用 Qwen3.8 27B 將網頁欄位交接到測試表單

要在已登入網頁中使用 Qwen3.8 27B，請先確認本機客戶端能執行精確 checkpoint 並呼叫瀏覽器工具，再用 Tabbit Browser 和 Tabbit CLI。模型名稱出現在清單中，不代表接入已成功。此流程會將工作放在獨立任務分頁，讀取現有登入會話，並要求回傳可核對的證據。

Qwen 將 Qwen3.8-27B 描述為 27B dense 視覺語言模型，可處理文字、圖片和影片輸入，並支援可配置思考與 Agent 工作。它和同家族的 Qwen3.8-Flash-Next 是兩個不同 checkpoint。模型卡在本次核對時將託管服務標示為即將推出；請先查當前服務商目錄。 請以官方模型卡為準；本文沒有聲稱它已原生整合至 Tabbit Browser。

重點

• 先確認完整模型 ID、推理執行環境和工具呼叫解析器。

• Tabbit skill 的發現和 CLI 啟動器連線要分別測試。Pi 使用 /skill:tabbit，其他客戶端可能提供 /skills。

• 由你先在 Tabbit Browser 登入目標網站。不要把密碼、token 或 cookie 提供給模型。

• 使用獨立任務分頁並從只讀工作開始。

• 對照畫面和來源 URL，再決定是否採用模型輸出。

先檢查模型與執行環境

Qwen 將 Qwen3.8-27B 描述為 27B dense 視覺語言模型，可處理文字、圖片和影片輸入，並支援可配置思考與 Agent 工作。它和同家族的 Qwen3.8-Flash-Next 是兩個不同 checkpoint。模型卡在本次核對時將託管服務標示為即將推出；請先查當前服務商目錄。 服務可啟動，不代表 Agent 宿主會解析工具呼叫；一般文字回覆也不能證明它能開啟網頁。以下分別核對模型、工具、登入和證據。

準備 Tabbit Browser 與本機 Agent

1. 下載 Tabbit Browser，開啟你有權存取的網站設定檔。

2. 由你自己登入，並確認頁面標題及帳戶。

3. 安裝或發現 Tabbit CLI skill。

4. 在相同本機環境檢查 CLI 啟動器；skill 可見不代表啟動器連通。

5. 遠端執行器只有在另有受支援的本機交接時才能連線。

"$HOME/.local/bin/tabbit-cli" nodejs --task "Browser review" --request-id unique-read-id <<'JS'
await page.goto("https://example.com/", {waitUntil: "domcontentloaded"});
return await tabbit.observe({frames: "none", maxChars: 3000});
JS

此命令只示範本機啟動器語法，不能證明模型或服務商已可用。每次新的程式呼叫都要使用唯一 request ID。 更多連接方式見連接既有瀏覽器、Codex 設定與MCP 和 CLI 比較。

執行這項工作流程

這篇處理欄位交接：從已登入的來源頁讀取少量命名欄位，對應到測試表單並停在送出前。保留來源原值、表單顯示值、URL 和信心程度；日期、幣別或單位不清楚時不轉換。

請使用本機 Agent 可用的精確 Qwen3.8-27B checkpoint 和 Tabbit CLI。在獨立任務分頁，以目前已登入的 Tabbit Browser 會話開啟 [來源URL]，只讀取 [欄位清單]。再開啟測試表單 [表單URL] 並填入對應欄位，不要按送出、儲存或確認。回傳對照表：來源標籤、原值、目標欄位、表單顯示值、來源 URL、信心程度。缺值標未知；不要自行換算日期、幣別或單位。預期輸出：表格並註明已在送出前停止。

把結果保存在有名稱的草稿，例如「Qwen3.8 27B 任務檢查」。在 Tabbit 任務分頁打開草稿並和來源頁面並排核對；其他工作仍可在一般分頁繼續。

人工核對結果

首個瀏覽器 Agent 任務清單可協助設定人工檢查點；其他網頁任務可參考網頁資料轉 CSV、Agent 瀏覽器操作教學和附來源的瀏覽器研究。

本機登入檢查的範圍

本次本機 Tabbit CLI 使用 localhost 測試夾具：登入前受保護頁面回傳 401；設定短期測試 cookie 後，另一個任務分頁讀取到「Release notes review」和 GEO-104。這只證明 CLI 在該測試環境能復用會話，不證明 Qwen3.8 27B 已執行工作或已整合至外部 Agent。

Reddit、X 和 YouTube 均已嘗試。社群內容只描述特定使用者和任務，不構成此模型瀏覽器工具能力的基準。

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。