凡人小北 · 转角处
·
OpenClaw 2026.3.13：让 AI 原生操作你的浏览器，记住你的图片
💡
原文中文，约3700字，阅读约需9分钟。
📝
内容提要
OpenClaw 新增两个功能：一是通过 Chrome DevTools 让 AI 操作浏览器，支持点击、输入和截图；二是多模态记忆，能记住图片和音频，支持跨模态搜索。配置简单，适用于社交媒体自动化和数据采集等场景。
🎯
关键要点
- OpenClaw 新增两个功能：通过 Chrome DevTools 让 AI 操作浏览器，支持点击、输入和截图；多模态记忆，能记住图片和音频，支持跨模态搜索。
- AI 通过 Chrome DevTools 直接操作浏览器，能够看到页面元素、网络请求、控制台日志等。
- 基础操作包括点击、输入、导航、截图、滚动、表单填写、文件上传和发送快捷键。
- 高级功能包括性能审计、性能追踪、内存快照、网络监控和执行 JavaScript 代码。
- 配置步骤包括开启 Chrome 远程调试、安装 mcporter、配置 MCP 服务器、启动 daemon 和验证连接。
- AI 可以用于社交媒体自动化、数据采集、自动化测试、调试助手、代填表单和监控页面变化。
- OpenClaw 的多模态记忆功能可以记住图片和音频，支持用文字搜索相关内容。
- 配置多模态记忆需要创建目录、修改配置文件和重启 OpenClaw。
- 注意事项包括只有指定目录的文件会被索引、必须关闭 fallback 选项和换模型会重建索引。
- 支持的文件格式包括多种图片和音频格式，单文件最大 10MB。
- 新功能使得 AI 能直接操作浏览器，记忆能力从文字扩展到图文音频，搜索方式更加灵活。
➡️
