如果你每天要在网上做大量重复的信息搜集——找客户、整理资料、跟进邮件——最近上线的 Strawberry 1.0 值得看看。它把自己定义为一款"AI 浏览器"：里面跑着一批叫 Companions（伙伴）的 Agent，能并行研究上百条线索、转写会议、自动发跟进消息，把团队里一直拖延的杂活接过去。上线当天就冲上 Product Hunt 前列，不少团队已经在用，本篇讲讲它到底怎么落地到日常，以及它和普通脚本有什么不同。
一、它到底怎么用
打开 Strawberry，你不是在点网页，而是在"雇"或"训练"一个 Companion。你可以直接用现成模板，也可以把自己的偏好教给它——比如"每天早会前整理竞品动态""把本周新线索按意向排序"。它会接管浏览器，在后台并行完成研究、记录、跟进，结果汇总到一个干净的面板里。对销售、增长、调研岗尤其顺手，因为最耗人的不是"想清楚"，而是"一条条去查、去填"。它和一般"问答助手"的区别是：不是你问一句它答一句，而是你给一个目标，它自己拆解、执行、交付。
二、适合谁、能省下什么
需要批量处理公开信息的角色最划算：做市场的要盯竞品和舆情，做销售的要筛线索和写跟进，做研究的要读一堆资料再归纳。几百个团队已经在用，其中还包括一些知名的 AI 公司。换句话说，它把"浏览器"从浏览工具升级成了执行工具。想象一下：你让它"研究 100 个潜在客户，找出最近融资的 10 家并写一句跟进话术"，它会在后台自己翻官网、看新闻、交叉验证，最后给你一份可直接用的清单，而不是一堆链接。
三、一个具体的上手流程
先从一个低风险的小目标开始，例如"搜集 20 个同赛道产品的官网和定位"。把它写给 Companion，看它怎么拆解关键词、翻页、去重、汇总；确认结果靠谱后，再叠加"按更新时间排序""标出融资动态"之类的细化指令。等它真正理解你的偏好，才逐步放开到邮件跟进这类更敏感的动作。把目标写清楚，比让它自由发挥更稳。
四、它和 RPA / 脚本的区别
传统脚本要你先把每一步点哪、抓哪写死，网站一改版就崩；Companion 更像"看懂页面意图再操作"，对布局变化更耐受。代价是它不够 deterministic，结果需要你抽查。所以把它当"实习生"用：给明确目标、设检查点、看样本，而不是完全放手。遇到关键动作（比如真发出邮件），建议保留一道人工确认。
五、注意事项
它替你跑的动作会触达真实账号和外部网站，授权范围要看清楚，别把敏感权限一股脑交出去。自动化跟进也要注意分寸，避免打扰客户或触发平台限流。建议先用低风险任务试跑，确认它理解你的偏好后，再逐步放开范围。账号安全上，尽量用专属邮箱或子账号授权，别直接绑定主账号的全部权限。
需要提醒的是，Companion 的并行能力越强，越要注意"结果可信度"的抽查。它跑得越快、覆盖越广，单条出错就越容易被淹没在数量里。所以面板里一定要保留"来源链接"，方便你回看它凭什么得出这条结论，而不是只信最终那句话。
六、一个看得见的产出例子
假设你让它"找出本月新融资的 10 家竞品并写一句跟进话术"，它交付的不会是散落的连接，而是一张表：公司名、融资轮次、金额、一句话定位、建议跟进角度。你只需要抽查其中两三条是否属实，就能决定是否发出。这种"给目标、拿清单"的体验，正是它和普通搜索工具拉开差距的地方——你省下的是整理和判断前的那一堆体力活。
小结
Strawberry 把浏览器变成了 Agent 的工作台。想省下重复研究时间的人，可以从一个具体的小目标开始试，比一口气全托管更稳。
