Hark推出浏览器任务代理Handoff 声称更快更省钱

产品概述

Hark 在本周宣布推出 Handoff，一款基于浏览器的任务自动化代理。该代理通过分析网页结构和视觉信息，实现点击按钮、填写表单等动作，能够在 Target、Walmart、OpenTable、LinkedIn 等没有公开 API 的站点完成购物、订票、预约等任务。

技术亮点

• 页面结构感知：Handoff 读取 DOM 树并结合视觉线索，判断交互元素的类型与位置。
• 动作预测模型：不同于传统 LLM 仅预测下一个 token，Handoff 直接预测“下一步操作”，如鼠标点击或键盘输入坐标。
• 后训练模型：当前版本采用后训练（post‑trained）模型，计划在今年底完成全链路预训练，以提升跨域适应性。

"我们的目标是让模型像人类一样在浏览器里‘看见’页面并决定下一步该做什么，而不是仅靠文字推理。" — Brett Adcock, Hark CEO

与竞争对手对比

行业内已有 Google、OpenAI、Anthropic 等在研发类似功能，创业公司如 Browser Use、Polar、Strawberry、Aside 也在竞争。Hark 通过成本优势和动作预测技术试图在细分市场抢占先机。

市场前景与挑战

随着电子商务、线上服务的进一步渗透，企业对“无代码”自动化需求激增。Handoff 若能兑现速度与成本双优势，将在 B2C 购物、企业后台流程等场景获得落地机会。但同时面临的挑战包括：

• 网页结构多变：不同站点的前端实现差异大，模型需要持续更新。
• 安全合规：模拟用户操作可能触及隐私与平台使用条款，需要明确合规框架。
• 竞争压力：巨头模型的多模态能力和大规模算力仍是壁垒。

发行计划

Hark 已开放等待名单，计划在今年夏季正式对外提供服务。公司表示，随着预训练模型的上线，后续将支持更复杂的多步骤任务和企业级 API 集成。

整体来看，Handoff 若能在实际使用中兑现其“更快更省”承诺，可能成为浏览器级任务自动化的标杆，为 AI 在日常互联网交互中的落地提供新路径。