Fellou AI，解锁下一代「行动型」浏览器

前言

6月份的时候听了商业漫谈的这期播客：34.与Fellou创始人谢扬的3小时访谈：孤独、95后、牌桌与生产力的完美创业。刚听完的时候，对Fellou AI这款产品表示非常好奇。在听播客的过程中，有深深地感觉到AI浏览器会有很新的交互形态出现。

于是先去Fellou AI的Discord蹲到了一个邀请码，然后开启了一波AI浏览器的探索之旅。

一、基础信息

开门见山，先来盘盘Fellou AI的基本盘。

1、权限开启

当你拿到邀请码之后，先把邀请码填写到对应的框框里。

填写完成之后，再点击Enable Permissions，允许Fellou对你电脑主机的部分权限进行控制。

2、社媒盘点

基本信息	相关链接
官方公众号	公众号搜索：FellouAI
官网	https://fellou.ai/
下载地址	https://fellou.ai/download
产品文档	https://fellou.ai/blog/category/product/1/
技术文档	https://fellou.ai/eko/docs/getting-started/quickstart/

3、FellouAI是什么

Fellou AI 于今年05月11日正式发布，号称为是全球首个Agentic行动型浏览器，以其强大的AI自动化能力引发了行业热议。

它能帮你把复杂的任务进行拆解，并分为多个步骤，逐步地帮你执行，最终达到对应的结果。比如在boss直聘上，帮你一次性给各大boss发招聘消息；又或者替你发送邮件，发送twitter等社媒帖子等等。

这在某种程度上，为营销人员、内容创作者、研究人员等群体，提供了前所未有的生产力提升。

4、核心功能

Fellou拥有以下几大核心功能：

核心功能	功能信息
多步网页任务自动化	可以把「检索→打开页面→筛选→填写/提交/记录」等步骤串成执行链，突破传统单一查询的边界模式。
自主行动与策略决策	在页面中去决定下一步点击、继续检索或切换站点的方式，体现Agent式的操作。
上下文与状态保持	强调利用用户的完整上下文，减少重复输入，保证后续动作基于已有信息连续执行。
信息检索与结构化整理	对多来源内容进行收集、去重、归类、提炼，输出结构化结果（表格/摘要/要点）。
一句话自然语言指令触发	用户只需要以简单指令来描述目标，Fellou系统便会解析并生成行动计划。
结果导向输出	强调「交付可执行成果」（如已填写、已提交、已汇总的成品），而不只是单一的文本说明。

了解了FellouAI是什么，接下来跟大家来一起，挖掘一些好玩的场景，更进一步感受行动型浏览器是「怎么行动的」。

二、场景介绍-文本类创作

先从官方的useCase里面，随机挑选有趣的场景来整活。

1、商业分析报告

一般来说，品牌在做营销的时候，一般都需要深入地去挖掘竞品，以及整个行业的信息。所以第一个场景，我们用「商业分析报告」作为首个例子，来看看fellou是怎么分析的。

调试Prompt如下：

请针对美团和饿了么最近的外卖大战，做一个深度的商业分析，最终生成一份报告，以PDF的形式给我。报告内容需重点探讨以下几个方面：
竞争策略差异： 两大平台在补贴力度、骑手管理、商家扶持和用户运营上各有哪些核心策略？
用户行为洞察： 下沉市场的用户有哪些独有的消费习惯和偏好？他们更看重价格、时效还是服务质量？
未来发展趋势： 这种激烈的竞争对整个外卖行业的未来格局会产生怎样的影响？

Deep Action过程：

Fellou会把你的初始指令，给拆解成几个非常细致的行动TODO，然后再分别的去进行深度搜索，最终形成一份完整的商业分析报告。

最终生成效果如下：

PS：附上报告地址 → https://hfs7lve33i.fellou.io/meituan-vs-eleme-delivery-market-analysis-hxZkTlFP

2、3 分钟写完研报

第二个Case，我们来看看Fellou短时间内写完一篇研报的能力。

再比如说让Fellou针对Github上最受欢迎的开源项目Hugging Face进行分析，Prompt如下：

请帮我对GitHub上最受欢迎的开源AI项目Hugging Face，进行全面调研分析，并撰写一份详细的技术社区研究报告。

然后Fellou自己去模拟点击等操作，把Hugging Face的所有内容，都浏览一遍。行动过程如下：

Fellou在行动的过程中可能需要去请求你的桌面权限，会给你弹出提示框，一般是屏幕截屏之类的权限功能，这个时候你直接点击允许即可。

最后，我们来看看Hugging Face的研报，生成效果如何。具体如下图所示：

这里可以直接把这份报告发布到互联网上。如下图所示：

可以看到，这份报告的内容，整体抓取的数据算是比较全面，并且对应的参考位置，会像文献一样标出来，并且可以点击过去。如下图所示：

最终报告的地址可戳此链接：
https://chat.fellou.ai/report/ab8f6245-e2a0-4ee8-a14c-1811457fbc9b

3、小红书评论数据分析

第三个case，我们来看看，Fellou的深度 数据分析能力。

（1）主流程

Prompt如下：

请对「十字路口Crossing」这档播客在小红书平台的用户评论进行深度数据分析，具体要求如下：
数据收集：抓取最近30天内相关笔记的评论数据
情感分析：统计正面、负面、中性评论的比例分布
关键词分析：提取用户评论中的高频词汇和热门话题
用户画像：分析评论用户的基本特征（年龄段、地域分布等）
竞品对比：如有可能，对比同类产品的评论表现
可视化输出：生成包含图表的分析报告，包括词云图、情感分布饼图、时间趋势图等

在刚输入完Prompt的时候，Fellou就会先去访问小红书，然后会引导我去先进行登录。如下图所示：

输入账号和验证码之后，点击Done，进行确认。如下图所示：

然后呢，Fellou就去开始在小红书平台上，抓取各种各样的数据，并进行分析。如下图所示：

最终到了生成报告的阶段，行动过程如下：

最后来看整个生成的报告长什么样，如下图所示：

如上图所示，可以发现，Fellou把这份报告拆解成六个部分：①总览；②情感分析；③关键词分析；④用户画像；⑤竞品分析；⑥时间趋势。

（2）Step拆解

看完整份报告的时候，如果总分是100分的话，给打个85分。除了部分内容在渲染过程中出现一些小瑕疵，但是整体的数据和渲染质量，还是比较满意的。

然后我又回去看了下Fellou在生成任务过程中，整个拆解step的过程，想说J人狂喜，拆解的是非常到位。并且过程当中，有学到一些拆解问题的思路和技巧😉

跑完这个场景的时候，摸了下我电脑的底座，电脑的温度感觉是烧到快要火山喷发了👵🏻

再看了下积分，发现这个任务直接烧掉了1000+积分🐱

最后报告附上链接来瞅瞅：
https://chat.fellou.ai/report/41414748-71eb-4ca4-9a58-380448beec89

三、场景介绍-批量执行类创作

文章的第三部分，我们来尝试下，批量执行类的任务。

1、批量发送推广信息

假如说你是一名内容创作者，目前正运营着科技类公众号《xxxx》。

有可能你在推广的过程中，需要每天花费2-3小时在各大社交平台寻找相关热门内容，然后手动留言推广自己的公众号。

这个过程不仅耗时，而且效率低下，有时候后经常经常因为找不到合适的帖子而错过最佳推广时机。更难的是，手动操作容易出现重复推广或遗漏优质内容的情况。

那么这时候，你可以通过Fellou，来帮你发送执行信息，达到推广目的。

来试试这个Prompt：

请帮我在小红书上执行智能推广任务：
1.搜索"人工智能"、"AI工具"、"ChatGPT"、"知识管理"等关键词
2.筛选最近7天内点赞数超过1000的热门帖子
3.分析帖子内容相关性，优先选择与科技、AI相关度高的内容
4.在符合条件的帖子下留言："很棒的分享！推荐关注《自来水用户测试AI功能中》公众号，每周分享最新AI资讯～"
5.执行8-10条评论，间隔10秒发布避免被限流
6.记录已评论帖子，建立推广效果跟踪表

输入完Prompt之后，Fellou就会去搜索相关的笔记，如下图所示：

接着，在执行的过程中，Fellou会去抓取到每篇小红书笔记的评论和发送框，并直接把推广文案给发送到这篇笔记下面。抓取评论和发送框的过程，如下图所示：

发送完第一条之后，接下来Fellou会等待10s的时间才会继续发送，因为在我们的提示词中有提到过。这在某种程度上，可以规避掉因为频繁发送触发平台的限流功能。如下图所示：

最终发送的展示效果如下👇🏻：

然后全部发送完了之后，Fellou会给我生成一份CSV、一份MD报告、一份JSON数据。

PS：
这里本来想写自己公众号的名称的，怕被举报，就不冒这个风险了😜
不过对于运营同学来说，可以大胆写自己要推广的品牌名称😉

2、批量发送合作邀约

批量执行类的第二个场景，想来试试出海的场景。

假如说某SaaS产品准备出海欧美市场，需要与当地科技类KOL合作推广。传统做法是让市场团队手动搜索YouTube、Instagram上的博主，一个个查看粉丝数据，复制邮箱地址，然后逐一发送邮件。

整个流程下来，3个人的团队可能一周只能联系到50个KOL，效率极低。而且由于信息收集不够系统，经常会出现重复联系或遗漏优质博主的情况。

那么这个时候你可以用Fellou来做这个工作，帮忙搜集合作资料，以及建立一个合作邀约的数据库。然后你就可以用这个合作邀约库，去直接发送合作邀约的邮件。

具体Prompt如下：

请帮我批量开发海外科技KOL合作资源：
目标市场：美国、英国、德国
产品类型：B2B SaaS工具

执行步骤：
1. 在YouTube、Instagram、LinkedIn搜索"SaaS"、"productivity tools"、"business software"等关键词
2. 筛选标准：粉丝1万-100万，近30天活跃，内容质量高
3. 收集KOL信息：姓名、平台、粉丝数、邮箱、内容风格
4. 按影响力分层：微型(1-10万)、中型(10-50万)、大型(50万+)
5. 生成一个合作邀约的CRM数据库
6. CRM数据库需包含：①基础信息；②要发送给对方的个性化邮件模板；③跟踪回复率和合作进展；④…

目标：一周内联系200个潜在合作伙伴

然后呢，Fellou会弹出来这么多个窗口。在此过程中，对于需要登录的X和Instagram，会让你点开对应的网页去进行登录。具体如下图所示：

登录完成之后，Fellou就会开始去执行我们的任务👇🏻：

最终，会生成四份内容供你下载：①CRM的使用指南文档；②完整CRM的系统报告；③KOL的数据分析图表；④投资回报率的分析图表。如下图所示👇🏻：

在XLSX数据表中，会很详细地统计和给出各种类别的看板，更加方便运营同学查看和运用各种表格和数据。如下图所示👇🏻：

还有邮件模板的信息：

且比较惊喜的是，还生成了一张投资回报率的分析图：

下面再提供三个较为常见的批量执行类场景供大家参考使用。

3、批量发送问候邮件

假如某销售总监管理着500多个客户，需要定期发送问候邮件、产品更新通知和节日祝福。传统做法是从CRM系统导出客户列表，然后用邮件群发工具发送统一内容。但这种方式个性化程度低，客户打开率和回复率都很差。

而如果要做个性化邮件，人工成本又太高，一个人一天最多只能发送50封个性化邮件。

可以用以下提示词来进行处理👇🏻：

请帮我建立智能化客户邮件营销系统：
客户数据：CRM系统中的500个客户信息(这里需要把客户的数据导入到对方)

执行方案：
1. 
从CRM导入客户数据：姓名、公司、职位、购买历史、互动记录
2. 
客户分层：新客户、活跃客户、沉睡客户、VIP客户
3. 
为每层客户设计个性化邮件模板
4. 
自动插入个性化信息：客户姓名、公司名、最近购买产品
5. 
智能发送时机：根据客户的时区和活跃时间优化发送时间
6. 
A/B测试不同主题行和内容版本
7. 
自动跟踪邮件打开率、点击率和回复情况
8. 
未回复客户3天后自动发送跟进邮件
9. 
生成本月客户沟通效果分析报告

4、批量发送简历

下面来第四个比较典型的批量化执行场景：批量发送简历。

金九银十，假如说某应届毕业生小陈正在找工作，每天需要在智联招聘、前程无忧、BOSS直聘等平台搜索合适的岗位。按照传统的方法，小陈要逐个打开职位详情，复制公司信息，然后根据不同公司的要求修改简历和求职信。一天下来只能投递10-15份简历，而且经常因为信息整理不当错过心仪的职位。更糟糕的是，他无法有效跟踪投递状态和面试安排，经常遗漏HR的回复。

那么我们可以让Fellou来批量帮你给HR发送简历，可以用以下Prompt👇🏻：

你是我的智能求职管理助手，接下来要帮我在boss直聘这个网站上，执行和处理一些任务。


求职目标：
1. 
目标职位：产品经理、运营专员
2. 
目标城市：北京、上海、深圳
3. 
薪资范围：8K-15K

执行任务：
1. 
自动搜索boss直聘招聘网站的新发布职位
2. 
按匹配度筛选：公司规模、薪资范围、工作经验要求
3. 
自动收集职位信息：公司名、职位、薪资、要求、联系方式
4. 
批量给各大公司投递简历，投递20-30份
5. 
建立求职跟踪表：包含投递时间、公司回复、面试安排
6. 
生成求职进展周报和成功率分析

这个Case在Fellou的官网和各大媒体的测试Case中，综合效果都很不错，大家可以自行体验和测试一下。

5、批量网购比价

批量执行的第五个场景，我们来聊聊：批量网购比价。

假如说你是家庭里的宝爸和宝妈，经常需要给家里采购日用品和孩子用品。那在平常的购物中，有可能习惯于在淘宝、京东、拼多多之间比价，但手动搜索同一商品在不同平台的价格非常耗时。

特别是遇到双11、618等购物节时，各平台的优惠规则复杂，她经常算不清楚哪个平台最便宜。有时候好不容易比较完价格，商品又涨价或断货了，前功尽弃。

因此，我们可以利用Fellou，来建立一个比价系统，并生成购物省钱报告。输入Prompt：

请帮我建立一个智能购物比价清单系统：
购物清单：婴儿奶粉、纸尿裤、洗衣液、大米等日常用品

执行功能：
1. 
在淘宝、京东、拼多多、苏宁等平台搜索同款商品
2. 
收集商品信息：价格、销量、评分、店铺信誉
3. 
计算实际到手价：优惠券、满减、会员折扣等
4. 
生成价格对比表，标注最优选择
5. 
监控商品价格变动，降价时自动提醒
6. 
分析历史价格走势，判断是否为好价
7. 
生成一份购物省钱报告

Step拆解如下👇🏻：

点击Run，Fellou开始跑任务👇🏻：

最终，Fellou会生成一套解决方案给到我们，让我们可以去执行和操作。如下图所示👇🏻：

对于这种购物类型的场景，很适合在618、双十一等各种大节日的时候来使用。

同时，基于上面的场景下，如果有需要的话，还可以自动添加购物车，设置价格预警等等功能。

四、场景介绍-游戏类创作

文章的第四部分，我们来测测，Fellou在游戏类场景的创作怎么样。

1、二维游戏

Prompt：

帮我做一个俄罗斯方块的小游戏。

来看看Deep Action的步骤：

行动过程如下：

具体展示效果如下：

用下来的时候，我感觉它一个屏幕内，没法直接展示游戏内容。于是我又加了一轮对话，希望它可以在一轮对话内展示。Prompt为：

这个游戏希望可以在一个屏幕内展示完成

最终展示效果如下：

到这个版本的时候，发现展示效果已经好了很多。如果还有要微调的话，还可以再继续对按钮的颜色，整体的UI颜色再做修改。

附上效果地址：
https://chat.fellou.ai/container/bfe64212-3924-4485-a369-cdc4dc15b549

2、三维游戏

从官方的Workflow里，发现了一个3D游戏的场景。

写了一个Prompt来浅试一下👇🏻：

创建一个以悉尼歌剧院为特色的3D《泰拉瑞亚》场景，包含港湾大桥背景和周围的海港环境，生成一个3D游戏给我。

Deep Action思考过程如下👇🏻：

代码生成过程如下：

最终生成效果如下：

发现效果还蛮好的，中规中矩，某些场景的还原度也蛮高的。看了Step拆解过程和代码，发现到底层用到的是Three.js来还原这个场景。（学到了）

附上游戏链接：
https://hfs7lve33i.fellou.io/3d-pixel-sydney-harbor-exploration-game-AopCvBGV

五、惊艳的功能点拆解

终于把想测的场景都都都测完了！横跨了一个很长的测试周期。

老实讲，最早在看Fellou各种文章的时候，小编对Agentic这个词完全没有概念，直到最近密集测评的时候，翻遍了官网 49个 search usecase 和 27个 workflow usecases，突然间对 Agentic Browser 有了一些更深的觉悟。

那接下来，在文章的第五部分，就来整体拆解下，Fellou一些比较惊艳的功能点。

1、跨平台多窗口并行处理能力

首先，Fellou最令人印象深刻的是其多窗口并行处理能力。在执行复杂任务的时候，它会同时打开多个浏览器标签页，分别负责不同的子任务：

有的负责数据搜索和观察

有的负责深度调研分析

有的负责整理思路逻辑

有的负责撰写和措辞优化

像这种「分工协作」的方式，让AI真正具备了类似人类团队作业的效率。

2、个性化生成内容

Fellou会根据用户的浏览行为和历史数据，来智能推断用户的潜在需求。比如在订酒店场景中，它不会简单地展示所有选项，而是通过分析用户的偏好，会问你说：

是更喜欢市区还是郊外？

还是习惯打车还是公共交通？

对周边配套设施是否会有什么要求呢？

然后最终提供千人千面的个性化推荐方案。

3、影子空间

在执行任务过程中，Fellou会在网页上显示各种颜色的操作框，实时展示AI的「思考轨迹」和「操作步骤」，让用户清楚地看到AI在做什么。

4、意图识别能力

第四个能力是Fellou的意图识别能力。偶然间在Fellou执行窗口的最下方，看到了不断改变的提示词👇🏻：

Fellou会根据当前这个窗口下面正在执行的功能，来判断用户下一步有可能想要提问的问题，进一步判断用户下一步的意图。在这里的意图识别能力，比较灵动。

相比于传统类似于豆包等文本对话模型的对话窗口，Fellou的意图识别能力，能跟随整个环境的变化而变化。

就像是在路上走着走着，看到很好看的花，AI会主动问你「要不要了解一下这种花的品种和养护方法？」；

或者是走到餐厅门口，AI会贴心地提醒「需要帮你查看菜单和用户评价吗」？

这种基于上下文的智能感知，让人机交互变得更加自然流畅，仿佛有一个善解人意的助手时刻在身边，总能在恰当的时机提供最贴心的建议。

这种动态意图识别的设计，让Fellou不像是是一个被动响应的工具，而是一个能够主动思考、预判需求的智能伙伴。

5、灵活的Step管理

每一次对Fellou输入Prompt的时候，会生成很多Step。然后我们也可以对这个Step，进行实时查看、修改和调整，对不满意的环节进行干预和优化。这一步也是比较好玩且比较新颖的交互，且可以引导人类用户，做更深度的思考和调整。

6、快捷键支持

Fellou跟Chrome一样，对于一些基础操作，也有预置了很多快捷键。比如cmd+w，关闭当前浏览器标签页。用Cmd+N，打开一个新的窗口。

下面贴一下主流快捷键的使用：

文件类别的👇🏻：

编辑器类别的👇🏻：

视图类别的👇🏻：

窗口类别的👇🏻：

历史记录类别👇🏻：

除此之外，在浏览器里面的每个标签页，还可以右键，会展示出下面这个弹窗：

对于每个标签页，也可以进行复制链接、分割视图、重新加载等操作。

六、Eko智能体框架

聊完整体的场景以及比较惊艳的功能点，接下来聊点更深的话题，想聊聊Fellou的开发框架。

一开始对Fellou的底层开发，还没什么感知。到后来突然文章写了一半，大概8月份的时候，突然间在飞书上看到了eko，于是就去翻了翻相关的资料，探索了一下。

下面浅浅地普及下Eko这个智能体开发框架的内容。

1、Eko是什么

Eko 是支持Fellou底层开发的开源智能体开发框架，支持Web/Node.js/浏览器插件等多种环境，同时也支持A2A和MCP等常用协议，具有极高灵活性与安全性。可访问Eko官网或其GitHub地址获取更多资料和代码。

主题	相关地址
Eko官网	https://fellou.ai/eko
Eko文档	https://fellou.ai/eko/docs/getting-started/eko/
Github地址	https://github.com/FellouAI/eko

2、开源模式

八月初的时候，有看到Fellou举办了关于Eko的创新挑战赛，然后当时在想这个比赛带来的一些可能性。

一般来说，如果没有比赛之前，Fellou的创新可能是基于企业技术人员的驱动下去做创新。

但是如果把一部分技术开源出来之后，大家基于这个框架，去造出更多有趣好玩的东西，那么最终对于Fellou来说，就能更快速地去看到用户有可能想要的一些新的交互，最终能够收集到一些一线用户的真实需求。

这在某种意义上，丰富了Fellou的整个开发者生态，同时也带来了更繁荣的可能性。

七、综合分析

文章的第七部分，到了最后的总结分析。

1、场景适用性评分

先来聊聊对场景适用性的评分：

场景	评分	适用性解析
数据处理与分析能力	9/10	在商业分析、数据抓取、报告生成等方面表现优异能够处理复杂的多源数据整合任务
批量执行任务能力	8/10	在社媒推广、邮件营销、简历投递等重复性任务中效率极高且能够通过定时的方式，有效规避平台限流机制
创意内容生成	7.5/10	游戏开发、创意设计等场景表现中等感觉会更适合结构化、流程化的任务