[分享创造] 做了个让 DeepSeek 操作浏览器和手机的 harness： V4.1 Flash 跑 MobileWorld 96/117、WebArena-Verified 98/111
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 ）。 https://github.com/hyechow/seek-use
阅读原始来源![来源参考：[分享创造] 做了个让 DeepSeek 操作浏览器和手机的 harness： V4.1 Flash 跑 MobileWorld 96/117、WebArena-Verified 98/111。暂未取得截图。](/media/d25cda355a46010f03437f46)
来源记录
研究分析
项目记录
来源描述：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 ）。 https://github.com/hyechow/seek-use
采用记录与比较对象
可供比较的近期同类记录：“Show HN: GitHub-like reply with "R" for Basecamp and Slack” (Show HN, 2026年11月5日)；“Show HN: calsdk, one TypeScript API for Google Calendar, Outlook and iCloud” (Show HN, 2026年11月5日)。主题相近仅用于导航，未核验其是否属于同一需求或独立证据。
采用判断
应与它要替代的工具或人工流程比较。现有记录支持发现项目，尚不能确认可靠性、运行成本优势或商业采用。
尚未核验的门槛
尚未核验：许可证权限、硬件要求、安装步骤、维护状态，以及包含失败样例的代表性任务。
下一步试验
选择一个真实任务和现有替代方案，记录 commit、环境、输入、输出、耗时与失败行为；保留结果后再给出采用建议。