Opendia

🚀 OpenDia

OpenDia 是 Dia / Perplexity Comet 的开源替代方案，它可以将你的浏览器与 AI 模型连接起来。无需切换浏览器，它能与 Chrome、Firefox 以及任何基于 Chromium 的浏览器无缝协作。注重隐私，以本地优先，聚焦多命令处理器（MCP）。

如果你并非技术人员，或者从未使用过多命令处理器（MCP），我们建议你使用 Perplexity Comet。

🚀 快速开始

1. 安装浏览器扩展

对于 Chrome/Chromium 浏览器：

1. 从 releases 下载 opendia-chrome-1.0.6.zip 文件。
2. 将压缩文件解压到一个文件夹中。
3. 访问 chrome://extensions/（或你浏览器的扩展页面）。
4. 启用“开发者模式”。
5. 点击“加载已解压的扩展程序”，并选择解压后的文件夹。

对于 Firefox 浏览器：

1. 从 releases 下载 opendia-firefox-1.0.6.zip 文件。
2. 将压缩文件解压到一个文件夹中。
3. 访问 about:debugging#/runtime/this-firefox。
4. 点击“加载临时附加组件...”。
5. 选择解压文件夹中的 manifest.json 文件。

⚠️ 重要提示

Firefox 扩展是以临时附加组件的形式加载的，当 Firefox 重启时，扩展将会被移除。这是 Firefox 对未签名扩展的限制。

2. 连接到你的 AI

选项 1：双击安装（推荐）

1. 从 releases 下载 opendia.dxt 文件。
2. 双击 .dxt 文件进行自动安装。
3. MCP 将被添加到你的 Claude Desktop 配置中。

选项 2：手动配置 在你的 Claude Desktop 配置中添加以下内容：

{
  "mcpServers": {
    "opendia": {
      "command": "npx",
      "args": ["opendia"]
    }
  }
}

对于 Cursor 或其他 AI 工具，请使用相同的配置，或遵循它们的特定设置说明。

✨ 主要特性

• 通用 AI 支持：可与 Claude、ChatGPT、Cursor 甚至本地模型协同工作。
• 反检测功能：针对 Twitter/X、LinkedIn、Facebook 等平台，有专门的绕过检测机制。
• 智能自动化：AI 能够理解网页内容，并找到合适的元素进行交互。
• 隐私优先：所有操作都在本地运行，你的数据始终掌握在自己手中。
• 零设置：只需一个命令即可开始使用。

📦 安装指南

本地模式（默认）

npx opendia

• Chrome 扩展：ws://localhost:5555（启用自动发现）
• Claude Desktop：stdio（现有配置）
• 本地 SSE：http://localhost:5556/sse

端口配置

# 使用自定义端口
npx opendia --port=6000              # 使用 6000（WebSocket）+ 6001（HTTP）
npx opendia --ws-port=5555 --http-port=5556  # 分别指定端口

# 处理端口冲突  
# 注意：启动时会自动终止现有的 OpenDia 进程

自动隧道模式

npx opendia --tunnel

• 自动创建 ngrok 隧道。
• 复制 URL 用于 ChatGPT/在线 AI 服务。
• 保留本地功能。

⚠️ 重要提示

要使用自动隧道功能，你需要安装 ngrok：

macOS：

brew install ngrok

Windows：

# 使用 Chocolatey
choco install ngrok

# 或者从 https://ngrok.com/download 下载

Linux：

# Ubuntu/Debian
curl -s https://ngrok-agent.s3.amazonaws.com/ngrok.asc | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc >/dev/null
echo "deb https://ngrok-agent.s3.amazonaws.com buster main" | sudo tee /etc/apt/sources.list.d/ngrok.list
sudo apt update && sudo apt install ngrok

# 或者从 https://ngrok.com/download 下载

然后从 https://dashboard.ngrok.com/get-started/your-authtoken 获取你的免费认证令牌，并运行以下命令：

ngrok config add-authtoken YOUR_TOKEN_HERE

💻 使用示例

基础用法

# 本地模式启动
npx opendia

高级用法

# 自定义端口启动
npx opendia --port=6000

# 自动隧道模式启动
npx opendia --tunnel

📚 详细文档

📺 查看实际运行效果

🚀 什么是 OpenDia？

OpenDia 可以让 AI 模型自动控制你的浏览器。其关键优势在于，它可以利用你现有的一切 —— 你已登录的账户、保存的密码、cookie、钱包以及浏览历史。无需从头开始或切换上下文。

🔑 使用你现有的数字生活：

• ✅ 已登录的账户：使用你现有的会话在 Twitter/X、LinkedIn、Facebook 上发布内容。
• ✅ 浏览器数据：访问你的书签、历史记录和保存的密码。
• ✅ 扩展程序和钱包：使用 MetaMask、密码管理器或任何已安装的扩展程序。
• ✅ Cookie 和会话：在你喜欢的所有网站上保持认证状态。
• ✅ 本地测试：非常适合使用 Cursor 进行开发 —— 使用真实用户会话进行测试。

🌐 浏览器支持

OpenDia 可与 Chrome、Firefox 以及任何基于 Chromium 的浏览器 兼容：

• ✅ Google Chrome
• ✅ Arc
• ✅ Mozilla Firefox
• ✅ Microsoft Edge
• ✅ Brave
• ✅ Opera
• ✅ 任何基于 Chromium 的浏览器

对于想要自动化本地测试和开发工作流程的 Cursor 用户 来说，它也是一个绝佳选择！

🎬 你可以做什么

你今天就可以尝试的实际工作流程：

📰 内容与社交媒体

• “总结我今天阅读的所有文章，并发布一条 Twitter 线程，分享关键见解”
• “从我的书签中找到与 AI 相关的有趣文章，并创建一个阅读列表”
• “阅读这篇文章，并在 LinkedIn 版本上发表一条有深度的评论”
• “查看我最近的 Twitter 书签，并总结主要主题”

📧 生产力与研究

• “浏览我最新的电子邮件，告诉我哪些需要紧急关注”
• “找出我本周访问过的所有 GitHub 仓库，并创建一份总结报告”
• “提取这篇研究论文的要点，并保存到我的笔记中”
• “在我的浏览历史中搜索我上个月阅读的那篇关于 AI 安全的文章”

🤖 开发与测试（非常适合 Cursor！）

• “测试我的 Web 应用的注册流程，并在每个步骤截取屏幕截图”
• “用测试数据填写此表单，并检查验证是否有效”
• “浏览我的应用，检查所有按钮是否正常工作”
• “使用我连接的钱包测试此 DeFi 界面”

🔄 高级自动化

• “为我所有的每日新闻来源打开标签页，并总结头条新闻”
• “根据上下文为我的未读消息起草回复”
• “监控此网页，当内容更改时通知我”
• “自动为我正在阅读的有趣文章添加书签”

🎨 视觉定制与乐趣

• “为这个文档网站应用赛博朋克主题，使其更具吸引力”
• “将此页面设置为夜间模式，文字为绿色，方便夜间阅读”
• “添加彩虹派对效果，庆祝完成这个项目”
• “在我填写这个无聊的表单时，为其应用复古 80 年代主题”
• “使用高对比度样式，以便我能更好地阅读”

💬 可以尝试的示例提示

一切设置完成后，你可以尝试向你的 AI 提问：

内容创作：

“阅读此页面上的文章，并创建一条 Twitter 线程，总结主要观点”

研究与分析：

“查看我本周的浏览器历史记录，找到关于机器学习的文章。总结关键趋势。”

社交媒体管理：

“检查我的 Twitter 书签，并将它们分类。为每个类别创建一个总结。”

生产力：

“为我平时早上阅读的网站打开标签页，并给我今天头条新闻的简报”

开发测试：

“用测试数据填写此联系表单，并检查提交是否正常工作”

个人助理：

“找到我昨天查看的关于 React 组件的 GitHub 仓库，并将其添加到书签以便以后查看”

页面样式与乐趣：

“为这个页面应用黑暗黑客主题，使其看起来更有趣” “让这个无聊的文档页面感觉像一个舒适的咖啡店” “为这个页面添加 30 秒的矩阵雨效果，以便截取酷炫的屏幕截图” “为这个页面应用高对比度主题，以提高可读性”

🏗️ 工作原理

graph LR
    A[AI 模型] --> B[OpenDia 服务器]
    B --> C[浏览器扩展]
    C --> D[你的浏览器]
    D --> E[任何网站]

1. 你向 你的 AI 提出与浏览器相关的请求。
2. AI 调用 OpenDia 工具来理解和与页面进行交互。
3. OpenDia 通过 扩展程序控制你的浏览器。
4. 你获得结果 —— AI 可以看到发生了什么，并做出智能响应。

🛠️ 功能

OpenDia 为 AI 模型提供了 18 种强大的浏览器工具：

🎯 智能页面理解

• 分析任何网页 —— AI 自动找到按钮、表单和交互式元素。
• 智能提取内容 —— 从文章、社交媒体帖子或搜索结果中获取清晰的文本。
• 理解上下文 —— AI 知道它正在查看的页面类型以及如何与之交互。

🖱️ 自然交互

• 点击任何元素 —— 按钮、链接、菜单 —— AI 找到并点击正确的元素。
• 智能填写表单 —— 即使在 Twitter、LinkedIn、Facebook 等复杂网站上也能正常工作。
• 无缝导航 —— 前往页面、滚动、等待内容加载。
• 处理现代 Web 应用 —— 绕过社交平台的检测。

📑 标签和窗口管理

• 多标签工作流程 —— 自动打开、关闭和切换标签。
• 组织你的工作空间 —— 让 AI 高效管理你的浏览器标签。
• 协调复杂任务 —— 同时在多个网站上工作。

📊 访问你的浏览器数据

• 书签和历史记录 —— 找到你上周阅读的文章。
• 当前页面内容 —— 获取选定的文本、链接或完整页面内容。
• 实时信息 —— 处理当前屏幕上的任何内容。

🛡️ 反检测功能

• 社交媒体发布 —— 绕过 Twitter/X、LinkedIn、Facebook 等平台的自动化检测。
• 自然交互 —— 模仿人类行为，避免触发安全措施。
• 可靠的自动化 —— 即使在阻止典型自动化工具的网站上也能持续工作。

🎨 页面样式与定制

• 转换任何网站 —— 应用有趣的主题、自定义颜色和视觉效果。
• 预设主题 —— 黑暗黑客、复古 80 年代、彩虹派对、简约禅意等等。
• AI 情绪样式 —— 描述一种情绪，获得匹配的视觉设计。
• 交互式效果 —— 矩阵雨、浮动粒子、霓虹灯效果和光标轨迹。
• 无障碍主题 —— 高对比度和易读的设计，提高可见性。

🔧 技术细节

OpenDia 为 AI 模型提供了与浏览器交互的能力，它通过浏览器扩展和本地服务器实现。浏览器扩展负责与浏览器进行交互，而本地服务器则负责接收 AI 模型的请求，并将其转换为浏览器可以理解的操作。这种架构使得 AI 模型可以利用用户现有的浏览器环境，实现各种自动化任务。

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

准备好让 AI 为你的浏览器赋能了吗？使用 npx opendia 开始吧！🚀