Kav-FastwebAgent

繁體中文 | English | 简体中文

🌐 圖文說明網站:https://kav.kaiwu.com.tw

常做的網頁查詢，說一次就變成「流程」;之後一句話，本機約 6 秒跑完，結果由程式核對過。

叫 AI agent 幫你查高鐵，它會看截圖、點一下、再看截圖……每次都從頭摸索一遍：兩分鐘，將近百萬 token。 可是你每週查的都是同一個網站、同一張表，只是日期和站名不同。

Kav 的做法是：第一次由 Claude 看懂網頁、寫成一份「流程」,試跑給你確認；之後同樣的事直接在你的 Mac 上用專屬 Chrome 執行， 程式負責確認「真的查到了」;需要語意判斷(從列表挑哪一筆)時,簡單的題目可交給本機小模型 Kev(選配),其餘交回給 Claude。網站改版壞了，你只要說「結果不對」,Claude 會修好再回報。

同一句話「幫我查 10/12 下午三點以後台中到台北的高鐵班次」。上:Kav 流程；下:Claude in Chrome 一步步操作。2026-09-29 實測，兩邊答案都和官網一致。

它能幫你什麼

如果你不寫程式

你只要會說話，再判斷結果對不對。

• 重複的查詢一句話完成:高鐵時刻、今天匯率、幾家電商比價、包裹追蹤、各種「填表 → 查詢 → 讀結果」的網頁。

• 結果附證據:每次都有截圖；查不到、要登入、被網站擋，它會直接說原因，不會假裝做完。

• 壞了不用找工程師:說「結果不對，應該是…」,Claude 自己修好流程、重跑、再告訴你改了什麼。

如果你已經在用 Claude Code / Codex

適合 / 不適合

Related MCP server: browser-mcp-server

實際做過的例子

高鐵時刻(填表查詢):「查 10/12 下午三點以後台中到台北的高鐵」→ 約 6 秒,Kev 呼叫 0 次。

台銀今天匯率(讀固定網頁、檢查是不是今天的):使用者一句「幫我做一個流程：查台灣銀行今天的美金跟日圓匯率」, Claude 從零寫出流程，第一次試跑就通過(約 36 秒)。使用者再說「加上檢查是不是今天的」,之後頁面上的掛牌日期不是今天，就會回報「還沒掛牌」,不會拿舊資料充數。

四家電商比價(搜尋 + 語意判斷):PChome / momo / Yahoo / 酷澎同時搜尋。「主機」和「主機 + 遊戲組合包」、配件、福利品的差別由本機 Kev 判斷。 Switch 2 一趟 5.6–7.8 秒,Kev 呼叫 18–31 次、約 6–11 千 token(全在本機)。最低價還會打開商品頁再核對一次。

• 對照組：同一句話分別交給「Kav 流程」和「Claude in Chrome 一步步操作」,各開全新 Claude Code session。高鐵 Kav 3 次、對照 4 次；台銀各 1 次。樣本還小,5 倍只來自高鐵一個網站。

• 建立流程是一次性成本(台銀約 36 秒、3 次工具呼叫);修一次壞掉的流程約 1.2–2.6 萬輸出 token。修流程目前只在一個網站、兩種壞法上盲測過。

• 高鐵、匯率這兩個流程完全沒用到 Kev,它們的速度來自「流程 + 本機程式」;Kev 目前只在比價這種需要語意判斷的流程出力。

• Kev 是選配,不是賣點。2026-10-07 在 591 租屋列表(30 筆、18 題口語需求)實測「挑哪一筆」:Kev 零錯選、該停的全停,但兩個條件並列或「最便宜」這類題目都會停下,唯一解只答對 4/11;Claude 讀同一份文字全對。抓資料這段引擎 31 毫秒,Claude 自己開瀏覽器做同一件事 21–162 秒、每題 45–91 萬 token。所以省時省 token 的是「引擎抓資料」,判斷題最划算的做法是交給 Claude;Kev 只在單一屬性的題目、或要離線時有用。紀錄:.flightwake/records/261007-pick-judgment-experiment.md。

• 完整紀錄在 .flightwake/records/(260929-control-experiment-and-demo、260929-kev-usage-accounting)。

它怎麼運作

• Claude:聽懂你的需求、寫流程、流程壞了負責修。

• Kav(本機程式):用專屬 Chrome 執行流程，判斷頁面載好了沒、欄位有沒有填進去、結果是不是真的出現；做不到就回報 needs_help 附原因和截圖。

• Kev(本機小模型):只回答模糊的判斷題，例如「這個商品是主機本體還是組合包?」。

適合的電腦

Kav 本身(Chrome + 本機程式)很輕，吃資源的是本機小模型 Kev。先看你要跑的流程需不需要 Kev:

選哪個 Kev

換模型只要改啟動指令的 --run,例如 --run jaredpalmer/kev-0.8b,Kav 不用改設定。

我們的實測機器:Apple M5 Max、36GB 記憶體。Kev-4B 自動走 MLX(bf16),執行中約佔 4.5GB 記憶體；比價一趟 4 個網站並行,Kev 呼叫 18–31 次。

Claude 那端:我們的實測都用 Claude Opus 5.5。跑已經存好的流程很省(只要填參數);寫新流程和修流程比較吃模型能力，其他模型還沒測過。

Mac 要注意的

• Apple Silicon(M1 以後)才建議跑 Kev:Kev 在 Apple Silicon 上自動用 MLX 加速。Intel Mac 沒有 MLX,只能用 CPU 跑，會很慢；不跑 Kev 的流程不受影響。

• Chrome 要裝在預設位置(/Applications/Google Chrome.app);裝在別的地方就設定 KFW_CHROME 指向它。

• Kav 會另外開一個 Chrome 視窗(專屬設定檔、除錯埠 9333),不會動到你平常的 Chrome。

Windows 要注意的(還沒實測)

Kav 目前只在 Mac 上測過。程式沒有綁死 macOS,但以下幾點一定要處理:

• Chrome 位置:預設路徑是 Mac 的，要設定 KFW_CHROME,例如註冊 MCP 時加上 -e KFW_CHROME="C:\Program Files\Google\Chrome\Application\chrome.exe"。

• 資料夾:截圖、流程、Chrome 設定檔會放在 %USERPROFILE%\.kav-fastweb\。

• Kev 要有 NVIDIA 顯示卡(CUDA):Windows 上沒有 MLX,沒有 GPU 只能用 CPU 跑，實際上太慢。Kev 官方只標示資料中心 GPU(L4 / L40S / H100),一般遊戲顯示卡能不能跑 4B 我們沒測過。 沒有合適的顯示卡，可以只跑不需要 Kev 的流程；或者在另一台 Mac 上跑 Kev(--host 0.0.0.0),再把 KFW_KEV 設成 http://<那台 Mac 的 IP>:8009。這種做法也還沒實測過，而且只適合在家裡或公司內網用：Kav 目前不支援 Kev 的 API 金鑰。

• 下面的安裝指令是 macOS / Linux 的寫法;Windows 請在 PowerShell 裡照著改，或直接把「貼給 Claude Code」那段交給它處理。

安裝

需要:Google Chrome、uv、Claude Code。Kev-4B 第一次要下載約 9GB。

最簡單：把這段貼給你的 Claude Code

請幫我安裝 Kav-FastwebAgent,每一步做完告訴我結果：
1. 把 https://github.com/kaiwutech-TW/Kav-FastwebAgent clone 到 ~/Kav-FastwebAgent,在裡面執行 uv sync。
2. 問我要不要裝 Kev(本機小模型，約 9GB,比價才需要)。要的話：
   git clone https://github.com/jaredpalmer/kev ~/Kav-FastwebAgent/vendor/kev
   然後在 vendor/kev 裡執行 uv sync --extra serve
3. 讓我在任何資料夾都能用：
   - 用 claude mcp add --scope user kav-fastweb -- uv run --project <~/Kav-FastwebAgent 的絕對路徑> python -m kfw.mcp_server 註冊 MCP
   - 把 ~/Kav-FastwebAgent/.claude/skills/kav-fastweb 整個資料夾複製到 ~/.claude/skills/
   - 如果這台是 Windows:註冊 MCP 時加上 -e KFW_CHROME="<chrome.exe 的完整路徑>"
4. 告訴我以後怎麼啟動 Kev,並提醒我重開 Claude Code。

重開 Claude Code 後說「kav 的狀態」,它會告訴你 Chrome 和 Kev 有沒有在跑。

第 3 步(在任何資料夾都能用)還沒實測過。目前實測過的用法是：在 Kav 資料夾裡開 Claude Code,專案內建的 .mcp.json 和 skill 會自動載入。

手動安裝

git clone https://github.com/kaiwutech-TW/Kav-FastwebAgent ~/Kav-FastwebAgent && cd ~/Kav-FastwebAgent && uv sync
# 選用：Kev(比價才需要,第一次下載約 9GB)
git clone https://github.com/jaredpalmer/kev vendor/kev
cd vendor/kev && uv sync --extra serve && uv run --extra serve python -m kev.serve --run jaredpalmer/kev-4b --port 8009

在 ~/Kav-FastwebAgent 開 Claude Code,核准 .mcp.json 裡的 kav-fastweb。 Chrome 沒開的話會自動開一個獨立的設定檔(~/.kav-fastweb/chrome-profile,不是你平常用的 Chrome)。截圖存在 ~/.kav-fastweb/runs/。

Kav 是標準的 MCP server,理論上 Codex 也能用。在 ~/.codex/config.toml 加上：

[mcp_servers.kav-fastweb]
command = "uv"
args = ["run", "--project", "/你的路徑/Kav-FastwebAgent", "python", "-m", "kfw.mcp_server"]

再把 .claude/skills/kav-fastweb 複製到 Codex 讀得到的 skills 資料夾(例如專案裡的 .agents/skills/)。

設定你固定要做的網頁操作

1. 用這個句型告訴 Claude

幫我做一個流程：
- 網站:<網址>
- 每次會換的:<例:出發站、到達站、日期>
- 我要看到的結果:<例:車次、出發和抵達時間>
- 怎樣算對:<選填，例：日期一定要是今天>

說不完整也沒關係，缺什麼 Claude 會一次問完。

2. Claude 試跑，給你看結果

Claude 會打開網頁看有哪些欄位、寫好流程、試跑一次，然後給你看重點結果和截圖，問「這是你要的結果嗎?」。 你只要判斷結果對不對：

• 對 → 說「對」,它存起來，並告訴你以後怎麼叫。

• 不對 → 直接說哪裡不對(「少了票價」「要看的是現金賣出」),它改好再給你看一次。

3. 之後一句話就能用

寫流程的小訣竅:「怎樣算對」寫得越具體，流程越可靠。例如匯率流程加了「日期是今天」,舊資料就不會被當成答案。

說不清楚?示範一次給它看(新功能,驗收中)

有些網站要點好幾頁、從列表挑一筆、或用了特殊的選單,用說的很難講清楚。這時說「我示範給你看」:

1. Claude 在 Kav 的 Chrome 開好網頁,你照平常的方式用一組真實的例子做一次(不要輸入密碼、卡號等個資)。

2. 結果出現後,按頁面上方的「標記結果」,點你要的那一塊,再按「完成」。

3. Claude 把你做的轉成流程,在一個乾淨的瀏覽器環境重播一次:結果必須和你標記的一模一樣,才會給你確認、存起來。

限制:只能在同一個分頁裡操作;開新分頁、在內嵌框架(iframe)裡填表、要輸入密碼的頁面、結果一直在變(價格、剩餘名額)的任務,會直接告訴你錄不了。 流程壞了、Claude 修兩次都修不好時,它也會問你要不要示範一次。

不做的事

替你登入、破解驗證碼、付款或下單、高頻大量抓取。有些網站會擋自動化操作(例：蝦皮),遇到時它會停下來告訴你原因，不會嘗試繞過。 開著 Cloudflare WARP 或 VPN 時，部分網站(例：酷澎)會拒絕存取。

給開發者

Claude 照 kav-fastweb skill(.claude/skills/kav-fastweb/)為「網站 × 動作」寫配方(使用者看到的「流程」),試跑通過並附證據才存起來。 MCP 工具:find_recipe、run_recipe、inspect_page、dry_run、save_recipe、list_recipes、delete_recipe、start_recording、stop_recording、status。

內建配方(recipes/);使用者自己存的放在 ~/.kav-fastweb/recipes/,同名時使用者的優先。

每次執行都回傳 kev(Kev 呼叫次數、token、耗時加總)。

價格規則

price = 任何人都買得到的一次付清售價。首購價、刷卡回饋、點數只放在 conditional_offers / notes,不參與排序。 價格離中位數太遠(< 0.5× 或 > 2×)的商品移到 suspicious,不參與排序,需要 Claude 複核。

開發

uv run pytest -q          # 單元測試(價格規則用 83 張真實卡片)
uvx pyright               # 型別檢查
uv run python tests/mcp_e2e.py "PS5 Pro" "Sony PlayStation 5 Pro 主機(全新)" "ps5pro,playstation5pro;主機"   # 走 MCP 跑比價配方
uv run python tests/mcp_recipe_flow.py <recipe.json> '<params json>' [--save]   # 照 skill 的流程:dry_run → save → find

評測與數字見 evals/price/README.md;過程紀錄在 .flightwake/。