让 DeepSeek 操作浏览器、Android 和 iPhone ，用 V4.1 Flash 。
核心是给每一步加检查：规划 → 执行 → 前后截图对比验证。点了没生效、输入的内容不对，当步就能发现并重新规划，所以便宜的 flash 模型也能把事情做对。
比如让它通关一局五子棋：自己选人机对战、改难度、落子，直到获胜。
基准成绩（全程只用 V4.1 Flash ，按官方评测器判分）：MobileWorld 96/117 ，WebArena-Verified 98/111 。仓库里有每个基准 10 条抽样运行的回放和评分。
源码整理中，整理完开源（ MIT ）。
Select Language