如何用 Nemotron VoiceChat 操作已登入的瀏覽器

Nemotron VoiceChat 本身無法開啟已登入的瀏覽器。若要搭配瀏覽器使用，先選定 NVIDIA VoiceChat 的確切權重，在支援其音訊與函式呼叫輸出的宿主中執行，再把白名單內的本機工具接到 Tabbit CLI。Tabbit Browser 可提供獨立的任務分頁；頁面存取和命名草稿仍須由人確認。這是需要測試的整合方式，不是 VoiceChat 或 Tabbit 內建的連線功能。

這項區別很重要，因為 NVIDIA 目前列出多個相關的 VoiceChat 項目。Nemotron 3 VoiceChat Early Access 頁面介紹一款提供給合格開發者的 12B 語音轉語音模型。NGC 的 NemotronLabs Voicechat 模型卡則介紹一款 11B 研究模型，並使用獨立的工具呼叫輸出。選擇執行環境前，先確認帳號實際能存取的模型名稱和版本。

先掌握這些重點

• VoiceChat 負責處理串流語音；瀏覽器工具須由其他宿主執行。

• 12B Early Access 頁面和 11B NGC 研究模型是不同項目。不要假設兩者共用權重、存取條件或服務商支援。

• 有開發者展示過本機 MCP 工具呼叫實驗，但未展示 Tabbit CLI 整合。

• 瀏覽器讀取應限制在具名的本機任務中，使用確切網址並保持唯讀。

• 將帶有來源的草稿交由人工審核，不要讓語音模型發布或修改原始頁面。

確認你實際能執行的 VoiceChat 模型

模型名稱無法說明宿主是否支援串流音訊、解析函式呼叫，以及將工具結果傳回對話。請從模型卡和宿主文件分別確認這些能力。

NVIDIA 技術部落格也將 Nemotron 3 VoiceChat 描述為 Early Access。這不能證明服務商目前提供一般用途 API。設定遠端宿主前，請搜尋其現行模型清單，確認確切識別碼、音訊輸入、輸出格式、工具呼叫解析和使用條款。

在 VoiceChat 和瀏覽器之間加入本機工具執行器

在執行本機任務的電腦上安裝 Tabbit Browser。

建議的流程如下：

VoiceChat 接收語音並提出工具要求
  -> 宿主檢查函式名稱與參數
  -> 本機 Agent 確認允許的網址與唯讀範圍
  -> Tabbit CLI 在獨立任務分頁中讀取頁面
  -> 宿主將結果回傳給 VoiceChat
  -> Agent 建立命名草稿，交由人審核

模型只應要求範圍明確的操作，例如 read_authorized_page。是否執行應由執行器決定。不要把一般 Shell 指令、任意網址瀏覽或提交按鈕設為不受限制的工具。

一則第一手紀錄有助於說清楚界線。一位將 Nemotron VoiceChat 接到 Apple Reminders 的開發者寫道：「模型提出工具呼叫；執行環境執行它，再把結果傳回模型。」該實驗在 Apple Silicon 上使用本機 MCP 提供者。它展示了一種本機工具交接方式，沒有驗證瀏覽器或 Tabbit 整合。請見原始 Reddit 貼文。

該貼文的留言者還指出另一項風險：工具呼叫送出後若重試，可能建立「重複記錄」。可行時讓讀取操作具備冪等性；如果呼叫結果不明，先檢查任務回執再重試。這是個別使用者提出的疑慮，不是實測失敗率。

執行一次唯讀瀏覽器任務

先在本機 Agent 用戶端安裝 Tabbit skill，再分別檢查用戶端能否找到 skill、CLI 能否連上瀏覽器，以及目標網站是否已登入。在 Pi 中，呼叫方式是 /skill:tabbit；有 skills 選擇器的用戶端則選取已安裝的 tabbit skill。不要假設所有用戶端都有相同捷徑。安裝方式見 Tabbit CLI 快速入門。

在安裝 Tabbit 的電腦上執行不會更改內容的連線檢查：

"$HOME/.local/bin/tabbit-cli" --version
"$HOME/.local/bin/tabbit-cli" diagnose

CLI 能連上瀏覽器，不代表網站已登入。請在預定的 Tabbit 設定檔中手動開啟確切頁面，確認頁面標題和你有權讀取的記錄，再要求 Agent 在獨立任務分頁中讀取：

使用已安裝的 tabbit skill 和本機 Tabbit CLI。
在一個新的任務分頁中，只開啟這個已授權網址：[完整網址]。
讀取頁面上顯示的標題和 ID 為 [穩定 ID] 的記錄。
只回傳來源網址和頁面上可見的欄位。
建立一份名為「VoiceChat 瀏覽器審核 - [記錄 ID]」的草稿。
不要點擊、提交、下載或修改來源頁面。
若需要登入或找不到該 ID，請停止並說明原因。

這是提示詞範例。請替換方括號中的內容，並確認自己有權存取該頁面與識別碼。本機 Agent 還必須能解析 VoiceChat 的工具呼叫格式，並呼叫已安裝的 CLI；提示詞不會自行增加這項能力。

設定期間也可以直接呼叫 CLI。任務名稱和請求 ID 用來標記這次讀取：

這項檢查使用測試頁。頁面需要一個可見標題，以及帶有 data-testid="sample-record-id" 的欄位。

"$HOME/.local/bin/tabbit-cli" nodejs \
  --task "VoiceChat authorized page read" \
  --request-id voicechat-read-001 <<'JS'
const url = 'https://example.com/authorized-record';
await page.goto(url, {waitUntil: 'domcontentloaded'});
if (page.url() !== url) return {status: 'unexpected URL'};
const heading = page.getByRole('heading', {level: 1});
const id = page.getByTestId('sample-record-id');
if (await heading.count() !== 1 || await id.count() !== 1 ||
    !(await heading.isVisible()) || !(await id.isVisible())) {
  return {status: 'review required'};
}
return {url, heading: await heading.innerText(), id: await id.innerText()};
JS

每次新執行都使用新的請求 ID，並替換示範網址。將回傳文字與一般 Tabbit 分頁中的頁面逐項比較。Agent 在獨立分頁讀取時，你可以繼續使用瀏覽器。

各項檢查能證明什麼

既有的 Codex 與 Tabbit CLI 設定檢查使用了合成的受保護頁面。第一個任務得到 HTTP 401；另一個任務建立短期測試工作階段後，後續任務才能讀取測試資料。這只驗證該設定檔和測試頁面的工作階段重用，不代表 VoiceChat 能呼叫 Tabbit，也不保證真實網站的登入狀態持續有效。

保留清楚的草稿審核點

要求 Agent 回傳草稿名稱、來源網址、穩定記錄 ID、擷取欄位和缺漏值。人工應先將每個欄位與來源頁面核對，再決定是否重用。若後續需要寫入，請另設批准步驟，並在提交後重新檢查頁面。

可接著閱讀將 Agent 連接到現有瀏覽器、Tabbit CLI 完整指南和瀏覽器 Agent 首次任務檢查表。要選擇瀏覽器傳輸方式，可比較 MCP 與 CLI 流程和 Codex Browser 與 Tabbit CLI 指南。Tabbit AI 瀏覽器介紹、網頁搜尋與瀏覽器控制的差異及Agentic Browser 說明可補充背景。CMS 草稿流程說明如何在發布前保留人工審核。

確認確切模型和宿主後，再用 Nemotron VoiceChat 處理語音互動。瀏覽器讀取交給本機白名單工具，在獨立 Tabbit 任務中進行，最後由人員對照頁面審核命名草稿。

Secholar.L

Tabbit 成長與內容

Secholar.L 專注 AI 瀏覽器與 Agent 工作流的實測寫作,基於真實調研比較工具,引用可查證的一手來源。