 操作已登录的浏览器

LiquidAI LFM2.5-24B-A2B 可以配合已登录的浏览器工作，前提是本机 Agent 能选择该模型、在本机运行工具并调用 Tabbit CLI。Liquid AI 公开了模型权重，并说明 Pi 等 Agent 框架参与了后训练。可以从 Pi 开始验证，但模型、Pi、本地推理服务、Tabbit CLI 和网站登录态是不同环节。Reddit 上一位 Pi 用户反馈速度不错，也提到早期版本的工具调用模板曾出问题，所以先验证当前运行时。Liquid AI 发布说明 · Hugging Face 模型卡 · Pi 用户原帖

要点

• 模型卡将权重开放给用户，注明这是纯文本模型，上下文长度为 131,072 token；后训练版本面向 Agent 和工具调用任务。

• 模型卡列出 Pi 和多个本地推理运行时，但不能据此断定你的 Pi 版本、量化文件或服务端能正确处理工具调用。

• Pi 通过技能名称发现 Tabbit 技能，并用 /skill:tabbit 加载。发现技能不等于启动器可运行，也不等于网站已登录。

• 请在目标 Tabbit 配置文件中自行登录。新任务可使用所选浏览器环境，任务标签页也能与其他工作分开。

• 从只读的单条记录开始。停在命名草稿，并对照来源页面逐项检查。

选择适合设备的入口

模型卡列出总参数 24B、激活参数 2.45B 和 131,072 token 上下文。这些数字不能说明你选择的量化版本需要多少内存。模型卡也建议知识密集型任务搭配检索或网页搜索。浏览器任务应以页面为事实来源，不要让模型靠记忆填答案。模型卡：规格与工具调用

在同一台电脑上连接 Pi 和 Tabbit CLI

安装 Tabbit Browser，按CLI 配置指南完成设置。在 Pi 的 /model 中确认目标模型，并用本地运行时执行一个无害的函数调用测试。然后确认 Pi 已发现 tabbit 技能，再用 /skill:tabbit 加载。Pi 的命令与 Codex 的 /skills 选择器、OpenCode 的 @tabbit 不同，按当前客户端的文档操作。Pi Skills 文档 · Pi 模型配置

运行 Tabbit 已安装启动器的 diagnose。如果没有连接到预期的 Tabbit 实例，就先停止。连接正常后，在该实例中打开网站并由你本人登录。技能发现、启动器可达和网站认证是三项独立检查。连接现有浏览器指南和登录态复用指南说明所选配置文件能沿用哪些状态。网站仍可能让会话过期或要求重新登录。如果客户端不能运行本机命令，可查看CLI 与 Browser MCP 对比。

只读核对一条记录

选择一条无害且有稳定 ID 的页面记录。下面的提示词只读取可见信息，并要求 Agent 在写入前停止。

使用 Tabbit 技能检查已登录配置文件中当前打开的[获批看板]。
只读取记录 [ID] 的可见行。不要打开附件、隐藏字段或其他账号。
不要编辑、分配、保存、提交或发送任何内容。
返回准确的记录 ID、可见状态、标题和页面 URL。缺少字段时写“未显示”。
在浏览器中准备名为“LFM2.5 记录核对 — [日期]”的草稿，写入字段和不确定项。
不要保存或发送。停下并展示草稿和来源 URL 供我复核。

合格结果只有一行，ID 与输入一致，包含来源 URL，字段值来自页面原文。模型不应依靠训练数据补全信息。如果 Pi 返回格式错误的工具调用，先检查模型模板和推理服务，不要先改提示词。模型卡说明了工具调用格式；本地模型社区也有人报告过发布初期的模板修复。这些是个人运行时体验，不能代表整体故障率。本地模型讨论

保留可见的复核点

将编辑和发送视为两项独立授权。成功读取不代表获准写入。首个任务检查清单介绍如何开始，Codex 配置文章介绍另一种本机客户端入口。关于任务隔离，可读配置文件与标签组和Agent 如何控制浏览器。CLI 完整指南提供安装细节。

如果设备能够运行模型，且当前运行时通过了工具调用测试，LFM2.5-24B-A2B 值得用来尝试本地 Agent 工作流。如果需要开箱即用的 Tabbit 集成，或无法验证本地模板，它就不是合适选择。先做只读任务，复核命名草稿，再决定是否执行某项具体变更。

Secholar.L

Tabbit 增长与内容

Secholar.L 专注 AI 浏览器与 Agent 工作流的实操写作,基于真实调研对比工具,引用可验证的一手来源。