Open-source AI browser agent for Chrome and Firefox (monorepo) 🧠
JavaScript ai-agentai-agentsai-toolsbrowser-aibrowser-automationbrowser-extensionchrome-aichrome-devtoolschrome-extensionchrome-extensionsfirefox-addonfirefox-addonsfirefox-extensionfirefox-extensionsgemmagemma4minimaxoffline-aioffline-llmqwen
Document the new Settings, Providers and Permissions pages
Emre Sokullu8b404303adf0
diff --git a/CHANGELOG.md b/CHANGELOG.mdindex 0d464510a..837393f12 100644--- a/CHANGELOG.md+++ b/CHANGELOG.md@@ -12,6 +12,9 @@ This changelog was generated from the repository Git history and release tags. V- New tab page: WebBrain now provides a new tab with a clock, quick links, bundled backgrounds and a WebBrain box (Ask, Act or Search). Ask and Act both run in the side panel straight away (Act shows a warning that it starts working immediately; Plan before Act still applies). Based on Mue (BSD-3-Clause), with all of Mue's network calls and telemetry removed. Adds the `search` permission. See `docs/newtab.md`. The new tab is opt-in: the last onboarding step has a "Use WebBrain as my new tab page" checkbox (ticked by default, next to Help Improve WebBrain) and Settings → General has the same switch; when it is off, new tabs go to the browser's own new tab page. On Firefox the new tab stays on and has no switch in WebBrain, because Firefox cannot hand a tab to its own new tab page; change it in Firefox's settings.### Changed+- Settings is reorganized. Its tabs are now General, Budgets, Memory, Skills, CAPTCHA, Bridge and Advanced. The providers and the assistive models moved to a new Providers page with LLM, Vision, Speech, Generative, Decision and SafeSocial tabs; open it from **More…** in the side panel's model menu or from the Providers link at the top of Settings. Site permissions moved to their own page, opened with **Manage site permissions** in the ⚠ menu next to the microphone. Advanced is now a tab instead of a drawer inside General, and the CAPTCHA solvers have a tab of their own. The new Budgets tab holds the cloud cost allowances, the question timeout and what happens when it runs out, Max Agent Steps, the LLM request timeout and the image budget. Screenshot redaction moved to Advanced. Language and UI zoom are chosen in the side panel only. The search box looks through General, Budgets, CAPTCHA and Advanced at once. Old links to the moved tabs open the new pages.+- Auto-screenshot now defaults to On navigation instead of On state change. A choice you made yourself is kept.+- Record traces and Record full request details are now one switch: traces are recorded with their full request details, or not at all. An install that recorded traces without full details starts recording them after the update.- The side panel layout is rearranged. The language, text size, Settings and pop-out buttons moved to the top left, and History and New chat to the top right, where History opens its list downward. The model picker moved into the message box, next to the attach button below your text, and its list opens upward.- Selecting text on a page now shows a small bar, **Translate | Explain | Proofread | More…**, instead of the single `?` button. Translate, Explain and Proofread answer in a card next to the selection: Translate shows the detected source language, the original text and a target-language picker, and every card has an "Ask a follow-up" box that, once the answer is there, continues in the side panel with the card's answer as context. **More…** opens the same popup the `?` button opened (Summarize, Quiz me, Humanize, a question box and Hide this; Translate, Explain and Proofread are on the bar, so they are not repeated there). A card sends the selected text to your configured model provider, like any other selection action; selections over 4,000 characters go to the side panel instead of a card. A card answer that reaches the model's output limit says it was cut off and offers to continue in the side panel, which picks up from the unfinished text instead of starting over (a side-panel reply that is cut off again says so, including when an OpenAI Responses model reports the limit as an error, in which case the text it wrote is kept and the call still counts toward your cloud-cost allowance), and closing or redoing a card, or reloading or leaving the page, cancels the request it no longer needs. Chrome and Firefox.diff --git a/CONTRIBUTING.md b/CONTRIBUTING.mdindex cc48be999..8fabbecd9 100644--- a/CONTRIBUTING.md+++ b/CONTRIBUTING.md@@ -143,10 +143,10 @@ the Pull Requests link).1. Load the unpacked extension (Chrome → `chrome://extensions/` → Developermode → Load unpacked → pick `src/chrome/`).2. Open the WebBrain side panel on the target site.-3. **Settings → Display → Site adapters** must be on (it is by default).+3. **Settings → Advanced → Site adapters** must be on (it is by default).4. Run a representative task in Act mode — for sahibinden, something like_"find me 5 listings under 35,000 TL for X"_. Watch what the agent does.-5. Toggle **Settings → Display → Record traces** before the run. After+5. Toggle **Settings → Advanced → Record traces** before the run. Afterthe run, open the Traces page and inspect the timeline. Did the agenthit any of the dead-ends your adapter is meant to prevent? Did it followthe patterns you described?diff --git a/README.md b/README.mdindex dd52a2732..b3a54a6f2 100644--- a/README.md+++ b/README.md@@ -111,7 +111,7 @@ exact tokenizer; see the [context guidance](docs/providers-and-models.md#local-pWebBrain auto-detects the real window for llama.cpp, Ollama, and LMStudio, and auto-compacts the conversation as it fills up. For Ollama,llama.cpp, LM Studio, and LocalAI, it also reads native server metadata before-adding screenshots; Settings provides Auto, Force on, and Off overrides. When+adding screenshots; the Providers page provides Auto, Force on, and Off overrides. Whenthe optional Model field is blank, the loaded-model capability is rechecked onevery user turn so a server-side hot swap takes effect. There is also apreview `ollama launch webbrain --model <model>` handoff. Details:@@ -120,7 +120,7 @@ preview `ollama launch webbrain --model <model>` handoff. Details:**Cloud APIs** — OpenAI, Anthropic Claude, Google Gemini, Azure OpenAI, AWSBedrock, Mistral, DeepSeek, xAI Grok, MiniMax, Kimi, Qwen, z.ai GLM, Groq,Together, Cloudflare, Nvidia NIM, Hugging Face, Fireworks, OpenRouter, and more.-Settings ships **112 built-in provider cards on Chromium** (111 on Firefox),+The Providers page ships **112 built-in provider cards on Chromium** (111 on Firefox),including an endpoint-free local WebGPU option with the tested LFM2.5 2.6Bpreset and an experimental custom Hugging Face ONNX repository option —see the [full catalog](docs/providers-and-models.md#extended-provider-catalog).diff --git a/docs/agent-tools.md b/docs/agent-tools.mdindex 6075a4aca..3f06d5259 100644--- a/docs/agent-tools.md+++ b/docs/agent-tools.md@@ -22,7 +22,7 @@ WebBrain separates **model tier** from **conversation mode**.Tier defaults and resolution rules are documented in[providers and models](providers-and-models.md#prompttool-tiers-and-modes).-In **lean mode** (Settings → General → Lean mode), an Act run gets 17 of these+In **lean mode** (Settings → Advanced → Lean mode), an Act run gets 17 of thesetools instead of its tier's set, with the same schemas, and a short prompt; see[lean mode](lean-mode.md).@@ -198,7 +198,7 @@ loaded. See [skills](skills.md).**WebMCP (experimental, on by default).** The `list_webmcp_tools` /`execute_webmcp_tool` rows apply when **Experimental WebMCP** is enabled-under Settings → General → Advanced. The setting is on by default; while off,+under Settings → Bridge. The setting is on by default; while off,the tools and their prompt guidance are omitted from model requests. WebMCPannotations such as `readOnly` are page-authored hints, not a security boundary.Every invocation requires Act or Dev, fresh per-call confirmation, and thediff --git a/docs/apocalypse-mode.md b/docs/apocalypse-mode.mdindex e5649d104..fb63affbd 100644--- a/docs/apocalypse-mode.md+++ b/docs/apocalypse-mode.md@@ -14,15 +14,15 @@ opt in.On supported Chromium browsers, local vision is optional and has twoin-browser models: WebBrain VL 2 450M and Ternary Bonsai 2 2B Vision. The-**Vision Model** card here and **Settings → Assistive Models → Vision** share+**Vision Model** card here and **Providers → Vision** shareone choice: **Auto** (the default), either model, or **Off**. Auto uses TernaryBonsai 2 2B Vision once it is downloaded and is off until then. When theselected Text Model is Ternary Bonsai 2 2B Vision, the card says so: that modelalready reads images, so there is nothing more to download. Apocalypse Modenever enables or downloads a vision model. A Bonsai download is the chat-preset's own transfer and starts only from a click on **Download** (here or in-Settings). WebBrain VL 2 450M first needs the explicit consent step in Settings-→ Assistive Models → Vision, which checks WebGPU support, records consent and+preset's own transfer and starts only from a click on **Download** (here or on+the Providers page). WebBrain VL 2 450M first needs the explicit consent step in+Providers → Vision, which checks WebGPU support, records consent andstarts caching the approximately 810 MB model from Hugging Face. Downloadscontinue in the background, but screenshot operations report their status andnever wait for them. Wikipedia archives still require their own confirmation.@@ -32,7 +32,7 @@ context window); the picker also offers Ternary Bonsai 2 2B Vision. The otherBonsai 2 presets ship but are hidden from the pickers for now. The selected model's download starts automatically when ApocalypseMode is enabled. Once downloaded,Compass works without Apocalypse Mode enabled: it is selectable as a chat-provider under Settings → Providers and through the standalone chat control.+provider on the Providers page and through the standalone chat control.Turning local vision off (or leaving WebBrain VL 2 450M for another choice)preserves its cache and any configured remote vision provider.diff --git a/docs/architecture.md b/docs/architecture.mdindex 1bfa58094..747972894 100644--- a/docs/architecture.md+++ b/docs/architecture.md@@ -1210,7 +1210,7 @@ locally; v1 does not use embeddings or retrieval calls.Explicit `/memory --add <text>` writes immediately through `add_user_memory` andenables memory if needed. `/memory` and `/memory --forget <id>` expose the-same local store from the side panel. Settings -> Profile provides enable,+same local store from the side panel. Settings → Memory provides enable,auto-learn, edit, delete, clear, export, and import controls for Chrome andFirefox.@@ -1571,7 +1571,7 @@ Key points:- No additional auth: the agent IS the user's browser session- Ask is read-only; Act and Dev are action modes. Dev adds source/style/page-debugging tools and is blocked for Compact-tier providers.- Plan before Act can require human approval before any action-mode tool call-- An unanswered `clarify` question follows Settings → General → "When a question times out": finish the task (default) or play it safe. Questions about deletion, money, credentials, the recipient, or an unrequested publication always time out to the safe answer (see `docs/security-model.md`).+- An unanswered `clarify` question follows Settings → Budgets → "When a question times out": finish the task (default) or play it safe. Questions about deletion, money, credentials, the recipient, or an unrequested publication always time out to the safe answer (see `docs/security-model.md`).- The persistent **Always allow API mutations** setting (on by default) or the conversation's `/allow-api` override waives permission prompts for write-method `fetch_url` / `research_url` calls- Tool results capped at 8 KB to limit prompt-injection surface- `strictSecretMode` instructs the model not to quote credentials in summaries, redacts known credential values (including short numeric PIN/CVV values) out of everything a cloud run publishes, and fails closed to scalar redaction if its bounded secret registry fills@@ -1589,10 +1589,10 @@ from before modes with `systemOneEnabled` reads as On) to a configuration whoseone thing Auto needs at run time, whether Ternary Bonsai 2 2B Vision isdownloaded (Chrome only; Firefox's copy never finds it).-The static decision-models 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,+The static decision-models card lives on the Decision tab of the Providers page+(`ui/providers.html#decision`), outside the dynamic provider list on the LLM tab.+It never participates in chat model selection. Old `settings.html#multimodal`+links open the Vision tab of the Providers page. `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 thediff --git a/docs/captcha-provider-coverage.md b/docs/captcha-provider-coverage.mdindex c51ec283f..18d7271f3 100644--- a/docs/captcha-provider-coverage.md+++ b/docs/captcha-provider-coverage.md@@ -23,7 +23,7 @@ This integration exposes **seven providers and 198 catalog method variants**. A## Setup and consent-Open **Settings → General → Advanced → CAPTCHA solvers**. Each provider has its own API key, enabled checkbox, Save/Test/Clear controls, supported-family list, and official documentation link.+Open **Settings → CAPTCHA**. Each provider has its own API key, enabled checkbox, Save/Test/Clear controls, supported-family list, and official documentation link.Typing an API key checks that provider's enabled box unless the user has manually disabled it while editing. Save persists the checkbox state. A saved key can remain present while its provider is disabled. Testing a balance does not enable solving or save consent. Clearing a key disables that provider.diff --git a/docs/fr/providers-and-models.md b/docs/fr/providers-and-models.mdindex 6144da9a5..5455ad7e7 100644--- a/docs/fr/providers-and-models.md+++ b/docs/fr/providers-and-models.md@@ -126,7 +126,7 @@ Settings accepte aussi un dépôt Hugging Face personnalisé. Les autrespréréglages Bonsai 2 sont livrés mais masqués des sélecteurs pour l’instant.Le modèle choisi est téléchargé à l’activation d’Apocalypse ; une fois encache, il fonctionne sans qu’Apocalypse soit activé. Sur les GPU limités,-réduisez la fenêtre de contexte dans Settings → Providers si nécessaire.+réduisez la fenêtre de contexte dans la page Providers si nécessaire.Firefox n’expose pas cette carte.Les modèles dans le navigateur répondent seulement aux questions. Dans le@@ -332,7 +332,7 @@ Les entrées de fournisseur obsolètes (`webbrain`, `openai_subscription`,### Plafonds de Coût-Les paramètres exposent des plafonds de coût cloud pour la session et le total. L'agent préfère une valeur `usage.cost`/`usage.cost_usd` rapportée par le fournisseur lorsqu'elle est présente (OpenRouter la rapporte directement). Pour les fournisseurs cloud directs qui ne retournent que des compteurs de tokens, WebBrain estime les dépenses à partir des champs de configuration du fournisseur :+L'onglet Budgets des paramètres expose des plafonds de coût cloud pour la session et le total. L'agent préfère une valeur `usage.cost`/`usage.cost_usd` rapportée par le fournisseur lorsqu'elle est présente (OpenRouter la rapporte directement). Pour les fournisseurs cloud directs qui ne retournent que des compteurs de tokens, WebBrain estime les dépenses à partir des champs de configuration du fournisseur :- `inputCostPerMillionUsd`- `cacheReadCostPerMillionUsd`diff --git a/docs/guards.md b/docs/guards.mdindex 58c26e7b3..e3d50b554 100644--- a/docs/guards.md+++ b/docs/guards.md@@ -62,7 +62,7 @@ the action is wrong (`onDecided`) and when it cannot tell (`onCannotDecide`):run as given (`infra`), such as a coordinate click whose own`expected_name` or `expected_role` no longer matches the point; and Stop,corrections and cancelled cards (`user_control`).-- **Strict checks.** Settings → General → "Strict checks" (`strictGuards`)+- **Strict checks.** Settings → Advanced → "Strict checks" (`strictGuards`)makes every quality guard block again, with the old forced verificationturns and the failure-only `done`.- **Unregistered ids** keep blocking, so a refusal that was never registered@@ -88,7 +88,7 @@ When a guard cannot verify a consequential step and its `onCannotDecide` isstep is refused there and the next attempt asks. When the checks after a"Go ahead" reach another guard's question about the same action, that cardis asked in turn and the first answer stands.-- **Timeout.** A quality guard's card follows Settings → General: the clarify+- **Timeout.** A quality guard's card follows Settings → Budgets: the clarifytimeout (Off waits, Instant answers at once) and "When a question timesout" (`finish` goes ahead, `safe` does not). A hard-class card never timesout and never goes ahead on its own, like the recipient and deletion cards.diff --git a/docs/lean-mode.md b/docs/lean-mode.mdindex a3592a3c0..6c55fef79 100644--- a/docs/lean-mode.md+++ b/docs/lean-mode.md@@ -8,7 +8,7 @@ Lean mode follows the Claude in Chrome model ([claude-chrome-comparison.md](clau## The setting-Settings → General → **Lean mode** (storage key `leanMode`):+Settings → Advanced → **Lean mode** (storage key `leanMode`):- **Auto** (default): on for strong cloud models, off for local and small models (rules below).- **On**: always, for every provider and tier.diff --git a/docs/localization.md b/docs/localization.mdindex a1651b0b9..2399dd453 100644--- a/docs/localization.md+++ b/docs/localization.md@@ -37,8 +37,9 @@ src/chrome/src/ui/└── zh.js # Chinese```-Settings → Language lists all **23** locales from `LANGUAGES` in `i18n.js`-(English and Chinese pinned first; the rest sorted by English name).+The side panel's language picker lists all **23** locales from `LANGUAGES` in+`i18n.js` (English and Chinese pinned first; the rest sorted by English name).+The settings pages follow the chosen language through `wb-locale-changed`.### Key Functions```jsdiff --git a/docs/privacy-and-data-flow.md b/docs/privacy-and-data-flow.mdindex a458bdcbe..ce7e2b481 100644--- a/docs/privacy-and-data-flow.md+++ b/docs/privacy-and-data-flow.md@@ -46,7 +46,7 @@ inference stay on-device.### Which provider receives the data?-The user chooses their provider in Settings. Options include:+The user chooses their provider on the Providers page (side panel provider picker → More…). Options include:- **WebBrain Compass**: requests go through `api.webbrain.one`; selected interactions may be retained and used for evaluation, improvement, fine-tuning, and training while Help Improve WebBrain is enabled- **Bring-your-own cloud providers**: OpenAI, Anthropic, Google Gemini, Mistral, DeepSeek, xAI, Groq, OpenRouter, etc. — requests go directly to the provider using the user's credentials; WebBrain receives a separate research copy only if the user enables that provider's **Share queries for research** switch@@ -107,7 +107,7 @@ requests.### Decision models and completion verification-Settings → Assistive Models → Decision models has three modes. **Auto** (the+Providers → Decision has three decision-model modes. **Auto** (thedefault) sends nothing anywhere new: in Chrome it uses Ternary Bonsai 2 2BVision on the device once it is downloaded, for completion and scheduled checksonly, and while Compass is the conversation provider Compass's managed Cloud@@ -245,7 +245,7 @@ Strict Secret Mode disables judging; offline loopback decisions remain available### WebBrain Compass improvement data-Help Improve WebBrain is available under Settings -> General and is+Help Improve WebBrain is available under Settings → Advanced and ison by default. When it is on, WebBrain may retain eligible Compass prompts, modelresponses, relevant page text, tool calls, browser-agent actions, feedback, andtask outcome information for evaluation, development, improvement, fine-tuning,@@ -273,7 +273,7 @@ the raw device and prompt-derived fingerprint are not stored or sent upstream.Repeated identical opening messages can be grouped together, and compaction cansplit a legacy conversation, so current clients' explicit conversation ids areauthoritative. Users of older clients must install the latest client to disable-future collection under Settings -> General.+future collection under Settings → Advanced.An explicit `0` is always opted out. Once any explicit opt-out reaches aderived or client-provided session, the Compass service permanently marks that@@ -352,7 +352,7 @@ the stored copies are not separately synced to WebBrain.### Trace Recorder-**Local feedback diagnostics** is enabled by default under Settings → Display.+**Local feedback diagnostics** is enabled by default under Settings → Advanced.When ordinary trace recording is off, it retains metadata-only diagnostics forup to ten completed runs, seven days, and 2 MiB (with a 128 KiB per-run cap).These automatic records never inherit lossless tracing and contain no raw@@ -360,13 +360,15 @@ conversation/tool text or screenshot bytes. Turning the setting off stops thisrecording and removes its automatic history; explicitly recorded traces remain.Retention and event-budget omissions are identified in feedback exports.-When enabled (Settings → Display → "Record traces"), every agent run is written-to the local `webbrain_traces` IndexedDB database in one of two privacy tiers.-An external/local provider with **Share queries for research** enabled also-records its run locally for the bounded diagnostic upload, even when this-separate Record traces setting is off:+When enabled (Settings → Advanced → "Record traces"), every agent run is written+to the local `webbrain_traces` IndexedDB database with its full request details+(the lossless tier below); one switch turns both on or off. An external/local+provider with **Share queries for research** enabled also records its run+locally for the bounded diagnostic upload, even when Record traces is off; such+runs use the metadata-only tier:-- **Default metadata-only tier.** The `runs` store keeps run identifiers and+- **Metadata-only tier.** This is the default tier for runs recorded while+ Record traces is off. The `runs` store keeps run identifiers andlineage, model/provider identifiers, token and event totals, timestamps,status, and the allowlisted runtime snapshot. It omits the user's message,final assistant text, full tab URL/title, and attachment filenames. The@@ -374,15 +376,17 @@ separate Record traces setting is off:counts, timings, usage, finish/status/error codes, called tool name andoutcome status, and screenshot marker/caption. It omits raw LLMrequest/response text, tool schemas, tool arguments/results, and error- messages. Default traces do not write screenshot blobs or data URLs to the- `shots` store.-- **Lossless debug tier (explicit opt-in).** Enabling lossless tracing under- Settings → Display adds user/final text, bounded request messages and tool- schemas, model responses and tool calls, tool arguments/results, detailed- errors, screenshot bytes, tab URL/title, and attachment filename metadata.- Lossless payloads have per-request, per-result, per-run, and aggregate- storage bounds; old completed lossless runs may be evicted to remain within- the aggregate limit. These runs are visibly marked in the Traces UI.+ messages. Metadata-only traces do not write screenshot blobs or data URLs to+ the `shots` store.+- **Lossless debug tier (explicit opt-in).** Record traces adds user/final+ text, bounded request messages and tool schemas, model responses and tool+ calls, tool arguments/results, detailed errors, screenshot bytes, tab+ URL/title, and attachment filename metadata. Lossless payloads have+ per-request, per-result, per-run, and aggregate storage bounds; old completed+ lossless runs may be evicted to remain within the aggregate limit. These runs+ are visibly marked in the Traces UI. Full request details used to have a+ switch of their own; on update, an install that recorded traces without them+ has them turned on once, so the single switch matches what is recorded.`click_ax_timing` trace notes retain only bounded stage durations, input-eventcounts, outcome categories, and safety-status booleans. URL, target labels,@@ -510,7 +514,7 @@ but users should not store passwords, API keys, tokens, recovery codes, or othersensitive secrets as memory.When user memory is enabled, active records are appended to the agent system-prompt as a bounded block. Settings -> Profile controls whether memory is+prompt as a bounded block. Settings → Memory controls whether memory isenabled, whether optional auto-learning runs after completed turns, and themaximum prompt characters injected. `/memory --add <text>` writes an explicit memoryimmediately without an extractor call. Export/import JSON is local-only and is@@ -540,7 +544,7 @@ WebBrain Compass or to the configured LLM provider.### Optional Encrypted Cloud SyncActive WebBrain Compass subscribers may explicitly enable encrypted profile sync in-Settings. The extension combines user memory, profile autofill, and provider+Settings → Memory. The extension combines user memory, profile autofill, and providerconfiguration (including API keys, but excluding legacy OAuth access/refreshtoken stores) into one vault. Chromium-only WebGPU provider configuration andselection remain device-local so a Firefox sync cannot replace that local choice.@@ -573,7 +577,7 @@ the URL + method to the active LLM conversation.### Experimental WebMCPWebMCP is on by default. A user can disable **Experimental WebMCP** under-Settings → General → Advanced to prevent WebBrain from sending its tool schemas+Settings → Bridge to prevent WebBrain from sending its tool schemasor prompt guidance to the configured LLM. On supporting Chrome pages, WebBraincan enable the experimental CDP `WebMCP` domain. Chrome reports the structured tools registered by the current page,including their page-supplied name, description, input schema, annotations, anddiff --git a/docs/prompt-injection-defense.md b/docs/prompt-injection-defense.mdindex 57337cac3..a52454771 100644--- a/docs/prompt-injection-defense.md+++ b/docs/prompt-injection-defense.md@@ -37,7 +37,7 @@ them in sync — the test suite asserts the pure modules are byte-identical.the human is the trust anchor.- Code: `permission-gate.js` (`capabilityFor`, `requiredHosts`,`PermissionManager`); the gate loop in `agent.js _executeToolBatch`.- - User control: Settings → Permissions (review/revoke grants + the master+ - User control: the Permissions page (review/revoke grants + the masterswitch "Ask before consequential actions"). The warning button in the side panel'scomposer toolbar toggles the same master switch; it never answers a pendingpermission card.@@ -168,7 +168,7 @@ booleans (verified, failed, credential field) beside the child's tool name and`ref_N` target, never result text.### Don't weaken the boundary for "trusted sites"-The master switch (Settings → Permissions) disables **Layer 3 only** (the+The master switch (Permissions page) disables **Layer 3 only** (theprompts). Layers 1, 2, and 4 stay on always — they cost nothing and are whatprotect the user on the trusted sites where injected content actually lives(a reputable domain is *anti-correlated* with safe content). Never gate Layers@@ -187,7 +187,7 @@ protect the user on the trusted sites where injected content actually livesgrant storage / `hydrateFrom`, content-wrap breakout-stripping.- planner prompt parity / boundary checks in `test/security/injection-corpus.mjs`.- `test/manual-permissions.md` — the in-browser checklist (the 3-option- permission card and the Settings → Permissions tab) that the unit suite can't+ permission card and the Permissions page) that the unit suite can'tcover.**The guard checks that tools are *listed*, not that they're listeddiff --git a/docs/providers-and-models.md b/docs/providers-and-models.mdindex ce3412cc2..8a38aea9e 100644--- a/docs/providers-and-models.md+++ b/docs/providers-and-models.md@@ -4,11 +4,13 @@## 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, Generative Media (powering the-`generate_image` agent tool), Decision models, and SafeSocial. Configuring an assistive-model does not replace the active provider. Decision models share one provider/model+The **Providers** page (`ui/providers.html`, opened from **More…** in the side+panel's model menu or from the Settings header) selects the main model for+conversation, planning and final replies on its **LLM** tab. Its other tabs hold+the assistive models: Vision, Speech (speech to text), Generative (powering the+`generate_image` agent tool), Decision models, and SafeSocial. Screenshot limits+are in Settings → Budgets and screenshot redaction in Settings → Advanced.+Configuring an assistive model does not replace the active provider. Decision models share one provider/modelselection with separate completion, watch, scheduled-check, classification and browserdecision switches. See [the settings guide](https://webbrain.one/docs/settings/#multimodal)and [data flow](privacy-and-data-flow.md#decision-models-and-completion-verification)@@ -203,7 +205,7 @@ An older Cloud deployment falls through to the active LLM and existing checks.### Generative Media-Configure **Settings → Assistive Models → Generative Media** for the+Configure **Providers → Generative** for the`generate_image` agent tool. Select one provider and save its settings:| Provider | Required settings | Generation |@@ -248,7 +250,7 @@ Inline bytes are shown in chat and excluded from model context.### SafeSocial image classifier (experimental)-**Settings → Assistive Models → SafeSocial** optionally filters Instagram images+**Providers → SafeSocial** optionally filters Instagram imagesand video posters using the local, multilabel[EfficientNet-Lite0 classifier](https://huggingface.co/webbrain-one/safesocial-trigger-classifier-efficientnet-lite0).It is off by default and does not replace the chat or screenshot vision model.@@ -414,7 +416,7 @@ same API and billing but do not inherit the TEE privacy guarantees. See the[OpenAI compatibility](https://docs.near.ai/cloud/guides/openai-compatibility)guides.-In WebBrain, open **Settings -> Providers -> NEAR AI Cloud**. Generate an API+In WebBrain, open **Providers -> LLM -> NEAR AI Cloud**. Generate an APIkey from the [NEAR AI Cloud dashboard](https://cloud.near.ai/), paste it intothe card, keep the default `z-ai/glm-5.3-flash` model, then click **TestConnection**. If selecting a model with a smaller context window, such as@@ -560,11 +562,11 @@ validates the template after loading and rejects incompatible repositories.The provider defaults to the Compact prompt tier. For Compass, budget roughly4 GB of GPU headroom (about 1.87 GB ofweights plus KV cache that grows with context length); on constrained GPUs,-lower the context window on the WebGPU card in Settings → Providers (16384 is+lower the context window on the WebGPU card on the Providers page (16384 isa safe fallback) and retry with a short prompt. Each repository is cachedseparately in Chrome.-After downloading a preset in Apocalypse Mode, the WebGPU card in-**Settings -> Providers** can be configured, tested, and selected as the normal+After downloading a preset in Apocalypse Mode, the WebGPU card on the+**Providers** page can be configured, tested, and selected as the normalchat provider. The nuclear standalone-chat control remains available as aper-run override that does not change the global selection. Once its files arecached, the selected model works without Apocalypse Mode enabled.@@ -597,7 +599,7 @@ proxy card require their configured client keys:#### ODS-Open **Settings → Providers → ODS (Local)**, set the server URL to the local+Open **Providers → LLM → ODS (Local)**, set the server URL to the localinference port in ODS's `.env`, click **Load Models**, select the running model,and click **Test Connection**. ODS exposes OpenAI-compatible `/v1/models` and`/v1/chat/completions`; WebBrain reads `/props` for the live context window and@@ -608,7 +610,7 @@ model in WebBrain unless your ODS installation exposes a stable alias. See the#### Osaurus-Start the Osaurus server on your Mac, then open **Settings → Providers →+Start the Osaurus server on your Mac, then open **Providers → LLM →Osaurus (Local)**. Keep `http://127.0.0.1:1337/v1` as the server URL, click**Load Models**, select a model, and click **Test Connection**. A model ID isrequired; discovery uses Osaurus's OpenAI-compatible `/v1/models` endpoint.@@ -631,7 +633,7 @@ then start Studio and load a chat model. In Studio, open the avatar menu,choose **Settings → API Access**, and create an API key. Keys currently use the`sk-unsloth-` prefix; keep the full value private.-In WebBrain, open **Settings → Providers → Unsloth Studio (Local)**. Enter the+In WebBrain, open **Providers → LLM → Unsloth Studio (Local)**. Enter theStudio API address as `http://127.0.0.1:8888/v1`, replacing `8888` when therunning Studio instance shows a different port. Enter the generated API key,click **Load Models**, select the loaded model, then click **Test Connection**.@@ -745,7 +747,7 @@ Provider tier and conversation mode are separate knobs:Ask mode ignores provider tier and stays read-only. Act mode uses the selected tier's normal tools. Dev mode requires Mid or Full, uses the selected Act prompt, appends `SYSTEM_PROMPT_DEV_APPENDIX`, and adds Dev-only source/style tools plus Dev-extended shadow/frame inspection for Mid-tier debugging. Compact Dev is blocked before an LLM request is sent.-**Lean mode** (Settings → General → Lean mode; Auto by default) replaces the tier's Act tools and prompt with a 17-tool set and a short prompt, and skips WebBrain's quality checks. Under Auto it applies only to a strong model on a cloud or router provider whose tier is Full; Compact and Mid tiers and local providers keep their tier. See [lean-mode.md](lean-mode.md).+**Lean mode** (Settings → Advanced → Lean mode; Auto by default) replaces the tier's Act tools and prompt with a 17-tool set and a short prompt, and skips WebBrain's quality checks. Under Auto it applies only to a strong model on a cloud or router provider whose tier is Full; Compact and Mid tiers and local providers keep their tier. See [lean-mode.md](lean-mode.md).### Vision Detection@@ -869,7 +871,7 @@ Deprecated provider entries (`webbrain`, `openai_subscription`,### Cost Allowances-Settings exposes session and total cloud cost allowances. The agent prefers a provider-reported `usage.cost`/`usage.cost_usd` value when present (OpenRouter reports this directly). For direct cloud providers that only return token counts, WebBrain estimates spend from the provider config fields:+Settings → Budgets exposes session and total cloud cost allowances. The agent prefers a provider-reported `usage.cost`/`usage.cost_usd` value when present (OpenRouter reports this directly). For direct cloud providers that only return token counts, WebBrain estimates spend from the provider config fields:- `inputCostPerMillionUsd`- `cacheReadCostPerMillionUsd`@@ -906,7 +908,7 @@ const vision = await providerManager.getVisionProvider();// active-provider vision and the explicitly enabled, ready local fallback.```-On Chromium, **Settings -> Assistive Models -> Vision** also offers an+On Chromium, **Providers -> Vision** also offers anin-browser vision model, chosen from **Auto** (default), **Ternary Bonsai 2 2BVision**, **WebBrain VL 2 450M** or **Off**. The choice is stored in theChrome-only `webgpuVisionChoice` key (`storedWebgpuVisionChoice()` anddiff --git a/docs/remote-downloads.md b/docs/remote-downloads.mdindex 69a367957..d36d5cc86 100644--- a/docs/remote-downloads.md+++ b/docs/remote-downloads.md@@ -96,7 +96,7 @@ flowchart TD(1.45 GB) is the chat preset's download, started by a click on itsDownload button here, in Settings or in the Text Model picker; the separate810 MB WebBrain VL 2 450M is downloaded only after the user consents to it- in **Settings -> Assistive Models -> Vision**.+ in **Providers -> Vision**.---diff --git a/docs/rich-text-input.md b/docs/rich-text-input.mdindex 36cfe9043..a91d6d6d3 100644--- a/docs/rich-text-input.md+++ b/docs/rich-text-input.md@@ -92,7 +92,7 @@ continues. Editor proofs are still dropped, so a commit or publication gate nevetreats the write as verified; the agent keeps a non-blocking record for thosegates (`_unverifiedTextWriteRecord`). `set_field({submit: true})` still withholdsits Enter for an unverified value and says so (`submitSkipped: 'value_unverified'`).-Settings → General → Strict checks restores the failure result, the text-write+Settings → Advanced → Strict checks restores the failure result, the text-writedebt and its readback-only recovery lock (see `test/guard-advisory-writes.mjs`).When context verification or repeated page changes prevent the next action,diff --git a/docs/security-model.md b/docs/security-model.mdindex 7146ac28c..99cb44a9f 100644--- a/docs/security-model.md+++ b/docs/security-model.md@@ -173,7 +173,7 @@ When disabled (the default — this is a personal-computer tool, not a third-par### Profile Auto-Fill-Users can store a short profile (name, email, throwaway password) in Settings → Profile. This text is appended to the system prompt when enabled. Warnings in the UI:+Users can store a short profile (name, email, throwaway password) in Settings → Memory. This text is appended to the system prompt when enabled. Warnings in the UI:- Stored in plaintext in `chrome.storage.local`- Sent to the LLM provider on every turn as part of the system prompt@@ -211,7 +211,7 @@ The primary threat: a malicious page crafts content that, when read by the agent| **Plan before Act** | When enabled, action-mode runs first produce a structured plan and wait for side-panel approval before any browser tool executes. In Try mode, planner JSON that remains invalid after repair degrades that turn to Ask/read-only; Strict stops. Scheduled runs can auto-approve the plan only through scheduler policy. || **Skill import boundary** | Skills can expose read-only HTTP tools and download-job tools through a `webbrain-tools` manifest. Importing or keeping the skill enabled is the trust decision for the declared HTTPS endpoint; declared skill tools use `credentials: "omit"` and should mark third-party results `resultPolicy: "untrusted"`. Download-job skill tools still require an action mode and the normal Downloads permission gate before saving files. || **WebMCP boundary** | Experimental WebMCP is on by default, so its tools and prompt guidance enter ordinary model requests unless the user opts out under Settings → Bridge. Chrome page-registered names, descriptions, schemas, frame URLs, annotations, outputs, and errors are page-controlled and always use the untrusted-content wrapper. Calls use opaque IDs. Ask may list tools but cannot invoke them. Because a callback can run arbitrary page logic, every invocation requires Act/Dev, fresh per-call confirmation, and a permission grant for the actual registration-frame origin; a page-authored `readOnly` hint never bypasses those gates. Missing/opaque frame identity fails closed, and the frame plus effective HTTP(S) security origin are revalidated immediately before dispatch to prevent navigation races from borrowing an old grant. |-| **API mutation override** | A per-conversation `/allow-api` flag, or the default-on persistent setting under General → Advanced, *waives* the permission prompt for write-method network egress (`fetch_url`/`research_url` with POST/PUT/PATCH/DELETE). Neither option waives GET egress or any other capability. Conversation reset clears only the slash-command override. |+| **API mutation override** | A per-conversation `/allow-api` flag, or the default-on persistent setting under Settings → Advanced, *waives* the permission prompt for write-method network egress (`fetch_url`/`research_url` with POST/PUT/PATCH/DELETE). Neither option waives GET egress or any other capability. Conversation reset clears only the slash-command override. || **Decision models** | Auto (default) uses the downloaded in-browser model for completion and scheduled checks, or Compass's managed route while Compass is the chat provider; Off uses none. In On, OpenRouter, direct TypeSafe and local/custom System One endpoints share independent per-feature switches. Keys are optional for local servers. Compass completion uses its managed decision route unless D1 or the in-browser chat model is chosen. Bounded/redacted task and fresh page evidence are untrusted data. Judges have no browser executor; ordinary tool calls still pass policy, permission and completion layers. Strict Secret Mode, cancellation, quota and cost limits apply. Unavailable or malformed judgments fall through to the active LLM and existing checks. || **`done()` verification** | Decision and tool-free LLM checks prefer vision, then AX. Confident pending/failed outcomes require read-only recovery before another submission. Accepted task-bound proof can satisfy generic evidence despite an unrelated comment form, while explicit recipient, payment, download, authorization and workflow contracts remain required. Existing dialog/form checks are the final fallback. || **Grouped search approval** | A same-site GET form with no credential, payment or hidden token field, and no side-effect action address, shares one task-scoped approval for its navigation, typing and submit when the page's structure marks it as a search: a search landmark, a search-typed field or one whose keyboard says search, code names such as `q` or `query`, a search address, or a submit control a model read, in any language, as only searching or filtering. Words in a field's visible label decide nothing. Every other form keeps its fresh confirmation. |@@ -235,7 +235,7 @@ The primary threat: a malicious page crafts content that, when read by the agent## Unanswered QuestionsWhen the agent asks a `clarify` question and nobody answers before the clarify-timeout (Settings → General, default 60 s), the setting **When a question times+timeout (Settings → Budgets, default 60 s), the setting **When a question timesout** decides the answer:- **Finish the task** (default) keeps the run moving. The option the model named@@ -335,7 +335,7 @@ arbitrary conversation/page content.The trace recorder (`trace/recorder.js`) writes to IndexedDB on the user'smachine for bounded automatic feedback diagnostics, when explicitly enabled-(Settings → Display → "Record traces"), or when a local/bring-your-own provider's+(Settings → Advanced → "Record traces"), or when a local/bring-your-own provider'sseparate **Share queries for research** switch is enabled for that run. The latterforces a local record so a bounded,content-free diagnostic timeline can be uploaded under that explicit consent.diff --git a/docs/slash-commands.md b/docs/slash-commands.mdindex 2cec849ea..5496b30ef 100644--- a/docs/slash-commands.md+++ b/docs/slash-commands.md@@ -36,7 +36,7 @@ for its available flags.| `/teach --end` | Stop teaching and compile the captured actions into a value-free saved workflow || `/allow-api` | **Per-conversation API mutation override.** See [below](#allow-api). || `/foreground [prompt]` | Run one local task in the foreground for visual compatibility |-| `/dangerously-skip-permissions` | **Global permission-prompt bypass.** Turns off `Ask before consequential actions` without opening Settings. WebBrain will act without per-site prompts until you re-enable the setting (Settings → Permissions, or the warning button next to the microphone in the side panel composer). |+| `/dangerously-skip-permissions` | **Global permission-prompt bypass.** Turns off `Ask before consequential actions` without opening Settings. WebBrain will act without per-site prompts until you re-enable the setting (the Permissions page, or the warning button next to the microphone in the side panel composer). || `/compact` | Force context compaction for the current conversation || `/verbose` | Toggle verbose/compact tool display || `/reset` | Clear the conversation and all per-conversation flags |@@ -94,7 +94,7 @@ agent may use POST/PUT/PATCH/DELETE via `fetch_url` or `research_url` when the Uis failing. A badge appears while it is active, and it clears on `/reset`.To keep the same policy active across conversations and browser restarts, turn-on **Always allow API mutations** under **Settings → General → Advanced**. The+on **Always allow API mutations** under **Settings → Advanced**. Thesetting is on by default and remains active until you turn it off. `/reset`still clears the conversation-only `/allow-api` override, but does not changethe persistent setting.diff --git a/docs/webgpu-models.md b/docs/webgpu-models.mdindex 23bb0259b..9b505fff7 100644--- a/docs/webgpu-models.md+++ b/docs/webgpu-models.md@@ -253,7 +253,7 @@ Use the tools in `scripts/models/bonsai/`:- Apply the same pattern to any new model that serves long prompts onshared GPUs.- **Cache-only inference.** Chat never downloads. Only explicit download or- preload flows fetch model files: Settings → Providers → WebGPU, Apocalypse+ preload flows fetch model files: Providers → WebGPU, ApocalypseMode, and the first-install page (Chrome), which offers Ternary Bonsai 2 2BVision behind its optional "Download a local model" button. The install pagechecks for hardware WebGPU before fetching anything, never changes thediff --git a/docs/zh-CN/providers-and-models.md b/docs/zh-CN/providers-and-models.mdindex c7908aa3a..a8852004d 100644--- a/docs/zh-CN/providers-and-models.md+++ b/docs/zh-CN/providers-and-models.md@@ -111,7 +111,7 @@ WebBrain 会直接记录;若服务省略用量,则记录基于字符数的### 本地提供商-在 Chromium 上,**WebGPU(浏览器内)** 是无端点的本地提供商。Settings 和末日模式选择器提供两个预设:**Compass Tiny v2.1**(默认,`q4f16`,约 1.87 GB,仅文本,32k 上下文)和 **Ternary Bonsai 2 2B Vision**(约 1.45 GB,支持图片,16k 上下文),走 Transformers.js / ONNX;Settings 还接受自定义 Hugging Face 仓库。其他 Bonsai 2 预设随扩展提供,但暂时不在选择器中显示。启用末日模式时会自动下载所选模型;缓存完成后,即使未启用末日模式也可正常使用。在显存受限的 GPU 上,可在 Settings → Providers 中调低上下文窗口。Firefox 不提供该卡片。+在 Chromium 上,**WebGPU(浏览器内)** 是无端点的本地提供商。提供商页面和末日模式选择器提供两个预设:**Compass Tiny v2.1**(默认,`q4f16`,约 1.87 GB,仅文本,32k 上下文)和 **Ternary Bonsai 2 2B Vision**(约 1.45 GB,支持图片,16k 上下文),走 Transformers.js / ONNX;Settings 还接受自定义 Hugging Face 仓库。其他 Bonsai 2 预设随扩展提供,但暂时不在选择器中显示。启用末日模式时会自动下载所选模型;缓存完成后,即使未启用末日模式也可正常使用。在显存受限的 GPU 上,可在 Settings → Providers 中调低上下文窗口。Firefox 不提供该卡片。浏览器内模型只回答问题。在侧边栏中,每个 Ask 回合只进行一次不带工具的调用:WebBrain 先读取当前页面、选中文本、PDF 标签页以及问题中链接的页面,再把这些文本和一个简短提示一起发送(tiny Ask,见 `docs/webgpu-models.md`)。该提供商不支持 Act 和 Dev 模式;如需在浏览器中执行操作,请选择其他提供商。@@ -284,7 +284,7 @@ await pm.testProvider('openai'); // 测试连接### 费用限额-设置界面暴露会话和总云端费用限额。智能体优先使用提供商报告的 `usage.cost`/`usage.cost_usd` 值(OpenRouter 直接报告此值)。对于仅返回令牌计数的直接云端提供商,WebBrain 根据提供商配置字段估算费用:+“设置 → 预算”提供会话和总云端费用限额。智能体优先使用提供商报告的 `usage.cost`/`usage.cost_usd` 值(OpenRouter 直接报告此值)。对于仅返回令牌计数的直接云端提供商,WebBrain 根据提供商配置字段估算费用:- `inputCostPerMillionUsd`- `cacheReadCostPerMillionUsd`diff --git a/firefox-companion/README.md b/firefox-companion/README.mdindex bb3d35f4c..a69092546 100644--- a/firefox-companion/README.md+++ b/firefox-companion/README.md@@ -14,7 +14,7 @@ Requires Node.js 22 or newer with the built-in WebSocket API, and a current FireUse a separate profile if desired. An already running Firefox process may ignore startup flags. Keep the debugging endpoint on loopback; it grants browser control to local clients.3. Load this branch's `src/firefox/manifest.json` from `about:debugging` → This Firefox → Load Temporary Add-on (or install a build containing these changes).-4. In WebBrain Settings → General → Advanced, enable **Firefox trusted automation**, keep the port at 9222 (or match your startup port), and select **Test connection**.+4. In WebBrain Settings → Advanced, enable **Firefox trusted automation**, keep the port at 9222 (or match your startup port), and select **Test connection**.5. Use `/screenshot --full-page` to capture a complete web page, or start a new Act or Dev task. Connection failures fail the task rather than silently falling back. Ask mode does not open an automation run. Tasks can start on blank/internal tabs; document binding is deferred until authorized navigation reaches a web page.The connection test checks the real BiDi session. It does not submit forms or send input. Disabling the setting or changing the port disconnects the helper; restart any active task afterward.diff --git a/src/chrome/ARCHITECTURE.md b/src/chrome/ARCHITECTURE.mdindex 6e4510675..725beec0a 100644--- a/src/chrome/ARCHITECTURE.md+++ b/src/chrome/ARCHITECTURE.md@@ -79,8 +79,12 @@ src/chrome/│ └── ui/│ ├── sidepanel.html│ ├── sidepanel.js # Chat UI, verbose mode, deep verbose-│ ├── settings.html-│ ├── settings.js # Provider + display settings+│ ├── settings.html # Settings: General, Budgets, Memory, Skills, CAPTCHA, Bridge, Advanced+│ ├── providers.html # Providers: LLM, Vision, Speech, Generative, Decision, SafeSocial+│ ├── permissions.html # Site permissions+│ ├── settings.css # Shared by the three settings pages+│ ├── settings-tabs.js # Tab bar, deep links and moved-tab redirects+│ ├── settings.js # One controller for all three settings pages│ ├── traces.html│ └── traces.js # Trace viewer / model comparison UI├── skills/ # Packaged default skills (removable after seeding)@@ -771,7 +775,7 @@ in-progress Markdown after older delta events have been acknowledged.## Trace Recorder (optional)-Off by default. Enabled via Settings → Display → "Record traces". When on, every agent run writes to an IndexedDB database (`webbrain-traces`):+Off by default. Enabled via Settings → Advanced → "Record traces", which records each run with its full request details (`tracingEnabled` and `losslessTrace` together). When on, every agent run writes to an IndexedDB database (`webbrain-traces`):- `runs` store: one row per user message — model, provider, token totals, timestamps.- `events` store: one row per LLM request/response, tool call, screenshot. LLM requests retain content-free prompt provenance (controlled variant, counts, declared prompt/tool policy revisions, and runtime-mode alignment), not fingerprints or raw system prompts, message text, tool schemas, or tool names. Policy revisions are bumped when controlled prompt templates or tool-exposure rules change; private request content does not affect them. Rows are indexed by `(runId, seq)`.@@ -785,19 +789,21 @@ advertise mutation availability and route still-missing required inputs through----## Display Settings+## Settings Pages-`Settings → Display` toggles (stored in `chrome.storage.local`):+Settings (`ui/settings.html`) has General, Budgets, Memory, Skills, CAPTCHA, Bridge and Advanced tabs. The chat provider and the assistive models live on `ui/providers.html` (LLM, Vision, Speech, Generative, Decision and SafeSocial tabs), and site permissions on `ui/permissions.html`. One controller, `ui/settings.js`, serves all three pages; each section wires itself only when its markup is on the page. Old `settings.html#providers`, `#multimodal` and `#permissions` links redirect to the new pages.-| Setting | Effect |-|---|---|-| Verbose mode | Shows full tool args + JSON results in chat instead of compact labels. |-| Screenshot fallback | Capture a screenshot when DOM read fails or returns insufficient content. |-| Site adapters | Inject per-site guidance and expose validated app-owned workflow jobs to the planner (default on). |-| Auto-screenshot | `off` / `navigation` / `state_change` (default) / `every_step`. |-| Record traces | Enable the trace recorder (see above). |-| Completion sound | Play a chime in the side panel when the agent finishes. |-| Max Agent Steps | 5–195 finite steps or unlimited, default 130. |+Selected toggles (stored in `chrome.storage.local`):++| Setting | Tab | Effect |+|---|---|---|+| Verbose mode | Advanced | Shows full tool args + JSON results in chat instead of compact labels. |+| Screenshot fallback | Advanced | Capture a screenshot when DOM read fails or returns insufficient content. |+| Site adapters | Advanced | Inject per-site guidance and expose validated app-owned workflow jobs to the planner (default on). |+| Auto-screenshot | General | `off` / `navigation` (default) / `state_change` / `every_step`. |+| Record traces | Advanced | Enable the trace recorder with full request details (see above). |+| Completion sound | Advanced | Play a chime in the side panel when the agent finishes. |+| Max Agent Steps | Budgets | 5–195 finite steps or unlimited, default 130. |---diff --git a/src/chrome/vendor/transformers/README.md b/src/chrome/vendor/transformers/README.mdindex 37f1ec2ab..d69e821b8 100644--- a/src/chrome/vendor/transformers/README.md+++ b/src/chrome/vendor/transformers/README.md@@ -10,7 +10,7 @@ WebGPU paths in Chrome and by offline RAG's CPU/WASM semantic reranker:LFM2.5 and Nanbeige exports. An opt-in Bonsai 27B preset uses a separatevendored bitgpu worker, not this Transformers.js runtime; see`src/chrome/vendor/bitgpu/README.webbrain.md`.-- **Settings -> Multimodal -> Vision -> LFM2.5-VL local fallback** runs+- **Providers -> Vision -> LFM2.5-VL local fallback** runs`LiquidAI/LFM2.5-VL-450M-ONNX` as the dedicated screenshot sidecar.- **Apocalypse Mode -> Offline RAG** runs the explicitly downloaded, pinned`Xenova/multilingual-e5-small` q8 model in a separate CPU/WASM worker. Modeldiff --git a/src/firefox/ARCHITECTURE.md b/src/firefox/ARCHITECTURE.mdindex 4a0d03c57..e3ba0fe1f 100644--- a/src/firefox/ARCHITECTURE.md+++ b/src/firefox/ARCHITECTURE.md@@ -96,8 +96,11 @@ src/firefox/│ └── ui/│ ├── sidepanel.html│ ├── sidepanel.js # Chat UI, verbose mode, deep verbose-│ ├── settings.html-│ ├── settings.js+│ ├── settings.html # Settings: General, Budgets, Memory, Skills, CAPTCHA, Bridge, Advanced+│ ├── providers.html # Providers: LLM, Vision, Speech, Generative, Decision, SafeSocial+│ ├── permissions.html # Site permissions+│ ├── settings.css # Shared by the three settings pages+│ ├── settings.js # One controller for all three settings pages│ ├── traces.html│ └── traces.js├── skills/ # Packaged default skills (removable after seeding)diff --git a/test/fixtures/screenshot-redaction-manual.html b/test/fixtures/screenshot-redaction-manual.htmlindex 05a257376..51228d030 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 → Assistive Models → Vision → Screenshot redaction</strong> in the+ <strong>Settings → Advanced → Screenshot redaction</strong> in theextension, then run <code>/screenshot</code> (or ask the agent to take ascreenshot / 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.mdindex 914996c00..5166185a7 100644--- a/test/jev/README.md+++ b/test/jev/README.md@@ -49,7 +49,7 @@ not exported, and the first such response disables Jev for the rest of that run.## Settings and documentation checks-Configure Jev under **Settings → Assistive Models → Jev (TypeSafe)**, after+Configure Jev under **Providers → Decision → Jev (TypeSafe)**, afterVision and Speech to text. The two speed switches are independent of scheduledverification and remain off by default.diff --git a/test/manual-permissions.md b/test/manual-permissions.mdindex 581c33115..2b7f54fa2 100644--- a/test/manual-permissions.md+++ b/test/manual-permissions.md@@ -1,7 +1,7 @@# Manual test: capability × origin permission gate + Settings UIThese two paths can't be covered by `test/run.js` (they need a live browser —-the 3-option permission card and the Settings → Permissions tab are DOM/storage+the 3-option permission card and the Permissions page are DOM/storageglue). Run this checklist after loading the unpacked extension before mergingchanges to the permission gate or its UI.@@ -15,7 +15,7 @@ Settings page console):- **Inspect grants:** `await browser.storage.local.get('wb_permissions')`(Firefox) / `chrome.storage.local.get('wb_permissions')` (Chrome).- **Reset grants:** `browser.storage.local.remove('wb_permissions')`, or- Settings → Permissions → Clear all.+ Permissions page → Clear all.---@@ -95,12 +95,12 @@ Confirms a grant is scoped to exactly one capability+host, not a blanket pass.## Test 4 — Persistence across reload1. Grant an "Always allow."2. Reload the extension (or restart the browser).-3. Agent acts on that host → **no prompt**; Settings → Permissions still lists it.+3. Agent acts on that host → **no prompt**; the Permissions page still lists it.---## Test 5 — Master switch ("Ask before consequential actions")-The toggle is at the **top** of Settings → Permissions, **on by default**.+The toggle is at the **top** of the Permissions page, **on by default**.1. **On (default):** with the toggle on, trigger a gated action → the permissioncard appears (as in Test 1). The warning box is hidden.@@ -123,7 +123,7 @@ The toggle is at the **top** of Settings → Permissions, **on by default**.non-English locales (1a.4).- Allow-once and Always **proceed**; Don't-allow **blocks** (1b–1d).- Grants are per-capability+host (Test 2).-- Permissions tab lists/revokes/clears correctly; a revoke causes an immediate+- The Permissions page lists/revokes/clears correctly; a revoke causes an immediatere-prompt (Test 3).- Grants persist across reload (Test 4).diff --git a/test/manual-screenshot-redaction.md b/test/manual-screenshot-redaction.mdindex ca6c01596..32892c6b3 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 to2. Load the unpacked extension (Chrome: `chrome://extensions` → Developermode → Load unpacked → `src/chrome`. Firefox: `about:debugging` → ThisFirefox → Load Temporary Add-on → `src/firefox/manifest.json`).-3. Settings → **Assistive Models → Vision** → turn **Screenshot redaction** on.+3. Settings → **Advanced** → turn **Screenshot redaction** on.## Test 1 — Redaction on, take a screenshotdiff --git a/web/ar/index.html b/web/ar/index.htmlindex 69893bf0d..a926d49e5 100644--- a/web/ar/index.html+++ b/web/ar/index.html@@ -289,7 +289,7 @@"name": "كيف يعمل تعبئة الملف الشخصي تلقائيًا، وهل هي آمنة؟","acceptedAnswer": {"@type": "Answer",- "text": "تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في الإعدادات ← الملف الشخصي. تُدخل نبذة قصيرة — الاسم، البريد المهني، الشركة، وكلمة مرور للاستعمال لمرّة واحدة للتسجيلات منخفضة المخاطر — وتفعّلها. عند التفعيل، يُلحق WebBrain هذا النص بـ prompt النظام للوكيل ليملأ نماذج التسجيل دون السؤال في كل مرة. يُخزَّن النص بصيغة نصية واضحة في التخزين المحلي للمتصفح. لا يُرسَل إلى مشروع WebBrain، لكنه يُرسَل إلى مزوّد LLM الذي ضبطته على كل دور كجزء من prompt النظام. مُعطّل افتراضيًا. لا تضع كلمات مرور حسابات مهمة 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."+ "text": "تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في الإعدادات ← الذاكرة. تُدخل نبذة قصيرة — الاسم، البريد المهني، الشركة، وكلمة مرور للاستعمال لمرّة واحدة للتسجيلات منخفضة المخاطر — وتفعّلها. عند التفعيل، يُلحق WebBrain هذا النص بـ prompt النظام للوكيل ليملأ نماذج التسجيل دون السؤال في كل مرة. يُخزَّن النص بصيغة نصية واضحة في التخزين المحلي للمتصفح. لا يُرسَل إلى مشروع WebBrain، لكنه يُرسَل إلى مزوّد LLM الذي ضبطته على كل دور كجزء من prompt النظام. مُعطّل افتراضيًا. لا تضع كلمات مرور حسابات مهمة 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."}},{@@ -297,7 +297,7 @@"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 ← 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)."+ "text": "لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (الإعدادات ← متقدم ← 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 المزوّدون ← الرؤية (راجع \"كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟\" أعلاه)."}},{@@ -337,7 +337,7 @@"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 ← النماذج المساعدة ← 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 المزوّدون ← الرؤية. النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر."}},{diff --git a/web/bn/index.html b/web/bn/index.htmlindex b076f80d9..85e193714 100644--- a/web/bn/index.html+++ b/web/bn/index.html@@ -289,7 +289,7 @@"name": "প্রোফাইল স্বয়ংক্রিয়ভাবে পূরণ কিভাবে কাজ করে, এবং এটি নিরাপদ?","acceptedAnswer": {"@type": "Answer",- "text": "প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য সেটিংস → প্রোফাইল. আপনি একটি সংক্ষিপ্ত জীবনী লিখুন — নাম, কাজের ইমেল, কোম্পানি, এবং ক নিক্ষেপ 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 টেক্সট সংরক্ষণ করা হয় প্লেইনটেক্সট আপনার ব্রাউজারের স্থানীয় স্টোরেজে। এটা না WebBrain প্রকল্পে প্রেরণ করা হয়েছে, কিন্তু এটি হয় সিস্টেম প্রম্পটের অংশ হিসাবে প্রতিটি মোড়ে আপনি যে LLM প্রদানকারীকে কনফিগার করেছেন তার কাছে পাঠানো হয়েছে। ডিফল্টরূপে বন্ধ। গুরুত্বপূর্ণ অ্যাকাউন্টের জন্য পাসওয়ার্ড রাখবেন না (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"+ "text": "প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য সেটিংস → স্মৃতি. আপনি একটি সংক্ষিপ্ত জীবনী লিখুন — নাম, কাজের ইমেল, কোম্পানি, এবং ক নিক্ষেপ 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 টেক্সট সংরক্ষণ করা হয় প্লেইনটেক্সট আপনার ব্রাউজারের স্থানীয় স্টোরেজে। এটা না WebBrain প্রকল্পে প্রেরণ করা হয়েছে, কিন্তু এটি হয় সিস্টেম প্রম্পটের অংশ হিসাবে প্রতিটি মোড়ে আপনি যে LLM প্রদানকারীকে কনফিগার করেছেন তার কাছে পাঠানো হয়েছে। ডিফল্টরূপে বন্ধ। গুরুত্বপূর্ণ অ্যাকাউন্টের জন্য পাসওয়ার্ড রাখবেন না (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"}},{@@ -297,7 +297,7 @@"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 → 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?\""+ "text": "না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (সেটিংস → উন্নত → 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 প্রদানকারী → দৃষ্টি (উপরে দেখুন \"কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?\""}},{@@ -337,7 +337,7 @@"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 → সহায়ক মডেল → 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 প্রদানকারী → দৃষ্টি. নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।"}},{diff --git a/web/build/locales/ar.json b/web/build/locales/ar.jsonindex 7547f6005..b059bca68 100644--- a/web/build/locales/ar.json+++ b/web/build/locales/ar.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "هل يمكنني التبديل إلى علامة تبويب أخرى بينما يعمل WebBrain على صفحة؟","faq.tab_switch_during_run.a_html": "<p>نعم. اعتبارًا من الإصدار <strong>27.0.0</strong>، يتجنب WebBrain الاستحواذ على التركيز في المتصفحات المبنية على Chromium وفي Firefox، ما لم يكن الوصول إلى الواجهة الأمامية ضروريًا تمامًا. يظل التشغيل مرتبطًا بعلامة التبويب التي بدأ فيها، لذا يمكنك العمل بأمان في علامة تبويب أخرى.</p><p>إذا احتاجت خطوة نادرة إلى إظهار علامة التبويب الأصلية في الواجهة الأمامية، فقد ينقل WebBrain التركيز إليها لفترة وجيزة. تجنب النقر أو الكتابة في علامة التبويب نفسها بينما ينفذ WebBrain إجراءات فيها.</p>","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.profile.a_html": "<p>تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في <strong>الإعدادات ← الذاكرة</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 ← 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: <em>نص</em> 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.screenshot_redaction.a_html": "<p>لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (<strong>الإعدادات ← متقدم ← 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: <em>نص</em> 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>المزوّدون ← 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؟",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "لماذا يُوزَّع WebBrain 33.0.0 والإصدارات الأحدث بموجب رخصة GPL؟","faq.offline_licensing.a_html": "<p>يُوزَّع WebBrain 33.0.0 والإصدارات الأحدث بموجب GPL-3.0-or-later لأن إضافة المتصفح تحزم وتدمج بيئة تشغيل WebAssembly الخاصة بـ Xapian/libzim المرخصة بموجب GPL للبحث النصي الكامل في أرشيفات ZIM الخاصة بويكيبيديا.</p><p>تتضمن حزم الإضافة إشعارات GPL المعمول بها، ويُنشر المصدر الكامل المقابل لبيئة التشغيل المدمجة مع كل إصدار. وتبقى الإصدارات السابقة لـ 33.0.0 بترخيص MIT، بينما تحتفظ المشاريع الفرعية المنشورة بشكل مستقل ومكونات الطرف الثالث بتراخيصها المعلنة. انظر <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">سجل قرار الترخيص</a> للتفاصيل.</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 ← 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.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>المزوّدون ← 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.jsonindex 46e7552a7..f850c0644 100644--- a/web/build/locales/bn.json+++ b/web/build/locales/bn.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "WebBrain একটি পৃষ্ঠায় কাজ করার সময় আমি কি অন্য ট্যাবে স্যুইচ করতে পারি?","faq.tab_switch_during_run.a_html": "<p>হ্যাঁ। <strong>27.0.0</strong> সংস্করণ থেকে, সামনের ট্যাবে প্রবেশ একান্ত প্রয়োজন না হলে WebBrain Chromium-ভিত্তিক ব্রাউজার ও Firefox—কোনোটিতেই ফোকাস কেড়ে নেয় না। রানটি যে ট্যাবে শুরু হয়েছিল তার সঙ্গেই যুক্ত থাকে, তাই আপনি নিরাপদে অন্য ট্যাবে কাজ করতে পারেন।</p><p>কোনো বিরল ধাপে মূল ট্যাবটি সামনে আনার প্রয়োজন হলে WebBrain অল্প সময়ের জন্য সেটিতে ফোকাস করতে পারে। WebBrain একই ট্যাবে সক্রিয়ভাবে কাজ করার সময় সেখানে ক্লিক বা টাইপ করা এড়িয়ে চলুন।</p>","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.profile.a_html": "<p>প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য <strong>সেটিংস → স্মৃতি</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 → 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.screenshot_redaction.a_html": "<p>না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (<strong>সেটিংস → উন্নত → 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>প্রদানকারী → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "WebBrain 33.0.0 ও পরবর্তী সংস্করণ GPL-লাইসেন্সপ্রাপ্ত কেন?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 ও পরবর্তী সংস্করণ GPL-3.0-or-later-এর অধীনে বিতরণ করা হয় কারণ ব্রাউজার এক্সটেনশনটি উইকিপিডিয়া ZIM পূর্ণ-পাঠ অনুসন্ধানের জন্য GPL-লাইসেন্সপ্রাপ্ত Xapian/libzim WebAssembly রানটাইম বান্ডিল ও সংহত করে।</p><p>এক্সটেনশন প্যাকেজগুলোতে প্রযোজ্য GPL বিজ্ঞপ্তি অন্তর্ভুক্ত থাকে, এবং বান্ডিলকৃত রানটাইমের সম্পূর্ণ সংশ্লিষ্ট উৎস প্রতিটি রিলিজের সাথে প্রকাশিত হয়। 33.0.0-এর আগের রিলিজগুলো MIT-লাইসেন্সপ্রাপ্তই থাকে, আর স্বাধীনভাবে প্রকাশিত সাবপ্রজেক্ট ও তৃতীয় পক্ষের উপাদানগুলো তাদের ঘোষিত লাইসেন্স বজায় রাখে। বিস্তারিত জানতে <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">লাইসেন্সিং সিদ্ধান্ত রেকর্ড</a> দেখুন।</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 → 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.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>প্রদানকারী → 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.jsonindex 7e6163458..e70fa5ee7 100644--- a/web/build/locales/de.json+++ b/web/build/locales/de.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Kann ich zu einem anderen Tab wechseln, während WebBrain an einer Seite arbeitet?","faq.tab_switch_during_run.a_html": "<p>Ja. Seit Version <strong>27.0.0</strong> vermeidet WebBrain es, sowohl in Chromium-basierten Browsern als auch in Firefox den Fokus zu übernehmen, sofern der Zugriff im Vordergrund nicht unbedingt erforderlich ist. Die Ausführung bleibt an den Tab gebunden, in dem sie gestartet wurde, sodass Sie sicher in einem anderen Tab arbeiten können.</p><p>Wenn ein seltener Schritt den ursprünglichen Tab im Vordergrund benötigt, kann WebBrain ihn kurz fokussieren. Klicken oder tippen Sie nicht im selben Tab, während WebBrain dort aktiv Aktionen ausführt.</p>","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.profile.a_html": "<p>Die Profil-Autoausfüllung ist eine optionale Funktion unter <strong>Einstellungen → Memorie</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 → 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.screenshot_redaction.a_html": "<p>Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (<strong>Einstellungen → Erweitert → 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>Anbieter → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Warum ist WebBrain 33.0.0 und neuer GPL-lizenziert?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 und neuer wird unter GPL-3.0-or-later vertrieben, weil die Erweiterung die GPL-lizenzierte Xapian/libzim-WebAssembly-Laufzeitumgebung für die Volltextsuche in Wikipedia-ZIM-Archiven bündelt und integriert.</p><p>Die Erweiterungspakete enthalten die geltenden GPL-Hinweise, und der vollständige zugehörige Quellcode der gebündelten Laufzeitumgebung wird mit jeder Version veröffentlicht. Versionen vor 33.0.0 bleiben MIT-lizenziert; unabhängig veröffentlichte Unterprojekte und Drittanbieter-Komponenten behalten ihre angegebenen Lizenzen. Details finden Sie im <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">Lizenzentscheidungsprotokoll</a>.</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 → 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.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>Anbieter → 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.jsonindex 813c93272..5628b6333 100644--- a/web/build/locales/en.json+++ b/web/build/locales/en.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Can I switch tabs while WebBrain is working?","faq.tab_switch_during_run.a_html": "<p>Yes. As of <strong>27.0.0</strong>, WebBrain avoids stealing focus in both Chromium-based browsers and Firefox unless foreground access is strictly necessary. The run stays attached to the tab where it started, so you can safely work in another tab.</p><p>If a rare step needs the original tab in front, WebBrain may briefly focus it. Avoid clicking or typing in the same tab while WebBrain is actively acting on it.</p>","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.profile.a_html": "<p>Profile auto-fill is an optional feature in <strong>Settings → Memory</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 → 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.screenshot_redaction.a_html": "<p>No — it reduces exposure, it is not a guarantee. When enabled (<strong>Settings → Advanced → 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>Providers → 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?",@@ -323,7 +323,7 @@"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 → 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.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>Providers → 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.jsonindex 40114f917..2981b23ab 100644--- a/web/build/locales/es.json+++ b/web/build/locales/es.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "¿Puedo cambiar a otra pestaña mientras WebBrain trabaja en una página?","faq.tab_switch_during_run.a_html": "<p>Sí. Desde la versión <strong>27.0.0</strong>, WebBrain evita quitarte el foco tanto en navegadores basados en Chromium como en Firefox, salvo que el acceso en primer plano sea estrictamente necesario. La ejecución permanece vinculada a la pestaña donde comenzó, por lo que puedes trabajar con seguridad en otra pestaña.</p><p>Si algún paso poco frecuente necesita que la pestaña original esté en primer plano, WebBrain puede enfocarla brevemente. Evita hacer clic o escribir en la misma pestaña mientras WebBrain actúa activamente en ella.</p>","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.profile.a_html": "<p>El autocompletado de perfil es una función opcional en <strong>Ajustes → Memoria</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 → 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.screenshot_redaction.a_html": "<p>No — reduce la exposición, no es una garantía. Cuando está activada (<strong>Ajustes → Avanzado → 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>Proveedores → 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)?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "¿Por qué WebBrain 33.0.0 y versiones posteriores tienen licencia GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 y versiones posteriores se distribuye bajo GPL-3.0-or-later porque la extensión integra el runtime WebAssembly Xapian/libzim con licencia GPL para la búsqueda de texto completo en archivos ZIM de Wikipedia.</p><p>Los paquetes de la extensión incluyen los avisos GPL correspondientes, y el código fuente completo del runtime integrado se publica junto con cada versión. Las versiones anteriores a 33.0.0 siguen bajo licencia MIT, y los subproyectos publicados de forma independiente y los componentes de terceros conservan sus licencias declaradas. Consulta el <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">registro de decisión de licencia</a> para más detalles.</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 → 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.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>Proveedores → 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.jsonindex a7acbf997..f4a51c00c 100644--- a/web/build/locales/fa.json+++ b/web/build/locales/fa.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "آیا میتوانم زمانی که WebBrain روی یک صفحه کار میکند، به برگه دیگری بروم؟","faq.tab_switch_during_run.a_html": "<p>بله. از نسخه <strong>27.0.0</strong> به بعد، WebBrain در مرورگرهای مبتنی بر Chromium و Firefox فوکوس را نمیگیرد، مگر اینکه دسترسی در پیشزمینه کاملاً ضروری باشد. اجرا به همان برگهای که در آن آغاز شده متصل میماند، بنابراین میتوانید با خیال راحت در برگه دیگری کار کنید.</p><p>اگر مرحلهای نادر به نمایش برگه اصلی در پیشزمینه نیاز داشته باشد، WebBrain ممکن است برای مدت کوتاهی آن برگه را در فوکوس قرار دهد. وقتی WebBrain بهطور فعال در همان برگه کار میکند، از کلیک یا تایپ کردن در آن خودداری کنید.</p>","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.profile.a_html": "<p>تکمیل خودکار نمایه یک ویژگی اختیاری است <strong>تنظیمات → حافظه</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 → 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.screenshot_redaction.a_html": "<p>نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (<strong>تنظیمات → پیشرفته → 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>ارائه دهندگان → 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؟",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "چرا WebBrain 33.0.0 و نسخههای بعدی تحت مجوز GPL منتشر میشوند؟","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 و نسخههای بعدی تحت GPL-3.0-or-later توزیع میشوند، چون افزونهٔ مرورگر، زماناجرای WebAssembly مربوط به Xapian/libzim دارای مجوز GPL را برای جستوجوی تماممتن ZIM ویکیپدیا بستهبندی و یکپارچه میکند.</p><p>بستههای افزونه شامل اعلانهای GPL مربوطاند و منبع کامل متناظرِ زماناجرای بستهبندیشده همراه هر انتشار منتشر میشود. انتشارهای پیش از 33.0.0 همچنان دارای مجوز MIT میمانند و زیرپروژههای مستقلمنتشرشده و مؤلفههای شخص ثالث مجوزهای اعلامشدهٔ خود را حفظ میکنند. برای جزئیات، <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">سند تصمیم مجوزدهی</a> را ببینید.</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 → 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.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>ارائه دهندگان → 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.jsonindex f67d1cad8..e63eba3a2 100644--- a/web/build/locales/fr.json+++ b/web/build/locales/fr.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Puis-je changer d'onglet pendant que WebBrain travaille sur une page ?","faq.tab_switch_during_run.a_html": "<p>Oui. Depuis la version <strong>27.0.0</strong>, WebBrain évite de prendre le focus dans les navigateurs basés sur Chromium comme dans Firefox, sauf si un accès au premier plan est strictement nécessaire. L'exécution reste liée à l'onglet où elle a commencé, vous pouvez donc travailler sans risque dans un autre onglet.</p><p>Si une étape rare exige que l'onglet d'origine soit au premier plan, WebBrain peut lui donner brièvement le focus. Évitez de cliquer ou de saisir du texte dans ce même onglet pendant que WebBrain y effectue activement des actions.</p>","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.profile.a_html": "<p>L'auto-remplissage de profil est une fonctionnalité optionnelle dans <strong>Paramètres → Mémoire</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 → 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.screenshot_redaction.a_html": "<p>Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (<strong>Paramètres → Avancé → 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>Fournisseurs → 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 ?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Pourquoi WebBrain 33.0.0 et versions ultérieures sont-ils sous licence GPL ?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 et versions ultérieures est distribué sous GPL-3.0-or-later car l'extension intègre le runtime WebAssembly Xapian/libzim sous licence GPL pour la recherche plein texte dans les archives ZIM de Wikipédia.</p><p>Les paquets de l'extension incluent les mentions GPL applicables, et le code source complet correspondant du runtime intégré est publié avec chaque version. Les versions antérieures à 33.0.0 restent sous licence MIT, et les sous-projets publiés indépendamment ainsi que les composants tiers conservent leurs licences déclarées. Voir le <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">document de décision de licence</a> pour plus de détails.</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 → 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.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>Fournisseurs → 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.jsonindex f3b947eb0..604805236 100644--- a/web/build/locales/he.json+++ b/web/build/locales/he.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "האם אפשר לעבור לכרטיסייה אחרת בזמן ש-WebBrain עובד על דף?","faq.tab_switch_during_run.a_html": "<p>כן. החל מגרסה <strong>27.0.0</strong>, WebBrain נמנע מלקחת את המיקוד גם בדפדפנים מבוססי Chromium וגם ב-Firefox, אלא אם גישה לחזית הכרחית לחלוטין. ההפעלה נשארת מקושרת לכרטיסייה שבה התחילה, ולכן אפשר לעבוד בבטחה בכרטיסייה אחרת.</p><p>אם שלב נדיר מחייב שהכרטיסייה המקורית תהיה בחזית, WebBrain עשוי להעביר אליה את המיקוד לזמן קצר. יש להימנע מלחיצה או הקלדה באותה כרטיסייה בזמן ש-WebBrain מבצע בה פעולות באופן פעיל.</p>","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.profile.a_html": "<p>מילוי פרופיל אוטומטי הוא תכונה אופציונלית ב<strong>הגדרות ← זיכרון</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 ← 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.screenshot_redaction.a_html": "<p>לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (<strong>הגדרות ← מִתקַדֵם ← 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>ספקים ← 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": "<p><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 אותו הסיפור.</p>","faq.multilingual.q": "האם WebBrain תומך במצב dry-run?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "מדוע WebBrain 33.0.0 ואילך מופץ ברישיון GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 ואילך מופץ תחת GPL-3.0-or-later משום שהרחבת הדפדפן מאגדת ומשלבת את סביבת ההרצה WebAssembly של Xapian/libzim ברישיון GPL לחיפוש טקסט מלא בארכיוני ZIM של ויקיפדיה.</p><p>חבילות ההרחבה כוללות את הודעות ה-GPL החלות, וקוד המקור המלא התואם של סביבת ההרצה המאוגדת מתפרסם לצד כל גרסה. גרסאות לפני 33.0.0 נשארות ברישיון MIT, ותת-פרויקטים המתפרסמים בנפרד ורכיבי צד שלישי שומרים על הרישיונות המוצהרים שלהם. ראו את <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">תיעוד החלטת הרישוי</a> לפרטים.</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 ← 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.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>ספקים ← 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.jsonindex 2eee4032a..94ee7fa95 100644--- a/web/build/locales/hi.json+++ b/web/build/locales/hi.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "जब WebBrain एक पेज पर काम कर रहा हो तो क्या मैं दूसरे टैब पर स्विच कर सकता हूँ?","faq.tab_switch_during_run.a_html": "<p>हाँ। संस्करण <strong>27.0.0</strong> से WebBrain Chromium-आधारित ब्राउज़र और Firefox दोनों में फ़ोकस नहीं छीनता, जब तक कि सामने मौजूद टैब तक पहुँचना बिल्कुल आवश्यक न हो। रन उस टैब से जुड़ा रहता है जहाँ वह शुरू हुआ था, इसलिए आप किसी दूसरे टैब में सुरक्षित रूप से काम कर सकते हैं।</p><p>यदि किसी दुर्लभ चरण के लिए मूल टैब को सामने लाना ज़रूरी हो, तो WebBrain थोड़ी देर के लिए उस पर फ़ोकस कर सकता है। जब WebBrain उसी टैब में सक्रिय रूप से काम कर रहा हो, तब वहाँ क्लिक या टाइप करने से बचें।</p>","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.profile.a_html": "<p>प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है <strong>सेटिंग्स → स्मृति</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 → 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.screenshot_redaction.a_html": "<p>नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (<strong>सेटिंग्स → उन्नत → 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>प्रदाता → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "WebBrain 33.0.0 और उसके बाद के संस्करण GPL-लाइसेंस प्राप्त क्यों हैं?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 और उसके बाद के संस्करण GPL-3.0-or-later के तहत वितरित किए जाते हैं क्योंकि ब्राउज़र एक्सटेंशन विकिपीडिया ZIM पूर्ण-पाठ खोज हेतु GPL-लाइसेंस प्राप्त Xapian/libzim WebAssembly रनटाइम को बंडल और एकीकृत करता है।</p><p>एक्सटेंशन पैकेजों में लागू GPL सूचनाएं शामिल हैं, और बंडल किए गए रनटाइम का पूर्ण संगत स्रोत प्रत्येक रिलीज़ के साथ प्रकाशित होता है। 33.0.0 से पहले के रिलीज़ MIT-लाइसेंस प्राप्त रहते हैं, और स्वतंत्र रूप से प्रकाशित सबप्रोजेक्ट व तृतीय-पक्ष घटक अपने घोषित लाइसेंस बनाए रखते हैं। विवरण हेतु <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">लाइसेंसिंग निर्णय रिकॉर्ड</a> देखें।</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 → 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.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>प्रदाता → 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.jsonindex 33e3814a5..7d210ad86 100644--- a/web/build/locales/id.json+++ b/web/build/locales/id.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Bisakah saya beralih ke tab lain saat WebBrain sedang bekerja pada sebuah halaman?","faq.tab_switch_during_run.a_html": "<p>Ya. Sejak versi <strong>27.0.0</strong>, WebBrain tidak mengambil alih fokus di peramban berbasis Chromium maupun Firefox kecuali akses latar depan benar-benar diperlukan. Proses tetap terikat pada tab tempat proses dimulai, sehingga Anda dapat bekerja dengan aman di tab lain.</p><p>Jika suatu langkah yang jarang terjadi membutuhkan tab asli berada di latar depan, WebBrain mungkin memfokuskan tab tersebut sebentar. Hindari mengeklik atau mengetik di tab yang sama saat WebBrain sedang aktif bertindak di sana.</p>","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.profile.a_html": "<p>Isi-otomatis profil adalah fitur opsional di <strong>Pengaturan → Memori</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 → 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.screenshot_redaction.a_html": "<p>Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (<strong>Pengaturan → Lanjutan → 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>Penyedia → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Mengapa WebBrain 33.0.0 dan versi lebih baru berlisensi GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 dan versi lebih baru didistribusikan di bawah GPL-3.0-or-later karena ekstensi browser memaketkan dan mengintegrasikan runtime WebAssembly Xapian/libzim berlisensi GPL untuk pencarian teks penuh arsip ZIM Wikipedia.</p><p>Paket ekstensi menyertakan pemberitahuan GPL yang berlaku, dan sumber lengkap runtime yang dipaketkan dipublikasikan bersama setiap rilis. Rilis sebelum 33.0.0 tetap berlisensi MIT, dan subproyek yang diterbitkan independen serta komponen pihak ketiga mempertahankan lisensi masing-masing. Lihat <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">catatan keputusan lisensi</a> untuk detailnya.</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 → 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.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>Penyedia → 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.jsonindex c1b702139..a10654ef1 100644--- a/web/build/locales/ja.json+++ b/web/build/locales/ja.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "WebBrain がページで作業中、別のタブに切り替えても大丈夫ですか?","faq.tab_switch_during_run.a_html": "<p>はい。<strong>27.0.0</strong> 以降、WebBrain は前面アクセスがどうしても必要な場合を除き、Chromium 系ブラウザーでも Firefox でもフォーカスを奪いません。実行は開始したタブに紐づいたままなので、別のタブで安全に作業できます。</p><p>ごくまれに元のタブを前面に出す必要があるステップでは、WebBrain がそのタブに一時的にフォーカスすることがあります。WebBrain が操作中の同じタブでクリックや入力をするのは避けてください。</p>","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.profile.a_html": "<p>プロフィール自動入力は <strong>設定 → メモリ</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 → 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<em>テキスト</em>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.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 → 詳細設定 → 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<em>テキスト</em>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>プロバイダー → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "WebBrain 33.0.0 以降が GPL ライセンスなのはなぜですか?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 以降は GPL-3.0-or-later で配布されています。これは、Wikipedia ZIM の全文検索のために GPL ライセンスの Xapian/libzim WebAssembly ランタイムを拡張機能にバンドル・統合しているためです。</p><p>拡張機能パッケージには適用される GPL 通知が含まれ、バンドルされたランタイムの完全な対応ソースが各リリースとともに公開されます。33.0.0 より前のリリースは MIT ライセンスのままで、独立に公開されたサブプロジェクトやサードパーティ製コンポーネントはそれぞれ明示されたライセンスを保持します。詳細は<a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">ライセンス決定記録</a>をご覧ください。</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 → 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.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>プロバイダー → 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.jsonindex 6456b4872..3156afdea 100644--- a/web/build/locales/ko.json+++ b/web/build/locales/ko.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "WebBrain이 한 페이지에서 작업하는 동안 다른 탭으로 전환할 수 있나요?","faq.tab_switch_during_run.a_html": "<p>예. <strong>27.0.0</strong>부터 WebBrain은 전면 접근이 반드시 필요한 경우를 제외하고 Chromium 기반 브라우저와 Firefox 모두에서 포커스를 빼앗지 않습니다. 실행은 시작된 탭에 계속 연결되어 있으므로 다른 탭에서 안전하게 작업할 수 있습니다.</p><p>드물게 원래 탭을 전면에 표시해야 하는 단계에서는 WebBrain이 잠시 그 탭에 포커스를 줄 수 있습니다. WebBrain이 작업 중인 같은 탭에서는 클릭하거나 입력하지 마세요.</p>","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.profile.a_html": "<p>프로필 자동 입력은 <strong>설정 → 메모리</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 → 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.screenshot_redaction.a_html": "<p>아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(<strong>설정 → 고급 → 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>제공자 → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "WebBrain 33.0.0 이상이 GPL 라이선스인 이유는 무엇인가요?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 이상은 Wikipedia ZIM 전문 검색을 위해 GPL 라이선스의 Xapian/libzim WebAssembly 런타임을 브라우저 확장 프로그램에 묶어 통합하므로 GPL-3.0-or-later로 배포됩니다.</p><p>확장 프로그램 패키지에는 해당 GPL 고지가 포함되며, 묶인 런타임의 완전한 대응 소스가 각 릴리스와 함께 게시됩니다. 33.0.0 이전 릴리스는 MIT 라이선스를 유지하며, 독립적으로 게시된 하위 프로젝트와 타사 구성 요소는 명시된 라이선스를 유지합니다. 자세한 내용은 <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">라이선스 결정 기록</a>을 참조하세요.</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 → 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.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>제공자 → 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.jsonindex 49027d0c2..c43fa6acf 100644--- a/web/build/locales/ms.json+++ b/web/build/locales/ms.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Bolehkah saya bertukar ke tab lain semasa WebBrain sedang bekerja pada halaman?","faq.tab_switch_during_run.a_html": "<p>Boleh. Sejak versi <strong>27.0.0</strong>, WebBrain mengelak daripada merampas fokus dalam pelayar berasaskan Chromium dan Firefox kecuali akses latar depan benar-benar diperlukan. Proses kekal terikat pada tab tempat ia bermula, jadi anda boleh bekerja dengan selamat dalam tab lain.</p><p>Jika langkah yang jarang berlaku memerlukan tab asal berada di latar depan, WebBrain mungkin memfokuskannya sebentar. Elakkan mengklik atau menaip dalam tab yang sama ketika WebBrain sedang aktif bertindak di situ.</p>","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.profile.a_html": "<p>Auto-isi profil ialah ciri pilihan dalam <strong>Tetapan → Memori</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 → 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: <em>teks</em> 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.screenshot_redaction.a_html": "<p>Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (<strong>Tetapan → Lanjutan → 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: <em>teks</em> 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>Pembekal → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Mengapa WebBrain 33.0.0 dan yang lebih baharu dilesenkan GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 dan yang lebih baharu diedarkan di bawah GPL-3.0-or-later kerana sambungan pelayar membungkus dan menyepadukan persekitaran masa jalan WebAssembly Xapian/libzim berlesen GPL untuk carian teks penuh arkib ZIM Wikipedia.</p><p>Pakej sambungan menyertakan notis GPL yang berkenaan, dan sumber lengkap persekitaran masa jalan yang dibungkus diterbitkan bersama setiap keluaran. Keluaran sebelum 33.0.0 kekal berlesen MIT, manakala subprojek yang diterbitkan secara bebas dan komponen pihak ketiga mengekalkan lesen masing-masing. Lihat <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">rekod keputusan pelesenan</a> untuk butiran.</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 → 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.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>Pembekal → 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.jsonindex 65c18325f..32b5a5bf9 100644--- a/web/build/locales/nl.json+++ b/web/build/locales/nl.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Kan ik naar een ander tabblad schakelen terwijl WebBrain aan een pagina werkt?","faq.tab_switch_during_run.a_html": "<p>Ja. Sinds versie <strong>27.0.0</strong> voorkomt WebBrain dat het de focus overneemt in zowel Chromium-gebaseerde browsers als Firefox, tenzij toegang op de voorgrond strikt noodzakelijk is. De uitvoering blijft gekoppeld aan het tabblad waarop deze is gestart, zodat u veilig in een ander tabblad kunt werken.</p><p>Als voor een zeldzame stap het oorspronkelijke tabblad op de voorgrond moet staan, kan WebBrain er kort de focus op zetten. Klik of typ niet in hetzelfde tabblad terwijl WebBrain daar actief handelingen uitvoert.</p>","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.profile.a_html": "<p>Profiel auto-invullen is een optionele functie in <strong>Instellingen → Geheugen</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 → 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.screenshot_redaction.a_html": "<p>Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (<strong>Instellingen → Geavanceerd → 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>Providers → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Waarom is WebBrain 33.0.0 en nieuwer GPL-gelicentieerd?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 en nieuwer wordt gedistribueerd onder GPL-3.0-or-later omdat de browserextensie de GPL-gelicentieerde Xapian/libzim WebAssembly-runtime voor fulltext-zoeken in Wikipedia-ZIM bundelt en integreert.</p><p>De extensiepakketten bevatten de toepasselijke GPL-meldingen, en de volledige bijbehorende broncode van de gebundelde runtime wordt bij elke release gepubliceerd. Releases vóór 33.0.0 blijven MIT-gelicentieerd, en onafhankelijk gepubliceerde subprojecten en componenten van derden behouden hun vermelde licenties. Zie het <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licentiebesluit</a> voor 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 → 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.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>Providers → 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.jsonindex 8ee011b10..0991559f0 100644--- a/web/build/locales/pt.json+++ b/web/build/locales/pt.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Posso mudar para outra guia enquanto o WebBrain está trabalhando em uma página?","faq.tab_switch_during_run.a_html": "<p>Sim. A partir da versão <strong>27.0.0</strong>, o WebBrain evita tomar o foco tanto em navegadores baseados em Chromium quanto no Firefox, a menos que o acesso em primeiro plano seja estritamente necessário. A execução permanece vinculada à guia onde começou, portanto você pode trabalhar com segurança em outra guia.</p><p>Se uma etapa rara precisar da guia original em primeiro plano, o WebBrain poderá focalizá-la brevemente. Evite clicar ou digitar na mesma guia enquanto o WebBrain estiver agindo ativamente nela.</p>","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.profile.a_html": "<p>O preenchimento automático do perfil é um recurso opcional no <strong>Configurações → Memória</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 → 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.screenshot_redaction.a_html": "<p>Não – reduz a exposição, não é uma garantia. Quando ativado (<strong>Configurações → Avançado → 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>Provedores → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Por que o WebBrain 33.0.0 e posteriores têm licença GPL?","faq.offline_licensing.a_html": "<p>O WebBrain 33.0.0 e posteriores é distribuído sob GPL-3.0-or-later porque a extensão empacota e integra o runtime WebAssembly Xapian/libzim licenciado pela GPL para busca de texto completo nos arquivos ZIM da Wikipédia.</p><p>Os pacotes da extensão incluem os avisos GPL aplicáveis, e o código-fonte completo correspondente do runtime empacotado é publicado junto de cada versão. Versões anteriores à 33.0.0 permanecem sob licença MIT, e subprojetos publicados de forma independente e componentes de terceiros mantêm suas licenças declaradas. Veja o <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">registro de decisão de licenciamento</a> para detalhes.</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 → 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.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>Provedores → 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.jsonindex ab7f6931f..3f2303e23 100644--- a/web/build/locales/ru.json+++ b/web/build/locales/ru.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Можно переключиться на другую вкладку, пока WebBrain работает над страницей?","faq.tab_switch_during_run.a_html": "<p>Да. Начиная с версии <strong>27.0.0</strong>, WebBrain не перехватывает фокус ни в браузерах на базе Chromium, ни в Firefox, если доступ к переднему плану не является строго необходимым. Выполнение остаётся привязанным к вкладке, где оно началось, поэтому в другой вкладке можно безопасно продолжать работу.</p><p>Если редкому шагу понадобится вывести исходную вкладку на передний план, WebBrain может ненадолго перевести на неё фокус. Не нажимайте и не вводите текст в той же вкладке, пока WebBrain активно выполняет в ней действия.</p>","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.profile.a_html": "<p>Автозаполнение профиля — опциональная функция в <strong>Настройки → Память</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 → 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.screenshot_redaction.a_html": "<p>Нет — она снижает риск, но не является гарантией. При включении (<strong>Настройки → Расширенные → 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>Провайдеры → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Почему WebBrain 33.0.0 и новее распространяется под лицензией GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 и новее распространяется под GPL-3.0-or-later, поскольку расширение встраивает GPL-совместимую WebAssembly-среду Xapian/libzim для полнотекстового поиска по ZIM-архивам Википедии.</p><p>Пакеты расширения содержат применимые уведомления GPL, а полный соответствующий исходный код встроенной среды публикуется вместе с каждым выпуском. Выпуски до 33.0.0 остаются под лицензией MIT, а независимо публикуемые подпроекты и сторонние компоненты сохраняют заявленные лицензии. Подробности — в <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">записи о лицензионном решении</a>.</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 → 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.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>Провайдеры → 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.jsonindex c1fb8260a..59109d820 100644--- a/web/build/locales/th.json+++ b/web/build/locales/th.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "ในขณะที่ WebBrain ทำงานในหน้าหนึ่ง ฉันสลับไปแท็บอื่นได้ไหม?","faq.tab_switch_during_run.a_html": "<p>ได้ ตั้งแต่เวอร์ชัน <strong>27.0.0</strong> เป็นต้นมา WebBrain จะหลีกเลี่ยงการแย่งโฟกัสทั้งในเบราว์เซอร์ที่ใช้ Chromium และ Firefox เว้นแต่ว่าจำเป็นต้องเข้าถึงแท็บเบื้องหน้าอย่างแท้จริง งานจะยังคงผูกกับแท็บที่เริ่มต้น คุณจึงทำงานในแท็บอื่นได้อย่างปลอดภัย</p><p>หากมีขั้นตอนที่เกิดขึ้นไม่บ่อยและต้องนำแท็บเดิมมาไว้เบื้องหน้า WebBrain อาจโฟกัสแท็บนั้นชั่วครู่ หลีกเลี่ยงการคลิกหรือพิมพ์ในแท็บเดียวกันขณะที่ WebBrain กำลังดำเนินการอยู่</p>","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.profile.a_html": "<p>การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน <strong>การตั้งค่า → หน่วยความจำ</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 → 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 <em>ข้อความ</em>ในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</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.screenshot_redaction.a_html": "<p>ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (<strong>การตั้งค่า → ขั้นสูง → 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 <em>ข้อความ</em>ในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</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>ผู้ให้บริการ → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "ทำไม WebBrain 33.0.0 ขึ้นไปจึงใช้สัญญาอนุญาต GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 ขึ้นไปเผยแพร่ภายใต้ GPL-3.0-or-later เนื่องจากส่วนขยายเบราว์เซอร์รวมและผสานรวมรันไทม์ WebAssembly ของ Xapian/libzim ที่ได้รับอนุญาต GPL สำหรับการค้นหาข้อความเต็มในคลัง ZIM ของ Wikipedia</p><p>แพ็กเกจส่วนขยายมีประกาศ GPL ที่เกี่ยวข้อง และซอร์สโค้ดที่เกี่ยวข้องครบถ้วนของรันไทม์ที่รวมอยู่จะเผยแพร่พร้อมกับทุกรุ่น รุ่นก่อน 33.0.0 ยังคงใช้สัญญาอนุญาต MIT ส่วนโปรเจกต์ย่อยที่เผยแพร่อิสระและคอมโพเนนต์บุคคลที่สามยังคงใช้สัญญาอนุญาตตามที่ระบุ ดู<a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">บันทึกการตัดสินใจเรื่องสัญญาอนุญาต</a>สำหรับรายละเอียด</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 → โมเดลเสริม → 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>ผู้ให้บริการ → 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.jsonindex b1a5413f6..14ac81061 100644--- a/web/build/locales/tl.json+++ b/web/build/locales/tl.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Maaari ba akong lumipat sa ibang tab habang gumagawa ang WebBrain sa isang pahina?","faq.tab_switch_during_run.a_html": "<p>Oo. Simula sa bersyong <strong>27.0.0</strong>, iniiwasan ng WebBrain na agawin ang focus sa mga browser na nakabatay sa Chromium at sa Firefox maliban kung talagang kailangan ang foreground access. Nananatiling nakatali ang run sa tab kung saan ito nagsimula, kaya ligtas kang makakapagtrabaho sa ibang tab.</p><p>Kung kailangan ng isang pambihirang hakbang na nasa harapan ang orihinal na tab, maaaring pansamantalang ituon dito ng WebBrain ang focus. Iwasang mag-click o mag-type sa parehong tab habang aktibong kumikilos dito ang WebBrain.</p>","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.profile.a_html": "<p>Ang Profile auto-fill ay isang opsyonal na tampok sa <strong>Settings → Memory</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 → 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.screenshot_redaction.a_html": "<p>Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (<strong>Settings → Advanced → 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>Mga Provider → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Bakit GPL-licensed ang WebBrain 33.0.0 at mga mas bago?","faq.offline_licensing.a_html": "<p>Ang WebBrain 33.0.0 at mga mas bago ay ipinamamahagi sa ilalim ng GPL-3.0-or-later dahil bina-bundle at isinasama ng browser extension ang GPL-licensed na Xapian/libzim WebAssembly runtime para sa full-text na paghahanap sa Wikipedia ZIM.</p><p>Kasama sa mga extension package ang naaangkop na GPL notice, at ang kumpletong katumbas na source ng naka-bundle na runtime ay inilalathala kasama ng bawat release. Ang mga release bago ang 33.0.0 ay nananatiling MIT-licensed, at ang mga independiyenteng inilalathalang subproject at third-party component ay pinapanatili ang nakasaad nilang mga lisensya. Tingnan ang <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">licensing decision record</a> para sa mga detalye.</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 → 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.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>Mga Provider → 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.jsonindex d6c3af2e2..4a9264a69 100644--- a/web/build/locales/tr.json+++ b/web/build/locales/tr.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "WebBrain bir sayfada çalışırken başka bir sekmeye geçebilir miyim?","faq.tab_switch_during_run.a_html": "<p>Evet. <strong>27.0.0</strong> sürümünden itibaren WebBrain, ön plan erişimi kesinlikle gerekmediği sürece hem Chromium tabanlı tarayıcılarda hem de Firefox'ta odağı ele geçirmez. Çalışma, başladığı sekmeye bağlı kalır; böylece başka bir sekmede güvenle çalışabilirsiniz.</p><p>Nadiren bir adımın özgün sekmeyi ön plana getirmesi gerekirse WebBrain kısa süreliğine o sekmeye odaklanabilir. WebBrain etkin olarak işlem yaparken aynı sekmede tıklamaktan veya yazmaktan kaçının.</p>","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.profile.a_html": "<p>Profil otomatik doldurma, <strong>Ayarlar → Bellek</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 → 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.screenshot_redaction.a_html": "<p>Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (<strong>Ayarlar → Gelişmiş → 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>Sağlayıcılar → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "WebBrain 33.0.0 ve sonrası neden GPL lisanslı?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 ve sonrası, tam metin Vikipedi ZIM araması için GPL lisanslı Xapian/libzim WebAssembly çalışma ortamını paketleyip bütünleştirdiği için GPL-3.0-or-later ile dağıtılır.</p><p>Uzantı paketleri ilgili GPL bildirimlerini içerir ve paketlenmiş çalışma ortamının eksiksiz kaynak kodu her sürümle birlikte yayımlanır. 33.0.0 öncesi sürümler MIT lisanslı kalır; bağımsız yayımlanan alt projeler ve üçüncü taraf bileşenler kendi beyan ettikleri lisanslarını korur. Ayrıntılar için <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">lisans karar kaydına</a> bakın.</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 → 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.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>Sağlayıcılar → 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.jsonindex 57232b090..ec17880e1 100644--- a/web/build/locales/uk.json+++ b/web/build/locales/uk.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Чи можна перейти на іншу вкладку, поки WebBrain працює над сторінкою?","faq.tab_switch_during_run.a_html": "<p>Так. Починаючи з версії <strong>27.0.0</strong>, WebBrain не перехоплює фокус ані в браузерах на основі Chromium, ані у Firefox, якщо доступ до переднього плану не є строго необхідним. Виконання залишається прив'язаним до вкладки, де воно почалося, тому в іншій вкладці можна безпечно продовжувати роботу.</p><p>Якщо рідкісному кроку знадобиться вивести початкову вкладку на передній план, WebBrain може ненадовго перевести на неї фокус. Не натискайте й не вводьте текст у тій самій вкладці, поки WebBrain активно виконує в ній дії.</p>","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.profile.a_html": "<p>Автозаповнення профілю — опціональна функція в <strong>Налаштування → Пам’ять</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 → 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: <em>текст</em> 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.screenshot_redaction.a_html": "<p>Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (<strong>Налаштування → Розширені → 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: <em>текст</em> 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>Провайдери → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Чому WebBrain 33.0.0 і новіші версії поширюються під ліцензією GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 і новіші версії поширюються під GPL-3.0-or-later, оскільки розширення вбудовує GPL-сумісне WebAssembly-середовище Xapian/libzim для повнотекстового пошуку в ZIM-архівах Вікіпедії.</p><p>Пакунки розширення містять відповідні повідомлення GPL, а повний відповідний вихідний код вбудованого середовища публікується разом із кожним випуском. Випуски до 33.0.0 залишаються під ліцензією MIT, а незалежно опубліковані підпроєкти й сторонні компоненти зберігають заявлені ліцензії. Подробиці — у <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">записі про ліцензійне рішення</a>.</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 → 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.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>Провайдери → 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.jsonindex fc415aa11..7a2a485d7 100644--- a/web/build/locales/vi.json+++ b/web/build/locales/vi.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "Tôi có thể chuyển sang tab khác trong khi WebBrain đang hoạt động trên một trang không?","faq.tab_switch_during_run.a_html": "<p>Có. Kể từ phiên bản <strong>27.0.0</strong>, WebBrain tránh chiếm tiêu điểm trên cả trình duyệt dựa trên Chromium và Firefox, trừ khi quyền truy cập ở nền trước là thực sự cần thiết. Phiên chạy vẫn gắn với tab nơi nó bắt đầu, vì vậy bạn có thể làm việc an toàn trong một tab khác.</p><p>Nếu một bước hiếm gặp cần đưa tab ban đầu ra nền trước, WebBrain có thể chuyển tiêu điểm sang tab đó trong giây lát. Tránh nhấp hoặc nhập trong cùng tab khi WebBrain đang chủ động thao tác trên đó.</p>","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.profile.a_html": "<p>Tự động điền hồ sơ là một tính năng tùy chọn trong <strong>Cài đặt → Bộ nhớ</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 → 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.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 → Nâng cao → 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>Nhà cung cấp → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "Tại sao WebBrain 33.0.0 trở lên dùng giấy phép GPL?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 trở lên được phân phối theo GPL-3.0-or-later vì tiện ích trình duyệt đóng gói và tích hợp runtime WebAssembly Xapian/libzim được cấp phép GPL để tìm kiếm toàn văn trong kho lưu trữ ZIM của Wikipedia.</p><p>Các gói tiện ích bao gồm các thông báo GPL hiện hành, và mã nguồn tương ứng đầy đủ của runtime được đóng gói được công bố cùng mỗi bản phát hành. Các bản trước 33.0.0 vẫn giữ giấy phép MIT, các dự án con phát hành độc lập và thành phần bên thứ ba giữ nguyên giấy phép đã công bố. Xem <a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">biên bản quyết định cấp phép</a> để biết chi tiết.</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 → 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.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>Nhà cung cấp → 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.jsonindex d95ac88f5..0f52f3829 100644--- a/web/build/locales/zh.json+++ b/web/build/locales/zh.json@@ -311,9 +311,9 @@"faq.tab_switch_during_run.q": "WebBrain 工作时,我可以切换标签页吗?","faq.tab_switch_during_run.a_html": "<p>可以。从 <strong>27.0.0</strong> 起,除非确实需要前台访问,否则 WebBrain 在基于 Chromium 的浏览器和 Firefox 中都不会抢占焦点。任务会继续绑定到启动时的标签页,因此你可以放心地在另一个标签页中工作。</p><p>如果某个极少见的步骤需要将原标签页置于前台,WebBrain 可能会短暂聚焦该标签页。WebBrain 正在其中执行操作时,请避免在同一标签页点击或输入。</p>","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.profile.a_html": "<p>个人资料自动填写是 <strong>设置 → 记忆</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 → 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.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 → 高级 → 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>提供商 → 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?",@@ -323,7 +323,7 @@"faq.offline_licensing.q": "为什么 WebBrain 33.0.0 及更高版本采用 GPL 许可?","faq.offline_licensing.a_html": "<p>WebBrain 33.0.0 及更高版本在 GPL-3.0-or-later 下分发,因为浏览器扩展打包集成了 GPL 许可的 Xapian/libzim WebAssembly 运行时,用于维基百科 ZIM 全文搜索。</p><p>扩展包内含适用的 GPL 声明,随每个版本一并发布所集成运行时的完整对应源码。33.0.0 之前的版本仍为 MIT 许可,独立发布的子项目和第三方组件保留其声明的许可。详情请见<a href=\"https://github.com/webbrain-one/webbrain/blob/main/docs/offline-rag-licensing.md\" target=\"_blank\">许可决策记录</a>。</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 → 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.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>提供商 → 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/de/index.html b/web/de/index.htmlindex ef56aba70..4f7a7b48a 100644--- a/web/de/index.html+++ b/web/de/index.html@@ -289,7 +289,7 @@"name": "Wie funktioniert die Profil-Autoausfüllung und ist sie sicher?","acceptedAnswer": {"@type": "Answer",- "text": "Die Profil-Autoausfüllung ist eine optionale Funktion unter Einstellungen → Profil. Sie geben eine kurze Biografie ein — Name, Arbeits-E-Mail, Unternehmen und ein Wegwerf-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. Der Text wird in Klartext im lokalen Speicher Ihres Browsers gespeichert. Er wird nicht an das WebBrain-Projekt übertragen, aber er wird an jeden LLM-Anbieter, den Sie konfiguriert haben, bei jedem Durchgang als Teil des System-Prompts gesendet. Standardmäßig deaktiviert. Geben Sie hier keine Passwörter für wichtige Konten 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."+ "text": "Die Profil-Autoausfüllung ist eine optionale Funktion unter Einstellungen → Memorie. Sie geben eine kurze Biografie ein — Name, Arbeits-E-Mail, Unternehmen und ein Wegwerf-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. Der Text wird in Klartext im lokalen Speicher Ihres Browsers gespeichert. Er wird nicht an das WebBrain-Projekt übertragen, aber er wird an jeden LLM-Anbieter, den Sie konfiguriert haben, bei jedem Durchgang als Teil des System-Prompts gesendet. Standardmäßig deaktiviert. Geben Sie hier keine Passwörter für wichtige Konten 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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (Einstellungen → Erweitert → 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 Anbieter → Vision (siehe \"Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?\" oben)."}},{@@ -337,7 +337,7 @@"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 → Assistenzmodelle → 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 Anbieter → Vision. Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token."}},{diff --git a/web/docs/apocalypse-mode/index.html b/web/docs/apocalypse-mode/index.htmlindex 24c066f01..5e065c9d5 100644--- a/web/docs/apocalypse-mode/index.html+++ b/web/docs/apocalypse-mode/index.html@@ -27,7 +27,7 @@<section class="doc-section" id="setup"><h2>Build the basic kit</h2><ol class="step-list"><li><strong>Open Apocalypse Mode.</strong> Use the nuclear-symbol Apocalypse Mode control in the Settings header.</li><li><strong>Check your storage and connection.</strong> The Chromium basics include a 1.55 GB text model and the current Simple English Wikipedia archive. An in-browser vision model is optional: about 1.45 GB for Ternary Bonsai 2 2B Vision or about 810 MB for WebBrain VL 2 450M. Leave additional room for temporary download state and Emergency Box resources.</li><li><strong>Turn the mode on.</strong> On supported Chromium systems, WebBrain starts the text model and the required Wikipedia archive automatically. It never downloads a vision model on its own.</li><li><strong>Keep the browser open for model downloads.</strong> You may switch tabs or close Settings, but Chrome must stay open while the local model transfer continues. Follow the per-item progress instead of relying only on the total storage number.</li><li><strong>Resolve anything not ready.</strong> Resume a paused item, retry an error, or free storage. Removing a completed model deletes its cached files and requires another download before offline use.</li><li><strong>Test the kit.</strong> Use the vision test, open the Wikipedia reader, search for an article, and open at least one installed PDF. A download is not a plan until you have proved you can read it.</li></ol></section>- <section class="doc-section" id="models"><h2>What the local models do</h2><div class="card-grid"><div class="card"><span class="tab-key">Text · 1.55 GB</span><h3>LFM2.5 2.6B</h3><p>WebBrain downloads <code>LiquidAI/LFM2.5-2.6B-ONNX</code> in <code>q4f16</code> form for local text generation through WebGPU. Use the nuclear control in standalone chat after it is ready.</p></div><div class="card"><span class="tab-key">Vision · optional</span><h3>Ternary Bonsai 2 2B Vision or WebBrain VL 2 450M</h3><p>The local vision layer interprets screenshots on the device, turning visual evidence into context without sending the image to a remote vision provider. The Vision Model card shares one choice with <strong>Settings → Assistive Models → Vision</strong>: <strong>Auto</strong> (default) uses Ternary Bonsai 2 2B Vision (about 1.45 GB) once it is downloaded; you can also pick WebBrain VL 2 450M (about 810 MB, vision only, needs consent in Settings first) or Off. If your Text Model is Ternary Bonsai 2 2B Vision, it already reads images and needs no extra download.</p></div></div><div class="callout warning"><strong class="callout-title">Apocalypse Mode does not replace your selected provider</strong><p>The downloaded text model is a run-scoped option for standalone chat. Enabling or downloading it does not silently change the provider used by ordinary WebBrain conversations.</p></div></section>+ <section class="doc-section" id="models"><h2>What the local models do</h2><div class="card-grid"><div class="card"><span class="tab-key">Text · 1.55 GB</span><h3>LFM2.5 2.6B</h3><p>WebBrain downloads <code>LiquidAI/LFM2.5-2.6B-ONNX</code> in <code>q4f16</code> form for local text generation through WebGPU. Use the nuclear control in standalone chat after it is ready.</p></div><div class="card"><span class="tab-key">Vision · optional</span><h3>Ternary Bonsai 2 2B Vision or WebBrain VL 2 450M</h3><p>The local vision layer interprets screenshots on the device, turning visual evidence into context without sending the image to a remote vision provider. The Vision Model card shares one choice with <strong>Providers → Vision</strong>: <strong>Auto</strong> (default) uses Ternary Bonsai 2 2B Vision (about 1.45 GB) once it is downloaded; you can also pick WebBrain VL 2 450M (about 810 MB, vision only, needs consent on the Providers page first) or Off. If your Text Model is Ternary Bonsai 2 2B Vision, it already reads images and needs no extra download.</p></div></div><div class="callout warning"><strong class="callout-title">Apocalypse Mode does not replace your selected provider</strong><p>The downloaded text model is a run-scoped option for standalone chat. Enabling or downloading it does not silently change the provider used by ordinary WebBrain conversations.</p></div></section><section class="doc-section" id="wikipedia"><h2>Keep Wikipedia you can actually search</h2><p>The basic setup downloads the newest compact, text-only Simple English archive. Open <strong>Manage archives</strong> when you want another language, a fuller edition, or an edition with images. WebBrain resolves the archive’s current version, date, and exact size before installation.</p><div class="table-wrap"><table><thead><tr><th>Choice</th><th>Trade-off</th><th>Good for</th></tr></thead><tbody><tr><td>Text only</td><td>Smaller and faster to download; article text without the full image payload.</td><td>Compact reference, local factual retrieval, and broad language coverage.</td></tr><tr><td>With images</td><td>Uses substantially more storage.</td><td>Articles where diagrams, maps, and photographs matter.</td></tr><tr><td>Import a <code>.zim</code> file</td><td>You manage the source file and may need to reauthorize access after a restart.</td><td>Existing Kiwix collections or archives moved between machines.</td></tr></tbody></table></div><p>The Wikipedia reader searches article titles and opens the matching article from local storage. Local standalone chat can retrieve compact, attributed passages from the installed archive. When you replace the required Simple English archive, WebBrain keeps the old copy until the replacement has downloaded and verified successfully.</p></section>diff --git a/web/docs/ar/faq/index.html b/web/docs/ar/faq/index.htmlindex 97b1a1c39..baf3a5133 100644--- a/web/docs/ar/faq/index.html+++ b/web/docs/ar/faq/index.html@@ -257,7 +257,7 @@"name": "كيف يعمل تعبئة الملف الشخصي تلقائيًا، وهل هي آمنة؟","acceptedAnswer": {"@type": "Answer",- "text": "تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في الإعدادات ← الملف الشخصي. تُدخل نبذة قصيرة — الاسم، البريد المهني، الشركة، وكلمة مرور للاستعمال لمرّة واحدة للتسجيلات منخفضة المخاطر — وتفعّلها. عند التفعيل، يُلحق WebBrain هذا النص بـ prompt النظام للوكيل ليملأ نماذج التسجيل دون السؤال في كل مرة. يُخزَّن النص بصيغة نصية واضحة في التخزين المحلي للمتصفح. لا يُرسَل إلى مشروع WebBrain، لكنه يُرسَل إلى مزوّد LLM الذي ضبطته على كل دور كجزء من prompt النظام. مُعطّل افتراضيًا. لا تضع كلمات مرور حسابات مهمة 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."+ "text": "تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في الإعدادات ← الذاكرة. تُدخل نبذة قصيرة — الاسم، البريد المهني، الشركة، وكلمة مرور للاستعمال لمرّة واحدة للتسجيلات منخفضة المخاطر — وتفعّلها. عند التفعيل، يُلحق WebBrain هذا النص بـ prompt النظام للوكيل ليملأ نماذج التسجيل دون السؤال في كل مرة. يُخزَّن النص بصيغة نصية واضحة في التخزين المحلي للمتصفح. لا يُرسَل إلى مشروع WebBrain، لكنه يُرسَل إلى مزوّد LLM الذي ضبطته على كل دور كجزء من prompt النظام. مُعطّل افتراضيًا. لا تضع كلمات مرور حسابات مهمة 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."}},{@@ -265,7 +265,7 @@"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 ← 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)."+ "text": "لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (الإعدادات ← متقدم ← 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 المزوّدون ← الرؤية (راجع \"كيف يُبقي WebBrain فواتير LLM السحابية تحت السيطرة؟\" أعلاه)."}},{@@ -305,7 +305,7 @@"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 ← النماذج المساعدة ← 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 المزوّدون ← الرؤية. النتيجة: الجلسات الطويلة مع مزوّدي السحابة تبقى قابلة للتنبؤ. للسيطرة الكاملة، استخدم llama.cpp محليًا — تكلفة الرموز صفر."}},{@@ -615,7 +615,7 @@</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 ← 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>+ <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>المزوّدون ← 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>كيف يعمل تعبئة الملف الشخصي تلقائيًا، وهل هي آمنة؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>تعبئة الملف الشخصي تلقائيًا ميزة اختيارية في <strong>الإعدادات ← الذاكرة</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></div></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 ← 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: <em>نص</em> 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>+ <div class="faq-answer"><p>لا — فهو يقلّل من التعرّض ولا يُعدّ ضمانًا. عند تفعيله (<strong>الإعدادات ← متقدم ← 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: <em>نص</em> 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>المزوّدون ← 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/providers-vision.jpg b/web/docs/assets/screenshots/providers-vision.jpgnew file mode 100644index 000000000..66028d1feBinary files /dev/null and b/web/docs/assets/screenshots/providers-vision.jpg differdiff --git a/web/docs/assets/screenshots/settings-advanced.jpg b/web/docs/assets/screenshots/settings-advanced.jpgindex 2dece7938..d2bea3c7f 100644Binary files a/web/docs/assets/screenshots/settings-advanced.jpg and b/web/docs/assets/screenshots/settings-advanced.jpg differdiff --git a/web/docs/assets/screenshots/settings-assistive-models.jpg b/web/docs/assets/screenshots/settings-assistive-models.jpgdeleted file mode 100644index 6f7671da0..000000000Binary files a/web/docs/assets/screenshots/settings-assistive-models.jpg and /dev/null differdiff --git a/web/docs/assets/screenshots/settings-budgets.jpg b/web/docs/assets/screenshots/settings-budgets.jpgnew file mode 100644index 000000000..2bf5058b1Binary files /dev/null and b/web/docs/assets/screenshots/settings-budgets.jpg differdiff --git a/web/docs/assets/screenshots/settings-captcha.jpg b/web/docs/assets/screenshots/settings-captcha.jpgnew file mode 100644index 000000000..2cfd17754Binary files /dev/null and b/web/docs/assets/screenshots/settings-captcha.jpg differdiff --git a/web/docs/assets/screenshots/settings-decision-models.jpg b/web/docs/assets/screenshots/settings-decision-models.jpgindex 46cca3431..c1273a87d 100644Binary files a/web/docs/assets/screenshots/settings-decision-models.jpg and b/web/docs/assets/screenshots/settings-decision-models.jpg differdiff --git a/web/docs/assets/screenshots/settings-general.jpg b/web/docs/assets/screenshots/settings-general.jpgindex 398dd50de..747cf5108 100644Binary files a/web/docs/assets/screenshots/settings-general.jpg and b/web/docs/assets/screenshots/settings-general.jpg differdiff --git a/web/docs/assets/screenshots/settings-memory.jpg b/web/docs/assets/screenshots/settings-memory.jpgindex e46d40c22..a8e4c94c4 100644Binary files a/web/docs/assets/screenshots/settings-memory.jpg and b/web/docs/assets/screenshots/settings-memory.jpg differdiff --git a/web/docs/assets/screenshots/settings-permissions.jpg b/web/docs/assets/screenshots/settings-permissions.jpgindex 016cdd803..02df76406 100644Binary files a/web/docs/assets/screenshots/settings-permissions.jpg and b/web/docs/assets/screenshots/settings-permissions.jpg differdiff --git a/web/docs/assets/screenshots/settings-providers.jpg b/web/docs/assets/screenshots/settings-providers.jpgindex bd1160617..8d1a4e18b 100644Binary files a/web/docs/assets/screenshots/settings-providers.jpg and b/web/docs/assets/screenshots/settings-providers.jpg differdiff --git a/web/docs/bn/faq/index.html b/web/docs/bn/faq/index.htmlindex 58c2e8fee..7998cf50d 100644--- a/web/docs/bn/faq/index.html+++ b/web/docs/bn/faq/index.html@@ -257,7 +257,7 @@"name": "প্রোফাইল স্বয়ংক্রিয়ভাবে পূরণ কিভাবে কাজ করে, এবং এটি নিরাপদ?","acceptedAnswer": {"@type": "Answer",- "text": "প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য সেটিংস → প্রোফাইল. আপনি একটি সংক্ষিপ্ত জীবনী লিখুন — নাম, কাজের ইমেল, কোম্পানি, এবং ক নিক্ষেপ 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 টেক্সট সংরক্ষণ করা হয় প্লেইনটেক্সট আপনার ব্রাউজারের স্থানীয় স্টোরেজে। এটা না WebBrain প্রকল্পে প্রেরণ করা হয়েছে, কিন্তু এটি হয় সিস্টেম প্রম্পটের অংশ হিসাবে প্রতিটি মোড়ে আপনি যে LLM প্রদানকারীকে কনফিগার করেছেন তার কাছে পাঠানো হয়েছে। ডিফল্টরূপে বন্ধ। গুরুত্বপূর্ণ অ্যাকাউন্টের জন্য পাসওয়ার্ড রাখবেন না (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"+ "text": "প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য সেটিংস → স্মৃতি. আপনি একটি সংক্ষিপ্ত জীবনী লিখুন — নাম, কাজের ইমেল, কোম্পানি, এবং ক নিক্ষেপ 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 টেক্সট সংরক্ষণ করা হয় প্লেইনটেক্সট আপনার ব্রাউজারের স্থানীয় স্টোরেজে। এটা না WebBrain প্রকল্পে প্রেরণ করা হয়েছে, কিন্তু এটি হয় সিস্টেম প্রম্পটের অংশ হিসাবে প্রতিটি মোড়ে আপনি যে LLM প্রদানকারীকে কনফিগার করেছেন তার কাছে পাঠানো হয়েছে। ডিফল্টরূপে বন্ধ। গুরুত্বপূর্ণ অ্যাকাউন্টের জন্য পাসওয়ার্ড রাখবেন না (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"}},{@@ -265,7 +265,7 @@"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 → 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?\""+ "text": "না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (সেটিংস → উন্নত → 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 প্রদানকারী → দৃষ্টি (উপরে দেখুন \"কিভাবে WebBrain ক্লাউড LLM বিল নিয়ন্ত্রণে রাখে?\""}},{@@ -305,7 +305,7 @@"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 → সহায়ক মডেল → 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 প্রদানকারী → দৃষ্টি. নেট ফলাফল: ক্লাউড প্রদানকারীদের সাথে দীর্ঘ সেশন অনুমানযোগ্য থাকে। সম্পূর্ণ নিয়ন্ত্রণের জন্য, স্থানীয়ভাবে llama.cpp ব্যবহার করুন — টোকেন প্রতি শূন্য খরচ।"}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>প্রদানকারী → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>প্রোফাইল স্বয়ংক্রিয়ভাবে পূরণ কিভাবে কাজ করে, এবং এটি নিরাপদ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>প্রোফাইল অটো-ফিল হল একটি ঐচ্ছিক বৈশিষ্ট্য <strong>সেটিংস → স্মৃতি</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></div></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 → 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>+ <div class="faq-answer"><p>না - এটি এক্সপোজার হ্রাস করে, এটি একটি গ্যারান্টি নয়। যখন সক্রিয় (<strong>সেটিংস → উন্নত → 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>প্রদানকারী → 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/captcha/index.html b/web/docs/captcha/index.htmlindex 9dc4ba90f..ec4fc7dfb 100644--- a/web/docs/captcha/index.html+++ b/web/docs/captcha/index.html@@ -23,7 +23,7 @@<main class="doc-main" id="main"><div class="breadcrumb"><a href="/docs/">Docs</a> / CAPTCHA solvers</div><section class="doc-hero"><div class="eyebrow">Optional · bring your own account</div><h1>CAPTCHA solvers and fallback</h1><p class="lede">Enable the services you want WebBrain to use, choose their order, and see which challenges each service supports.</p><div class="meta">API coverage checked September 29, 2026 · Chrome and Firefox</div></section>- <section class="doc-section" id="setup"><h2>Set up a provider</h2><ol><li>Open <strong>Settings → General → Advanced → CAPTCHA solvers</strong>.</li><li>Enter a provider API key. Typing checks its enabled box; you can turn the box off while keeping the key.</li><li>Save the setting. Test checks the account balance without enabling or saving the provider.</li><li>Enable additional services if you want fallback. Each has its own checkbox.</li></ol><p>The provider’s collapsed <strong>Advanced</strong> section contains its weight. A higher weight means it is tried earlier. Equal weights retain the default order.</p></section>+ <section class="doc-section" id="setup"><h2>Set up a provider</h2><ol><li>Open <strong>Settings → CAPTCHA</strong>.</li><li>Enter a provider API key. Typing checks its enabled box; you can turn the box off while keeping the key.</li><li>Save the setting. Test checks the account balance without enabling or saving the provider.</li><li>Enable additional services if you want fallback. Each has its own checkbox.</li></ol><p>The provider’s collapsed <strong>Advanced</strong> section contains its weight. A higher weight means it is tried earlier. Equal weights retain the default order.</p></section><section class="doc-section" id="providers"><h2>Providers and coverage</h2><p>All seven services have API integrations. Common widgets can use automatic detection; other methods need the challenge-specific inputs shown in their API documentation. A service being listed does not guarantee that a particular website accepts its answer.</p><div class="table-wrap"><p>CAPTCHA tools are available in Act and Dev with Mid or Full tiers. Ask does not expose them. Compact requests manual completion and can report a partial result when verification blocks the task.</p><table><thead><tr><th>Provider</th><th>Default weight</th><th>Integrated coverage</th></tr></thead><tbody><tr><td><a href="https://docs.capsolver.com/en/guide/getting-started/">CapSolver</a></td><td>100</td><td>reCAPTCHA v2/v3 and Enterprise/M1, GeeTest, MTCaptcha, AWS WAF, BotDeflector, Turnstile, Cloudflare Challenge, DataDome, image text, recognition and VisionEngine.</td></tr>@@ -38,7 +38,7 @@<section class="doc-section" id="fallback"><h2>How fallback works</h2><p>WebBrain tries enabled, compatible providers in weight order. An error or timeout moves to the next provider within the same solve request. A disabled provider is skipped even if its key is saved. A provider is submitted at most once in that request.</p><div class="callout warning"><strong class="callout-title">More than one service may charge</strong><p>A timed-out job can still finish at the first service while the next one starts. Fallback can therefore cost more than one solve. WebBrain does not start another provider cycle because the page later rejects an answer.</p></div><p>NopeCHA and NoneCap balances are shown as credits. Provider prices, plans and availability can change; check the provider’s account page.</p></section><section class="doc-section" id="limits"><h2>What happens on the page?</h2><p>Automatic detection handles supported reCAPTCHA, hCaptcha and standalone Turnstile widgets. The agent can inspect the wider native catalog, supply observed inputs, and receive tokens, cookies, text, coordinates or structured answers. It can bind those answers to a selected page field, callback, cookie or image/grid target.</p><p>Some sites need additional integration for sliders, drag paths, rotation controls or proprietary submissions. Recognition clicks use synthetic events, which some sites reject. Missing inputs or unsuccessful page verification require manual completion; an API response alone is not proof that the challenge cleared.</p><p>WebBrain does not silently change your proxy or User-Agent. In particular, NopeCHA Turnstile requires a proxy matching the browser’s submission IP. Cookie-based Cloudflare methods have their own HTML, proxy and browser requirements.</p></section><section class="doc-section" id="privacy"><h2>Account keys and data</h2><p>Keys are stored in extension settings and added to API requests internally. Each attempted provider receives the challenge inputs needed by that method, which may include the page URL, site key, metadata, image/audio bytes and explicitly supplied proxy/cookie data. Testing a balance also contacts that provider.</p><p>Cookie answers are applied only through explicit bindings to the current page and its browser cookie store. The extension requests the cookies permission for this. It does not automatically send your entire cookie jar or execute code returned by a solver.</p><p>Managed WebBrain Cloud sessions retain their separate CapSolver broker. Personal keys, weights and native method calls do not expand that managed service.</p><p>Developers can read the <a href="https://github.com/webbrain-one/webbrain/blob/main/docs/captcha-provider-coverage.md">full implementation and coverage guide</a> for field mappings, fallback rules, validation and test details.</p></section>- <nav class="next-links" aria-label="Related guides"><a href="/docs/settings/#advanced"><span>Settings</span>General → Advanced</a><a href="/docs/safety/"><span>Related</span>Modes, safety & privacy</a></nav>+ <nav class="next-links" aria-label="Related guides"><a href="/docs/settings/#captcha"><span>Settings</span>CAPTCHA</a><a href="/docs/safety/"><span>Related</span>Modes, safety & privacy</a></nav></main><aside class="on-this-page" aria-label="On this page"><h2>On this page</h2><a href="#setup">Setup</a><a href="#providers">Providers</a><a href="#hcaptcha">hCaptcha</a><a href="#fallback">Fallback and cost</a><a href="#limits">Page application</a><a href="#privacy">Keys and data</a></aside></div>diff --git a/web/docs/de/faq/index.html b/web/docs/de/faq/index.htmlindex 6ba5c1fe2..b10ad203d 100644--- a/web/docs/de/faq/index.html+++ b/web/docs/de/faq/index.html@@ -257,7 +257,7 @@"name": "Wie funktioniert die Profil-Autoausfüllung und ist sie sicher?","acceptedAnswer": {"@type": "Answer",- "text": "Die Profil-Autoausfüllung ist eine optionale Funktion unter Einstellungen → Profil. Sie geben eine kurze Biografie ein — Name, Arbeits-E-Mail, Unternehmen und ein Wegwerf-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. Der Text wird in Klartext im lokalen Speicher Ihres Browsers gespeichert. Er wird nicht an das WebBrain-Projekt übertragen, aber er wird an jeden LLM-Anbieter, den Sie konfiguriert haben, bei jedem Durchgang als Teil des System-Prompts gesendet. Standardmäßig deaktiviert. Geben Sie hier keine Passwörter für wichtige Konten 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."+ "text": "Die Profil-Autoausfüllung ist eine optionale Funktion unter Einstellungen → Memorie. Sie geben eine kurze Biografie ein — Name, Arbeits-E-Mail, Unternehmen und ein Wegwerf-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. Der Text wird in Klartext im lokalen Speicher Ihres Browsers gespeichert. Er wird nicht an das WebBrain-Projekt übertragen, aber er wird an jeden LLM-Anbieter, den Sie konfiguriert haben, bei jedem Durchgang als Teil des System-Prompts gesendet. Standardmäßig deaktiviert. Geben Sie hier keine Passwörter für wichtige Konten 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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (Einstellungen → Erweitert → 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 Anbieter → Vision (siehe \"Wie hält WebBrain Compass-LLM-Rechnungen unter Kontrolle?\" oben)."}},{@@ -305,7 +305,7 @@"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 → Assistenzmodelle → 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 Anbieter → Vision. Netto-Ergebnis: Lange Sitzungen mit Cloud-Anbietern bleiben vorhersehbar. Für vollständige Kontrolle verwenden Sie llama.cpp lokal — keine Kosten pro Token."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Anbieter → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Wie funktioniert die Profil-Autoausfüllung und ist sie sicher?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Die Profil-Autoausfüllung ist eine optionale Funktion unter <strong>Einstellungen → Memorie</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></div></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 → 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>+ <div class="faq-answer"><p>Nein — es reduziert die Exposition, es ist keine Garantie. Wenn aktiviert (<strong>Einstellungen → Erweitert → 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>Anbieter → 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/easy-cli-proxy/index.html b/web/docs/easy-cli-proxy/index.htmlindex 4177f937c..1e0e38399 100644--- a/web/docs/easy-cli-proxy/index.html+++ b/web/docs/easy-cli-proxy/index.html@@ -48,7 +48,7 @@<section class="doc-section" id="flow"><h2>The boundary in one line</h2><div class="bridge-map" aria-label="Request path from WebBrain to the model provider"><div class="bridge-node"><strong>WebBrain</strong><span>browser extension</span></div><div class="bridge-arrow" aria-hidden="true">→</div><div class="bridge-node local"><strong>127.0.0.1:8317</strong><span>EasyCLIProxyAPI + CLIProxyAPI</span></div><div class="bridge-arrow" aria-hidden="true">→</div><div class="bridge-node"><strong>Provider account</strong><span>remote inference and account rules</span></div></div><p>The first connection stays on your computer. The second does not. EasyCLIProxyAPI keeps upstream OAuth material outside WebBrain; WebBrain stores only the local proxy client key you enter in Settings.</p></section>- <section class="doc-section" id="setup"><div class="eyebrow">Setup</div><h2>Connect the local endpoint</h2><ol class="step-list"><li><strong>Inspect and install upstream.</strong> Download EasyCLIProxyAPI from its GitHub release page. In <strong>Version Management</strong>, install the matching CLIProxyAPI core.</li><li><strong>Lock the proxy to loopback.</strong> Keep the listener on <code>127.0.0.1</code>, leave LAN access off, and never forward port <code>8317</code>. Replace any short or default client key with a strong random value; the exact control may appear under Advanced Settings or API Access depending on the release.</li><li><strong>Authorize only the account you intend to use.</strong> Open <strong>OAuth</strong>, choose Codex, Claude, Antigravity, Kimi, or xAI, and finish the provider page. Stop if the provider presents terms or permissions you do not accept.</li><li><strong>Start the core and copy the OpenAI-compatible URL.</strong> On Home, start the runtime and copy the OpenAI endpoint. The common default is <code>http://127.0.0.1:8317/v1</code>; trust the value displayed by your running version.</li><li><strong>Open WebBrain Settings → Providers.</strong> Search for <strong>Local OpenAI-compatible Proxy</strong>. Paste the server URL and the proxy client key—not the provider OAuth token.</li><li><strong>Load and select a model.</strong> Click <strong>Load Models</strong> and select an exposed model. WebBrain fills in <strong>Context window</strong> from the proxy’s model list, a llama.cpp server behind it, or the name of a known hosted model (128k at most); otherwise it uses 64k. It keeps a number you typed unless the server reports a smaller window, so lower it by hand if the proxy fronts a small local model that reports nothing. Enable vision only if that exact model accepts images.</li><li><strong>Save, test, then activate.</strong> Run <strong>Test Connection</strong> and require a green success result before selecting the provider for chat. Start with Ask mode on non-sensitive content.</li></ol><div class="callout warning"><strong class="callout-title">Do not use <code>0.0.0.0</code>, a LAN IP, tunnel, or public reverse proxy</strong><p>A local client key is not a safe internet-facing authentication system. Any process that obtains the key can send requests through the signed-in provider account.</p></div></section>+ <section class="doc-section" id="setup"><div class="eyebrow">Setup</div><h2>Connect the local endpoint</h2><ol class="step-list"><li><strong>Inspect and install upstream.</strong> Download EasyCLIProxyAPI from its GitHub release page. In <strong>Version Management</strong>, install the matching CLIProxyAPI core.</li><li><strong>Lock the proxy to loopback.</strong> Keep the listener on <code>127.0.0.1</code>, leave LAN access off, and never forward port <code>8317</code>. Replace any short or default client key with a strong random value; the exact control may appear under Advanced Settings or API Access depending on the release.</li><li><strong>Authorize only the account you intend to use.</strong> Open <strong>OAuth</strong>, choose Codex, Claude, Antigravity, Kimi, or xAI, and finish the provider page. Stop if the provider presents terms or permissions you do not accept.</li><li><strong>Start the core and copy the OpenAI-compatible URL.</strong> On Home, start the runtime and copy the OpenAI endpoint. The common default is <code>http://127.0.0.1:8317/v1</code>; trust the value displayed by your running version.</li><li><strong>Open the WebBrain Providers page.</strong> Choose <strong>More…</strong> in the side panel’s model menu, then search the LLM tab for <strong>Local OpenAI-compatible Proxy</strong>. Paste the server URL and the proxy client key—not the provider OAuth token.</li><li><strong>Load and select a model.</strong> Click <strong>Load Models</strong> and select an exposed model. WebBrain fills in <strong>Context window</strong> from the proxy’s model list, a llama.cpp server behind it, or the name of a known hosted model (128k at most); otherwise it uses 64k. It keeps a number you typed unless the server reports a smaller window, so lower it by hand if the proxy fronts a small local model that reports nothing. Enable vision only if that exact model accepts images.</li><li><strong>Save, test, then activate.</strong> Run <strong>Test Connection</strong> and require a green success result before selecting the provider for chat. Start with Ask mode on non-sensitive content.</li></ol><div class="callout warning"><strong class="callout-title">Do not use <code>0.0.0.0</code>, a LAN IP, tunnel, or public reverse proxy</strong><p>A local client key is not a safe internet-facing authentication system. Any process that obtains the key can send requests through the signed-in provider account.</p></div></section><section class="doc-section" id="troubleshooting"><h2>Troubleshooting by symptom</h2><div class="table-wrap"><table><thead><tr><th>Symptom</th><th>Likely cause</th><th>What to check</th></tr></thead><tbody><tr><td>Connection refused</td><td>The CLIProxyAPI core is stopped or the port changed.</td><td>Start the runtime, refresh Home, and copy the displayed OpenAI URL again.</td></tr><tr><td>Unauthorized</td><td>The WebBrain key does not match the proxy client key.</td><td>Copy the local client key again. Never paste an upstream OAuth token into WebBrain.</td></tr><tr><td>No models loaded</td><td>OAuth did not finish, the account exposes no compatible model, or upstream support changed.</td><td>Check the OAuth/account status and EasyCLIProxyAPI logs, then review its current release notes.</td></tr><tr><td>Text works but images fail</td><td>The selected alias does not accept image input.</td><td>Turn vision off or choose a model the proxy reports as vision-capable.</td></tr><tr><td>Quota or account error</td><td>The upstream account, plan, region, or provider policy rejected the request.</td><td>Stop retrying, inspect the provider account directly, and use an official API key when available.</td></tr><tr><td>Unexpected models or behavior after an update</td><td>The desktop app, core, plugin, or provider contract changed.</td><td>Compare versions, inspect release notes, and re-run Load Models and Test Connection.</td></tr></tbody></table></div></section>diff --git a/web/docs/es/faq/index.html b/web/docs/es/faq/index.htmlindex 5307bea61..5f9b452f0 100644--- a/web/docs/es/faq/index.html+++ b/web/docs/es/faq/index.html@@ -257,7 +257,7 @@"name": "¿Cómo funciona el autocompletado de perfil y es seguro?","acceptedAnswer": {"@type": "Answer",- "text": "El autocompletado de perfil es una función opcional en Ajustes → Perfil. Introduces una biografía breve —nombre, correo laboral, empresa y una contraseña desechable 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. El texto se guarda en texto plano en el almacenamiento local del navegador. No se transmite al proyecto WebBrain, pero sí se envía al proveedor de LLM que tengas configurado en cada turno, como parte del prompt del sistema. Desactivado por defecto. No pongas aquí contraseñas de cuentas importantes (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."+ "text": "El autocompletado de perfil es una función opcional en Ajustes → Memoria. Introduces una biografía breve —nombre, correo laboral, empresa y una contraseña desechable 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. El texto se guarda en texto plano en el almacenamiento local del navegador. No se transmite al proyecto WebBrain, pero sí se envía al proveedor de LLM que tengas configurado en cada turno, como parte del prompt del sistema. Desactivado por defecto. No pongas aquí contraseñas de cuentas importantes (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "No — reduce la exposición, no es una garantía. Cuando está activada (Ajustes → Avanzado → 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 Proveedores → Visión (ver \"¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?\" más arriba)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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 Proveedores → Visión. Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Proveedores → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>¿Cómo funciona el autocompletado de perfil y es seguro?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>El autocompletado de perfil es una función opcional en <strong>Ajustes → Memoria</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></div></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 → 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>+ <div class="faq-answer"><p>No — reduce la exposición, no es una garantía. Cuando está activada (<strong>Ajustes → Avanzado → 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>Proveedores → 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.htmlindex 104009b10..f0af93334 100644--- a/web/docs/fa/faq/index.html+++ b/web/docs/fa/faq/index.html@@ -257,7 +257,7 @@"name": "پر کردن خودکار نمایه چگونه کار می کند و آیا ایمن است؟","acceptedAnswer": {"@type": "Answer",- "text": "تکمیل خودکار نمایه یک ویژگی اختیاری است تنظیمات → نمایه. شما یک بیوگرافی کوتاه را وارد می کنید - نام، ایمیل کاری، شرکت، و یک دور ریختنی 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. متن ذخیره می شود در متن ساده در حافظه محلی مرورگر شما. هست نه به پروژه WebBrain منتقل شد، اما آن را است 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. برای حساب های مهم رمز عبور قرار ندهید (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."+ "text": "تکمیل خودکار نمایه یک ویژگی اختیاری است تنظیمات → حافظه. شما یک بیوگرافی کوتاه را وارد می کنید - نام، ایمیل کاری، شرکت، و یک دور ریختنی 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. متن ذخیره می شود در متن ساده در حافظه محلی مرورگر شما. هست نه به پروژه WebBrain منتقل شد، اما آن را است 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. برای حساب های مهم رمز عبور قرار ندهید (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (تنظیمات → پیشرفته → 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 ارائه دهندگان → چشم انداز (به \"چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟\" در بالا مراجعه کنید)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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 ارائه دهندگان → 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."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>ارائه دهندگان → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>پر کردن خودکار نمایه چگونه کار می کند و آیا ایمن است؟</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>تکمیل خودکار نمایه یک ویژگی اختیاری است <strong>تنظیمات → حافظه</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></div></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 → 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>+ <div class="faq-answer"><p>نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (<strong>تنظیمات → پیشرفته → 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>ارائه دهندگان → 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.htmlindex 3863f6d8a..53ccd773b 100644--- a/web/docs/faq/index.html+++ b/web/docs/faq/index.html@@ -209,7 +209,7 @@"name": "It's asking me too many questions. Can I disable that?","acceptedAnswer": {"@type": "Answer",- "text": "Those approval prompts are for your safety. Even on sites you trust, malicious actors can mimic LLM instructions or inject content that tries to make the agent do things on your behalf that you would not approve. That is why WebBrain asks before consequential actions. If you still do not want to go through those prompts, type /dangerously-skip-permissions in the side panel, or open the side plugin, click the wheel icon in the header, go to the Permissions tab in settings.html, and switch off Ask before consequential actions. The ⚠ button next to the microphone in the side panel’s message box opens the same switch."+ "text": "Those approval prompts are for your safety. Even on sites you trust, malicious actors can mimic LLM instructions or inject content that tries to make the agent do things on your behalf that you would not approve. That is why WebBrain asks before consequential actions. If you still do not want to go through those prompts, type /dangerously-skip-permissions in the side panel, or open the side plugin, click the wheel icon in the header, go to the Permissions tab in settings.html, and switch off Ask before consequential actions."}},{@@ -257,7 +257,7 @@"name": "How does Profile auto-fill work, and is it safe?","acceptedAnswer": {"@type": "Answer",- "text": "Profile auto-fill is an optional feature in Settings → Profile. You enter a short bio — name, work email, company, and a throwaway 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. The text is stored in plaintext in your browser's local storage. It is not transmitted to the WebBrain project, but it is sent to whichever LLM provider you have configured on every turn, as part of the system prompt. Off by default. Do not put passwords for important accounts (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."+ "text": "Profile auto-fill is an optional feature in Settings → Memory. You enter a short bio — name, work email, company, and a throwaway 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. The text is stored in plaintext in your browser's local storage. It is not transmitted to the WebBrain project, but it is sent to whichever LLM provider you have configured on every turn, as part of the system prompt. Off by default. Do not put passwords for important accounts (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "No — it reduces exposure, it is not a guarantee. When enabled (Settings → Advanced → 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 Providers → Vision (see \"How does WebBrain keep cloud LLM bills under control?\" above)."}},{@@ -305,7 +305,7 @@"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 → Assistive Models → 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 Providers → Vision. Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Providers → 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>@@ -697,7 +697,7 @@</details><details class="faq-question" id="disable-approval-questions" data-faq-item><summary><span>It's asking me too many questions. Can I disable that?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><p>Those approval prompts are for your safety. Even on sites you trust, malicious actors can mimic LLM instructions or inject content that tries to make the agent do things on your behalf that you would not approve. That is why WebBrain asks before consequential actions. If you still do not want to go through those prompts, type <code>/dangerously-skip-permissions</code> in the side panel, or open the side plugin, click the wheel icon in the header, go to the <strong>Permissions</strong> tab in <code>settings.html</code>, and switch off <strong>Ask before consequential actions</strong>. The ⚠ button next to the microphone in the side panel’s message box opens the same switch.</p></div>+ <div class="faq-answer"><p>Those approval prompts are for your safety. Even on sites you trust, malicious actors can mimic LLM instructions or inject content that tries to make the agent do things on your behalf that you would not approve. That is why WebBrain asks before consequential actions. If you still do not want to go through those prompts, type <code>/dangerously-skip-permissions</code> in the side panel, or open the side plugin, click the wheel icon in the header, go to the <strong>Permissions</strong> tab in <code>settings.html</code>, and switch off <strong>Ask before consequential actions</strong>.</p></div></details><details class="faq-question" id="api-mutations" data-faq-item><summary><span>Does WebBrain call APIs directly, or does it always click through the UI?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>How does Profile auto-fill work, and is it safe?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Profile auto-fill is an optional feature in <strong>Settings → Memory</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></div></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 → 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>+ <div class="faq-answer"><p>No — it reduces exposure, it is not a guarantee. When enabled (<strong>Settings → Advanced → 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>Providers → 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.htmlindex f9cfe2f93..c27f527fc 100644--- a/web/docs/fr/faq/index.html+++ b/web/docs/fr/faq/index.html@@ -257,7 +257,7 @@"name": "Comment fonctionne l'auto-remplissage de profil, et est-ce sûr ?","acceptedAnswer": {"@type": "Answer",- "text": "L'auto-remplissage de profil est une fonctionnalité optionnelle dans Paramètres → Profil. Vous saisissez une courte bio — nom, e-mail pro, entreprise et un mot de passe jetable 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. Le texte est stocké en clair dans le stockage local du navigateur. Il n'est pas transmis au projet WebBrain, mais il est envoyé au fournisseur de LLM que vous avez configuré à chaque tour, dans le prompt système. Désactivé par défaut. N'y mettez pas les mots de passe de comptes importants (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."+ "text": "L'auto-remplissage de profil est une fonctionnalité optionnelle dans Paramètres → Mémoire. Vous saisissez une courte bio — nom, e-mail pro, entreprise et un mot de passe jetable 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. Le texte est stocké en clair dans le stockage local du navigateur. Il n'est pas transmis au projet WebBrain, mais il est envoyé au fournisseur de LLM que vous avez configuré à chaque tour, dans le prompt système. Désactivé par défaut. N'y mettez pas les mots de passe de comptes importants (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (Paramètres → Avancé → 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 Fournisseurs → Vision (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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 Fournisseurs → Vision. Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Fournisseurs → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Comment fonctionne l'auto-remplissage de profil, et est-ce sûr ?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>L'auto-remplissage de profil est une fonctionnalité optionnelle dans <strong>Paramètres → Mémoire</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></div></details><details class="faq-question" id="screenshot-redaction" data-faq-item><summary><span>Le réglage Floutage des captures d'écran garantit-il que mes données privées n'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 → 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>+ <div class="faq-answer"><p>Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (<strong>Paramètres → Avancé → 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>Fournisseurs → 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.htmlindex 7683f67aa..00e8aab07 100644--- a/web/docs/he/faq/index.html+++ b/web/docs/he/faq/index.html@@ -257,7 +257,7 @@"name": "כיצד מילוי הפרופיל האוטומטי עובד, והאם זה בטוח?","acceptedAnswer": {"@type": "Answer",- "text": "מילוי פרופיל אוטומטי הוא תכונה אופציונלית בהגדרות ← פרופיל. אתה מזין ביוגרפיה קצרה — שם, דוא\"ל עסקי, חברה וסיסמה לשימוש חד-פעמי להרשמות בסיכון נמוך — ומפעיל אותה. כשפעיל, WebBrain מצרף את הטקסט הזה לפרומפט המערכת של הסוכן כדי שהוא ימלא טפסי הרשמה מבלי לשאול בכל פעם. הטקסט מאוחסן בטקסט פשוט באחסון המקומי של הדפדפן שלך. הוא אינו מועבר לפרויקט WebBrain, אבל הוא מועבר לכל ספק LLM שהגדרת בכל תור, כחלק מפרומפט המערכת. מושבת כברירת מחדל. אל תשים סיסמאות לחשבונות חשובים 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."+ "text": "מילוי פרופיל אוטומטי הוא תכונה אופציונלית בהגדרות ← זיכרון. אתה מזין ביוגרפיה קצרה — שם, דוא\"ל עסקי, חברה וסיסמה לשימוש חד-פעמי להרשמות בסיכון נמוך — ומפעיל אותה. כשפעיל, WebBrain מצרף את הטקסט הזה לפרומפט המערכת של הסוכן כדי שהוא ימלא טפסי הרשמה מבלי לשאול בכל פעם. הטקסט מאוחסן בטקסט פשוט באחסון המקומי של הדפדפן שלך. הוא אינו מועבר לפרויקט WebBrain, אבל הוא מועבר לכל ספק LLM שהגדרת בכל תור, כחלק מפרומפט המערכת. מושבת כברירת מחדל. אל תשים סיסמאות לחשבונות חשובים 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."}},{@@ -265,7 +265,7 @@"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 ← 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)."+ "text": "לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (הגדרות ← מִתקַדֵם ← 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 ספקים ← ראייה (ראה \"כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?\" למעלה)."}},{@@ -305,7 +305,7 @@"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 ← מודלים מסייעים ← 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 בספקים ← ראייה. תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון."}},{@@ -615,7 +615,7 @@</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 ← 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>+ <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>ספקים ← 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>כיצד מילוי הפרופיל האוטומטי עובד, והאם זה בטוח?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>מילוי פרופיל אוטומטי הוא תכונה אופציונלית ב<strong>הגדרות ← זיכרון</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></div></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 ← 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>+ <div class="faq-answer"><p>לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (<strong>הגדרות ← מִתקַדֵם ← 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>ספקים ← 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.htmlindex 9728111a3..d8b57949b 100644--- a/web/docs/hi/faq/index.html+++ b/web/docs/hi/faq/index.html@@ -257,7 +257,7 @@"name": "प्रोफ़ाइल स्वतः-भरण कैसे काम करता है, और क्या यह सुरक्षित है?","acceptedAnswer": {"@type": "Answer",- "text": "प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है सेटिंग्स → प्रोफ़ाइल. आप एक संक्षिप्त जीवनी दर्ज करें - नाम, कार्य ईमेल, कंपनी, और ए फेंकना 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। पाठ संग्रहीत है सादे पाठ में आपके ब्राउज़र के स्थानीय संग्रहण में. यह है नहीं WebBrain प्रोजेक्ट को प्रेषित, लेकिन यह है 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. महत्वपूर्ण खातों के लिए पासवर्ड न रखें (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।"+ "text": "प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है सेटिंग्स → स्मृति. आप एक संक्षिप्त जीवनी दर्ज करें - नाम, कार्य ईमेल, कंपनी, और ए फेंकना 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। पाठ संग्रहीत है सादे पाठ में आपके ब्राउज़र के स्थानीय संग्रहण में. यह है नहीं WebBrain प्रोजेक्ट को प्रेषित, लेकिन यह है 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. महत्वपूर्ण खातों के लिए पासवर्ड न रखें (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।"}},{@@ -265,7 +265,7 @@"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 → 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?\")।"+ "text": "नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (सेटिंग्स → उन्नत → 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 प्रदाता → दृष्टि (ऊपर देखें \"WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?\")।"}},{@@ -305,7 +305,7 @@"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 → 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।"+ "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 प्रदाता → 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।"}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>प्रदाता → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>प्रोफ़ाइल स्वतः-भरण कैसे काम करता है, और क्या यह सुरक्षित है?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है <strong>सेटिंग्स → स्मृति</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></div></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 → 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>+ <div class="faq-answer"><p>नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (<strong>सेटिंग्स → उन्नत → 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>प्रदाता → 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.htmlindex 4967219c8..1bc1a196e 100644--- a/web/docs/id/faq/index.html+++ b/web/docs/id/faq/index.html@@ -257,7 +257,7 @@"name": "Bagaimana isi-otomatis Profil bekerja, dan apakah aman?","acceptedAnswer": {"@type": "Answer",- "text": "Isi-otomatis profil adalah fitur opsional di Pengaturan → Profil. Anda memasukkan bio singkat — nama, email kerja, perusahaan, dan kata sandi sekali pakai 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. Teks tersebut disimpan dalam bentuk teks biasa di penyimpanan lokal peramban Anda. Teks itu tidak dikirim ke proyek WebBrain, tetapi dikirim ke penyedia LLM yang Anda konfigurasi pada setiap giliran, sebagai bagian dari prompt sistem. Mati secara bawaan. Jangan menaruh kata sandi akun penting (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."+ "text": "Isi-otomatis profil adalah fitur opsional di Pengaturan → Memori. Anda memasukkan bio singkat — nama, email kerja, perusahaan, dan kata sandi sekali pakai 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. Teks tersebut disimpan dalam bentuk teks biasa di penyimpanan lokal peramban Anda. Teks itu tidak dikirim ke proyek WebBrain, tetapi dikirim ke penyedia LLM yang Anda konfigurasi pada setiap giliran, sebagai bagian dari prompt sistem. Mati secara bawaan. Jangan menaruh kata sandi akun penting (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (Pengaturan → Lanjutan → 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 Penyedia → Visi (lihat \"Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?\" di atas)."}},{@@ -305,7 +305,7 @@"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 → Model Pendukung → 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 Penyedia → Visi. Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Penyedia → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Bagaimana isi-otomatis Profil bekerja, dan apakah aman?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Isi-otomatis profil adalah fitur opsional di <strong>Pengaturan → Memori</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></div></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 → 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>+ <div class="faq-answer"><p>Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (<strong>Pengaturan → Lanjutan → 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>Penyedia → 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.htmlindex 8edb43002..c5db488e5 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 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 Decision models.</p>+ <p>Start with the few choices most people need, then follow Settings through providers, supporting models, memory, skills, permissions, and the advanced controls. The video shows an older layout: Providers and Permissions now have pages of their own, the supporting models are tabs on the Providers page, and Budgets, CAPTCHA and Advanced are Settings tabs.</p></div><div class="walkthrough-player"><video controls preload="metadata" playsinline poster="/assets/webbrain-settings-walkthrough-poster.jpg">@@ -115,15 +115,15 @@<section class="doc-section" id="settings-map"><div class="eyebrow">A map, not a checklist</div>- <h2>The six Settings tabs</h2>- <p>You do not need to configure every tab. The color at the bottom of each block shows how often a typical person needs it.</p>+ <h2>Settings at a glance</h2>+ <p>You do not need to configure everything. Providers and Permissions are pages of their own; the rest are Settings tabs, along with Skills, CAPTCHA and Bridge for specific add-ons. The color at the bottom of each block shows how often a typical person needs it.</p><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>Assistive Models</strong><span>vision, speech & decisions</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>Providers</strong><span>the model & its helpers</span></div><div class="setting-node everyday"><strong>Permissions</strong><span>where it may act</span></div>+ <div class="setting-node sometimes"><strong>Budgets</strong><span>spend, time & steps</span></div>+ <div class="setting-node sometimes"><strong>Memory</strong><span>what persists</span></div>+ <div class="setting-node expert"><strong>Advanced</strong><span>expert switches</span></div></div><div class="depth-legend"><span>Everyday control</span><span class="sometimes">When you need it</span><span class="expert">Advanced trust decision</span></div><div class="callout"><strong class="callout-title">The safe baseline</strong><p>Keep <strong>Plan before Act</strong> on Try, <strong>plan review</strong> on the confidence threshold, <strong>scheduled confirmations</strong> on, and <strong>Ask before consequential actions</strong> on. You can get very far without changing anything else.</p></div>diff --git a/web/docs/ja/faq/index.html b/web/docs/ja/faq/index.htmlindex ec0272406..c478d6c15 100644--- a/web/docs/ja/faq/index.html+++ b/web/docs/ja/faq/index.html@@ -257,7 +257,7 @@"name": "プロフィール自動入力はどう動きますか? 安全ですか?","acceptedAnswer": {"@type": "Answer",- "text": "プロフィール自動入力は 設定 → プロフィール 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使い捨てパスワード — 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。 テキストはブラウザのローカルストレージに平文で保存されます。WebBrain プロジェクトへは送信されませんが、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送信されます。既定はオフです。 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) のパスワードは絶対に入れないでください。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。"+ "text": "プロフィール自動入力は 設定 → メモリ 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使い捨てパスワード — 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。 テキストはブラウザのローカルストレージに平文で保存されます。WebBrain プロジェクトへは送信されませんが、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送信されます。既定はオフです。 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) のパスワードは絶対に入れないでください。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。"}},{@@ -265,7 +265,7 @@"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 → 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)。"+ "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 → 詳細設定 → 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。この振り分けはプロバイダー → 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)。"}},{@@ -305,7 +305,7 @@"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 → 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。"+ "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 プロバイダー → 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。"}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>プロバイダー → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>プロフィール自動入力はどう動きますか? 安全ですか?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>プロフィール自動入力は <strong>設定 → メモリ</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></div></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 → 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<em>テキスト</em>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>+ <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 → 詳細設定 → 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<em>テキスト</em>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>プロバイダー → 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.htmlindex 9a00ca0fd..1e7436faa 100644--- a/web/docs/ko/faq/index.html+++ b/web/docs/ko/faq/index.html@@ -257,7 +257,7 @@"name": "프로필 자동 입력은 어떻게 작동하나요? 안전한가요?","acceptedAnswer": {"@type": "Answer",- "text": "프로필 자동 입력은 설정 → 프로필에 있는 선택 기능입니다. 짧은 자기소개 — 이름, 업무 이메일, 회사, 저위험 가입용 일회용 비밀번호 — 를 입력하고 켜면, WebBrain이 그 텍스트를 에이전트의 시스템 프롬프트에 덧붙여 매번 묻지 않고도 가입 양식을 채울 수 있게 합니다. 텍스트는 브라우저 로컬 저장소에 평문으로 저장됩니다. WebBrain 프로젝트로는 전송되지 않지만, 설정한 LLM 프로바이더에게는 매 턴 시스템 프롬프트의 일부로 전송됩니다. 기본은 꺼짐입니다. 여기에 중요한 계정(Google, Apple, iCloud, 은행, 회사 SSO, 주 이메일) 비밀번호는 절대로 넣지 마세요. 이런 계정은 2FA를 사용해야 하고, 애초에 에이전트에게 넘길 일이 없어야 합니다. 의도된 사용 사례는 뉴스레터 가입과 무료 체험에서 재사용하는 일회용 비밀번호입니다."+ "text": "프로필 자동 입력은 설정 → 메모리에 있는 선택 기능입니다. 짧은 자기소개 — 이름, 업무 이메일, 회사, 저위험 가입용 일회용 비밀번호 — 를 입력하고 켜면, WebBrain이 그 텍스트를 에이전트의 시스템 프롬프트에 덧붙여 매번 묻지 않고도 가입 양식을 채울 수 있게 합니다. 텍스트는 브라우저 로컬 저장소에 평문으로 저장됩니다. WebBrain 프로젝트로는 전송되지 않지만, 설정한 LLM 프로바이더에게는 매 턴 시스템 프롬프트의 일부로 전송됩니다. 기본은 꺼짐입니다. 여기에 중요한 계정(Google, Apple, iCloud, 은행, 회사 SSO, 주 이메일) 비밀번호는 절대로 넣지 마세요. 이런 계정은 2FA를 사용해야 하고, 애초에 에이전트에게 넘길 일이 없어야 합니다. 의도된 사용 사례는 뉴스레터 가입과 무료 체험에서 재사용하는 일회용 비밀번호입니다."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(설정 → 고급 → 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 제공자 → 비전에서 구성하세요(위의 \"WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?\"도 참고하세요)."}},{@@ -305,7 +305,7 @@"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 → 보조 모델 → 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. 제공자 → 비전에서 구성하세요. 결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>제공자 → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>프로필 자동 입력은 어떻게 작동하나요? 안전한가요?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>프로필 자동 입력은 <strong>설정 → 메모리</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></div></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 → 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>+ <div class="faq-answer"><p>아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(<strong>설정 → 고급 → 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>제공자 → 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.htmlindex 85e6835f4..d5a3526e3 100644--- a/web/docs/ms/faq/index.html+++ b/web/docs/ms/faq/index.html@@ -257,7 +257,7 @@"name": "Bagaimanakah auto-isi Profil berfungsi, dan adakah ia selamat?","acceptedAnswer": {"@type": "Answer",- "text": "Auto-isi profil ialah ciri pilihan dalam Tetapan → Profil. Anda memasukkan bio ringkas — nama, e-mel kerja, syarikat dan kata laluan pakai buang 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. Teks disimpan sebagai teks biasa dalam storan tempatan pelayar anda. Ia tidak dihantar kepada projek WebBrain, tetapi ia dihantar kepada pembekal LLM yang anda konfigurasikan pada setiap giliran, sebagai sebahagian daripada system prompt. Dimatikan secara lalai. Jangan letakkan kata laluan untuk akaun penting (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."+ "text": "Auto-isi profil ialah ciri pilihan dalam Tetapan → Memori. Anda memasukkan bio ringkas — nama, e-mel kerja, syarikat dan kata laluan pakai buang 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. Teks disimpan sebagai teks biasa dalam storan tempatan pelayar anda. Ia tidak dihantar kepada projek WebBrain, tetapi ia dihantar kepada pembekal LLM yang anda konfigurasikan pada setiap giliran, sebagai sebahagian daripada system prompt. Dimatikan secara lalai. Jangan letakkan kata laluan untuk akaun penting (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (Tetapan → Lanjutan → 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 Pembekal → Penglihatan (lihat \"Bagaimanakah WebBrain mengawal bil LLM awan?\" di atas)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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 Pembekal → Penglihatan. Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Pembekal → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Bagaimanakah auto-isi Profil berfungsi, dan adakah ia selamat?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Auto-isi profil ialah ciri pilihan dalam <strong>Tetapan → Memori</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></div></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 → 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: <em>teks</em> 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>+ <div class="faq-answer"><p>Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (<strong>Tetapan → Lanjutan → 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: <em>teks</em> 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>Pembekal → 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.htmlindex 6db4eed43..838b2cd7c 100644--- a/web/docs/nl/faq/index.html+++ b/web/docs/nl/faq/index.html@@ -257,7 +257,7 @@"name": "Hoe werkt Profiel auto-invullen, en is het veilig?","acceptedAnswer": {"@type": "Answer",- "text": "Profiel auto-invullen is een optionele functie in Instellingen → Profiel. U voert een korte bio in — naam, werkmail, bedrijf en een wegwerpwachtwoord 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. De tekst wordt in platte tekst opgeslagen in de lokale opslag van uw browser. Het wordt niet verzonden naar het WebBrain-project, maar het wel naar welke LLM-provider u heeft geconfigureerd bij elke beurt, als onderdeel van het systeemprompt. Standaard uit. Doe hier geen wachtwoorden voor belangrijke accounts (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."+ "text": "Profiel auto-invullen is een optionele functie in Instellingen → Geheugen. U voert een korte bio in — naam, werkmail, bedrijf en een wegwerpwachtwoord 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. De tekst wordt in platte tekst opgeslagen in de lokale opslag van uw browser. Het wordt niet verzonden naar het WebBrain-project, maar het wel naar welke LLM-provider u heeft geconfigureerd bij elke beurt, als onderdeel van het systeemprompt. Standaard uit. Doe hier geen wachtwoorden voor belangrijke accounts (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (Instellingen → Geavanceerd → 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 Providers → Visie (zie \"Hoe houdt WebBrain cloud LLM-rekeningen onder controle?\" hierboven)."}},{@@ -305,7 +305,7 @@"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 → Ondersteunende modellen → Visie. 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 Providers → Visie. Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Providers → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Hoe werkt Profiel auto-invullen, en is het veilig?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Profiel auto-invullen is een optionele functie in <strong>Instellingen → Geheugen</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></div></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 → 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>+ <div class="faq-answer"><p>Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (<strong>Instellingen → Geavanceerd → 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>Providers → 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/ollama/index.html b/web/docs/ollama/index.htmlindex 82738830e..dad5989e1 100644--- a/web/docs/ollama/index.html+++ b/web/docs/ollama/index.html@@ -33,7 +33,7 @@<section class="doc-section" id="choose"><div class="eyebrow">Two setup paths</div><h2>Use the path that matches your Ollama build</h2><div class="table-wrap"><table><thead><tr><th>Path</th><th>Use it when</th><th>What you do</th></tr></thead><tbody><tr><td>Manual provider setup</td><td>You installed an official Ollama release.</td><td>Start Ollama with extension origins allowed, then enter its local endpoint and model in WebBrain Settings.</td></tr><tr><td>Launch handoff</td><td>You built the current preview branch and want the shortest setup.</td><td>Run <code>ollama launch webbrain --model <model></code>, review the browser prompt, and approve the provider change.</td></tr></tbody></table></div><figure class="shot"><a href="/assets/webbrain-ollama-heart.png"><img src="/assets/webbrain-ollama-heart.png" alt="WebBrain and Ollama logos joined by a heart"></a><figcaption>Ollama serves the model locally; WebBrain gives that model the browser-agent tools.</figcaption></figure></section>- <section class="doc-section" id="manual"><div class="eyebrow">Works with upstream Ollama</div><h2>Configure the official Ollama release manually</h2><ol class="step-list"><li><strong>Install Ollama and pull a capable model.</strong> Choose a model that follows tool calls reliably. Agent runs work best with at least a 16k-token context window.</li><li><strong>Allow browser-extension origins.</strong> Quit another Ollama desktop process if it already owns port <code>11434</code>, then start the server from a terminal with the origin allowlist below.</li><li><strong>Open WebBrain Settings.</strong> Go to <strong>Providers & Models</strong>, find <strong>Ollama (Local)</strong>, and open the card.</li><li><strong>Enter the endpoint and model.</strong> Use <code>http://localhost:11434/v1</code>, then select the exact model you pulled.</li><li><strong>Save and Test Connection.</strong> Use <strong>Load models</strong> when you want WebBrain to read the available model IDs and detect the live context window.</li><li><strong>Set Active.</strong> Start in the Mid prompt tier. Use Compact only when the model’s context is constrained.</li></ol><pre class="code-block"><code>ollama pull <model>+ <section class="doc-section" id="manual"><div class="eyebrow">Works with upstream Ollama</div><h2>Configure the official Ollama release manually</h2><ol class="step-list"><li><strong>Install Ollama and pull a capable model.</strong> Choose a model that follows tool calls reliably. Agent runs work best with at least a 16k-token context window.</li><li><strong>Allow browser-extension origins.</strong> Quit another Ollama desktop process if it already owns port <code>11434</code>, then start the server from a terminal with the origin allowlist below.</li><li><strong>Open the WebBrain Providers page.</strong> Choose <strong>More…</strong> in the side panel’s model menu, find <strong>Ollama (Local)</strong> on the LLM tab, and open the card.</li><li><strong>Enter the endpoint and model.</strong> Use <code>http://localhost:11434/v1</code>, then select the exact model you pulled.</li><li><strong>Save and Test Connection.</strong> Use <strong>Load models</strong> when you want WebBrain to read the available model IDs and detect the live context window.</li><li><strong>Set Active.</strong> Start in the Mid prompt tier. Use Compact only when the model’s context is constrained.</li></ol><pre class="code-block"><code>ollama pull <model>OLLAMA_ORIGINS="chrome-extension://*,moz-extension://*" ollama serve</code></pre><div class="callout tip"><strong class="callout-title">Terminal requests can succeed while WebBrain gets 403</strong><p><code>curl</code> does not send a browser-extension origin. If Ollama works in a terminal but fails in WebBrain, restart the Ollama server with <code>OLLAMA_ORIGINS</code> rather than changing the provider URL.</p></div></section><section class="doc-section" id="handoff"><div class="eyebrow">Preview · fewer settings</div><h2>Try the Ollama launch handoff</h2><p>The preview command opens a WebBrain launch URL containing the selected model, loopback <code>/v1</code> endpoint, and detected context window. The extension shows those values in a confirmation dialog before it changes anything.</p><pre class="code-block"><code>git clone https://github.com/esokullu/ollama.gitdiff --git a/web/docs/providers/index.html b/web/docs/providers/index.htmlindex 0f4e3d7da..d80472ec8 100644--- a/web/docs/providers/index.html+++ b/web/docs/providers/index.html@@ -23,9 +23,9 @@<section class="doc-section" id="quick-choice"><h2>The quick choice</h2><div class="card-grid"><div class="card"><span class="tab-key">Fewest steps</span><h3>WebBrain Compass</h3><p>Built in, active by default, and includes a free daily allowance. No model server or API key setup.</p></div><div class="card"><span class="tab-key">Private & offline-capable</span><h3>Local model</h3><p>Use llama.cpp, Ollama, ODS, LM Studio, Jan, vLLM, SGLang, or LocalAI. Your model requests stay with the server you run.</p></div><div class="card"><span class="tab-key">Direct relationship</span><h3>Cloud API</h3><p>Bring a key for OpenAI, Anthropic, Gemini, Mistral, DeepSeek, xAI, Groq, and other supported providers.</p></div><div class="card"><span class="tab-key">Broad catalog</span><h3>Router</h3><p>Use one account to choose among many models. OpenRouter and Hugging Face are useful when you experiment often.</p></div></div></section>- <section class="doc-section" id="catalog"><h2>112 built-in provider cards</h2><p>Settings includes 79 additional direct APIs and routers, including Azure AI Foundry, Vertex AI, Vertex Anthropic, Cerebras, Cohere, DeepInfra, Perplexity, Vercel AI Gateway, Venice, and many regional coding plans. Search by provider or model name instead of scrolling the whole list.</p><p>Most cards use an API key and OpenAI-compatible endpoint. Vertex cards use a Google Cloud project, location, and authorization key; the global location uses Google’s global endpoint, while Vertex Anthropic also supports the <code>us</code> and <code>eu</code> multi-region hosts. Cloudflare accepts an optional AI Gateway ID and automatically uses the <code>default</code> gateway for <code>@cf/</code> models when the field is blank. Interactive Ask turns stream when the selected provider supports it and automatically retry once without streaming if the connection ends early. Provider-reported token usage is recorded directly; otherwise WebBrain records a conservative estimate so streaming cannot bypass cost limits.</p><div class="callout warning"><strong class="callout-title">GitHub provider entries are intentionally absent</strong><p>GitHub itself is not going away, but GitHub Models retires July 30, 2026. GitHub Copilot requires a separate subscription/OAuth integration. GitLab Duo and SAP AI Core also require custom authentication and discovery not supported by the browser extension.</p></div></section>+ <section class="doc-section" id="catalog"><h2>112 built-in provider cards</h2><p>The Providers page includes 79 additional direct APIs and routers, including Azure AI Foundry, Vertex AI, Vertex Anthropic, Cerebras, Cohere, DeepInfra, Perplexity, Vercel AI Gateway, Venice, and many regional coding plans. Search by provider or model name instead of scrolling the whole list.</p><p>Most cards use an API key and OpenAI-compatible endpoint. Vertex cards use a Google Cloud project, location, and authorization key; the global location uses Google’s global endpoint, while Vertex Anthropic also supports the <code>us</code> and <code>eu</code> multi-region hosts. Cloudflare accepts an optional AI Gateway ID and automatically uses the <code>default</code> gateway for <code>@cf/</code> models when the field is blank. Interactive Ask turns stream when the selected provider supports it and automatically retry once without streaming if the connection ends early. Provider-reported token usage is recorded directly; otherwise WebBrain records a conservative estimate so streaming cannot bypass cost limits.</p><div class="callout warning"><strong class="callout-title">GitHub provider entries are intentionally absent</strong><p>GitHub itself is not going away, but GitHub Models retires July 30, 2026. GitHub Copilot requires a separate subscription/OAuth integration. GitLab Duo and SAP AI Core also require custom authentication and discovery not supported by the browser extension.</p></div></section>- <section class="doc-section" id="setup"><h2>Configure a provider</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-providers.jpg"><img src="/docs/assets/screenshots/settings-providers.jpg" alt="Provider list with Local, Cloud and Router filters plus the active WebBrain Compass card"></a><figcaption>Use filters to shorten the list. The active provider remains visible so you always know what the panel is using.</figcaption></figure><ol class="step-list"><li><strong>Find the provider.</strong> Use Local, Cloud, Router, or the search field.</li><li><strong>Open its card.</strong> Non-active cards are collapsed to keep the list readable.</li><li><strong>Enter the values.</strong> Local servers usually need a URL and model name. Cloud providers also need an API key.</li><li><strong>Save.</strong> This stores the card’s current fields in the browser.</li><li><strong>Test Connection.</strong> Fix any reported URL, key, model, or server problem before continuing.</li><li><strong>Set Active.</strong> Only after the test succeeds. A saved provider is not necessarily the provider the side panel is using.</li></ol></section>+ <section class="doc-section" id="setup"><h2>Configure a provider</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-providers.jpg"><img src="/docs/assets/screenshots/settings-providers.jpg" alt="LLM tab of the Providers page with Local, Cloud and Router filters plus the active provider card"></a><figcaption>Use filters to shorten the list. The active provider remains visible so you always know what the panel is using.</figcaption></figure><ol class="step-list"><li><strong>Open the Providers page.</strong> Choose <strong>More…</strong> in the side panel’s model menu, or use the Providers link at the top of Settings. The <strong>LLM</strong> tab lists the chat providers.</li><li><strong>Find the provider.</strong> Use Local, Cloud, Router, or the search field.</li><li><strong>Open its card.</strong> Non-active cards are collapsed to keep the list readable.</li><li><strong>Enter the values.</strong> Local servers usually need a URL and model name. Cloud providers also need an API key.</li><li><strong>Save.</strong> This stores the card’s current fields in the browser.</li><li><strong>Test Connection.</strong> Fix any reported URL, key, model, or server problem before continuing.</li><li><strong>Set Active.</strong> Only after the test succeeds. A saved provider is not necessarily the provider the side panel is using.</li></ol></section><section class="doc-section" id="fields"><h2>What the fields mean</h2><div class="table-wrap"><table><thead><tr><th>Field</th><th>Meaning</th><th>New-user advice</th></tr></thead><tbody><tr><td>Server / Base URL</td><td>The OpenAI-compatible root endpoint or provider API root.</td><td>Use the exact value shown by your local app or provider. Do not paste a chat webpage URL.</td></tr><tr><td>API key</td><td>A credential sent to that provider.</td><td>Local servers normally do not need one unless you enabled authentication.</td></tr><tr><td>Model</td><td>The model identifier the server expects.</td><td>Spelling and prefixes matter. “Model not found” usually means this field does not match the provider catalog.</td></tr><tr><td>Context window</td><td>How much prompt, history, page content, and tool schema fits in one request.</td><td>16k tokens is the usable target for reliable local runs. 8k can work with Compact; 4k is too small.</td></tr><tr><td>Supports vision</td><td>Whether the selected local or open catalog model accepts images.</td><td>Enable only when the exact served model can process image input.</td></tr><tr><td>Prompt tier</td><td>How large a prompt and normal browser-tool set WebBrain exposes.</td><td>Start with Mid for local models. Use Compact for small contexts and Full for capable models.</td></tr><tr><td>Input / output cost</td><td>Optional price estimates per million tokens.</td><td>Fill these when you want WebBrain’s cost allowances to estimate providers that do not report usage cost.</td></tr></tbody></table></div></section>@@ -33,9 +33,9 @@<section class="doc-section" id="tiers"><h2>Prompt tiers in plain language</h2><div class="mode-strip"><div class="mode ask"><strong>Compact</strong><span>Smallest prompt and action-tool surface. Designed for constrained local models and roughly 8k contexts.</span></div><div class="mode act"><strong>Mid</strong><span>Common browser tasks, iframes, downloads, scheduling, and form verification. The best local-model starting point.</span></div><div class="mode dev"><strong>Full</strong><span>Adds advanced UI and DOM fallbacks such as hover, drag/drop, frames, and shadow DOM tools.</span></div></div><p>Cloud providers are forced to Full. Local providers default to Mid unless you choose another tier. OpenRouter exposes the tier because its catalog includes models with very different capabilities. Dev mode is blocked for Compact-tier providers.</p></section>- <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="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> raise the LLM request timeout in Settings → Budgets 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>Decision models</strong>. These settings are independent of provider filtering and selection.</p><p>Vision and Decision models default to <strong>Auto</strong>: in Chrome they use Ternary Bonsai 2 2B Vision once it is downloaded (or Compass’s managed decision model for decisions while WebBrain Cloud is active), and nothing before that. A decision model only answers yes-or-no and multiple-choice questions such as “Is this task finished?”; turn it <strong>On</strong> to use OpenRouter, TypeSafe, a local server, D1 or the in-browser model for every decision, or <strong>Off</strong> to never use one. Existing permissions and completion checks still apply. See <a href="/docs/settings/#multimodal">Assistive Models settings</a> for setup and data-sharing details.</p></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. The other tabs of the Providers page hold a separate <strong>Vision</strong> model, a <strong>Speech</strong> (speech-to-text) endpoint, <strong>Generative</strong> media, <strong>Decision</strong> models and <strong>SafeSocial</strong>. These settings are independent of provider filtering and selection.</p><p>Vision and Decision models default to <strong>Auto</strong>: in Chrome they use Ternary Bonsai 2 2B Vision once it is downloaded (or Compass’s managed decision model for decisions while WebBrain Cloud is active), and nothing before that. A decision model only answers yes-or-no and multiple-choice questions such as “Is this task finished?”; turn it <strong>On</strong> to use OpenRouter, TypeSafe, a local server, D1 or the in-browser model for every decision, or <strong>Off</strong> to never use one. Existing permissions and completion checks still apply. See <a href="/docs/settings/#multimodal">Vision, speech and decision models</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.htmlindex dc1ffb68d..9d858f057 100644--- a/web/docs/pt/faq/index.html+++ b/web/docs/pt/faq/index.html@@ -257,7 +257,7 @@"name": "Como funciona o preenchimento automático do perfil e é seguro?","acceptedAnswer": {"@type": "Answer",- "text": "O preenchimento automático do perfil é um recurso opcional no Configurações → Perfil. Você insere uma breve biografia - nome, e-mail comercial, empresa e um descartável 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. O texto é armazenado em texto simples no armazenamento local do seu navegador. É não transmitido para o projeto WebBrain, mas é enviado para qualquer provedor LLM que você configurou a cada turno, como parte do prompt do sistema. Desativado por padrão. Não coloque senhas para contas importantes (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."+ "text": "O preenchimento automático do perfil é um recurso opcional no Configurações → Memória. Você insere uma breve biografia - nome, e-mail comercial, empresa e um descartável 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. O texto é armazenado em texto simples no armazenamento local do seu navegador. É não transmitido para o projeto WebBrain, mas é enviado para qualquer provedor LLM que você configurou a cada turno, como parte do prompt do sistema. Desativado por padrão. Não coloque senhas para contas importantes (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Não – reduz a exposição, não é uma garantia. Quando ativado (Configurações → Avançado → 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 Provedores → Visão (consulte \"Como o WebBrain mantém as contas do Cloud LLM sob controle?\" acima)."}},{@@ -305,7 +305,7 @@"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 → Modelos auxiliares → 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 Provedores → Visão. Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Provedores → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Como funciona o preenchimento automático do perfil e é seguro?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>O preenchimento automático do perfil é um recurso opcional no <strong>Configurações → Memória</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></div></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 → 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>+ <div class="faq-answer"><p>Não – reduz a exposição, não é uma garantia. Quando ativado (<strong>Configurações → Avançado → 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>Provedores → 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.htmlindex ac6bb1c52..316e7d024 100644--- a/web/docs/ru/faq/index.html+++ b/web/docs/ru/faq/index.html@@ -257,7 +257,7 @@"name": "Как работает автозаполнение профиля и безопасно ли это?","acceptedAnswer": {"@type": "Answer",- "text": "Автозаполнение профиля — опциональная функция в Настройки → Профиль. Вы пишете короткое био — имя, рабочий email, компанию и одноразовый 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. Текст хранится в открытом виде в локальном хранилище браузера. Он не отправляется в проект WebBrain, но отправляется тому LLM-провайдеру, которого вы настроили, на каждом ходу как часть системного prompt. По умолчанию выключено. Не вводите сюда пароли важных аккаунтов (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."+ "text": "Автозаполнение профиля — опциональная функция в Настройки → Память. Вы пишете короткое био — имя, рабочий email, компанию и одноразовый 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. Текст хранится в открытом виде в локальном хранилище браузера. Он не отправляется в проект WebBrain, но отправляется тому LLM-провайдеру, которого вы настроили, на каждом ходу как часть системного prompt. По умолчанию выключено. Не вводите сюда пароли важных аккаунтов (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Нет — она снижает риск, но не является гарантией. При включении (Настройки → Расширенные → 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 Провайдеры → Зрение (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше)."}},{@@ -305,7 +305,7 @@"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 → Вспомогательные модели → 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 Провайдеры → Зрение. В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Провайдеры → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Как работает автозаполнение профиля и безопасно ли это?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Автозаполнение профиля — опциональная функция в <strong>Настройки → Память</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></div></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 → 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>+ <div class="faq-answer"><p>Нет — она снижает риск, но не является гарантией. При включении (<strong>Настройки → Расширенные → 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>Провайдеры → 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/safety/index.html b/web/docs/safety/index.htmlindex 5e680efdd..41f90ff23 100644--- a/web/docs/safety/index.html+++ b/web/docs/safety/index.html@@ -23,7 +23,7 @@<section class="doc-section" id="modes"><h2>Modes set the kind of work</h2><div class="mode-strip"><div class="mode ask"><strong>Ask</strong><span>Semantic reading and research tools. No clicking, typing, navigation, uploads, or page mutation.</span></div><div class="mode act"><strong>Act</strong><span>Normal browser actions for tasks you explicitly request. Consequential actions still meet the permission gate.</span></div><div class="mode dev"><strong>Dev</strong><span>Act plus source, style, DOM, frame, and debugging tools. Requires a Mid or Full provider.</span></div></div><p>Use Ask whenever the result can be produced by reading. Switch to Act only when the requested outcome requires changing a page. Use Dev for web development and troubleshooting—not as a way to make a weak model smarter.</p></section>- <section class="doc-section" id="permissions"><h2>Permission prompts are capability-specific</h2><p>Before a consequential action on a site, WebBrain can ask whether to allow it once, always allow that capability on that host, or deny it. The remembered record is a pair: <strong>site + capability</strong>.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-permissions.jpg"><img src="/docs/assets/screenshots/settings-permissions.jpg" alt="Permission settings showing a global safety switch and separate grants for scheduling, clicking and typing"></a><figcaption>Separate grants mean you can allow typing on a site without automatically allowing downloads, uploads, JavaScript, or future scheduling.</figcaption></figure><div class="table-wrap"><table><thead><tr><th>Choice</th><th>Use it when</th><th>What happens later</th></tr></thead><tbody><tr><td>Allow once</td><td>The action is reasonable but you do not want a standing grant.</td><td>WebBrain asks again the next time it needs that capability.</td></tr><tr><td>Always allow on host</td><td>You trust that site and expect the same action type repeatedly.</td><td>The matching site + capability record appears in Settings.</td></tr><tr><td>Don’t allow</td><td>The action, destination, or timing is wrong.</td><td>The action is blocked. You stay in control of the run.</td></tr></tbody></table></div></section>+ <section class="doc-section" id="permissions"><h2>Permission prompts are capability-specific</h2><p>Before a consequential action on a site, WebBrain can ask whether to allow it once, always allow that capability on that host, or deny it. The remembered record is a pair: <strong>site + capability</strong>.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-permissions.jpg"><img src="/docs/assets/screenshots/settings-permissions.jpg" alt="Permission settings showing a global safety switch and separate grants for scheduling, clicking and typing"></a><figcaption>Separate grants mean you can allow typing on a site without automatically allowing downloads, uploads, JavaScript, or future scheduling.</figcaption></figure><div class="table-wrap"><table><thead><tr><th>Choice</th><th>Use it when</th><th>What happens later</th></tr></thead><tbody><tr><td>Allow once</td><td>The action is reasonable but you do not want a standing grant.</td><td>WebBrain asks again the next time it needs that capability.</td></tr><tr><td>Always allow on host</td><td>You trust that site and expect the same action type repeatedly.</td><td>The matching site + capability record appears on the Permissions page.</td></tr><tr><td>Don’t allow</td><td>The action, destination, or timing is wrong.</td><td>The action is blocked. You stay in control of the run.</td></tr></tbody></table></div></section><section class="doc-section" id="page-content"><h2>Pages are untrusted—even familiar pages</h2><p>A page can contain text written to manipulate an AI agent. WebBrain wraps page-derived content as untrusted data and limits the action surface with modes and permissions. Those defenses reduce risk; they do not make every model or page safe.</p><ul><li>Stop if the agent follows instructions you did not give.</li><li>Be cautious on health, finance, dating, private account, and internal work pages.</li><li>Review destinations and form values before a submission.</li><li>Avoid unattended Act-mode work on pages whose content can be edited by strangers.</li></ul><div class="callout danger"><strong class="callout-title">Your LLM provider is inside the trust boundary</strong><p>The configured provider receives the conversation and the page-derived content WebBrain sends for the task. Use a provider whose privacy terms and operation you accept.</p></div></section>diff --git a/web/docs/settings/index.html b/web/docs/settings/index.htmlindex df04d65ef..afd0b1752 100644--- a/web/docs/settings/index.html+++ b/web/docs/settings/index.html@@ -3,7 +3,7 @@<head><meta charset="utf-8"><meta name="viewport" content="width=device-width, initial-scale=1"><title>Settings, explained — WebBrain User Guide</title>- <meta name="description" content="A plain-language guide to every WebBrain Settings tab, with recommended defaults and screenshots.">+ <meta name="description" content="A plain-language guide to every WebBrain Settings tab and the Providers and Permissions pages, with recommended defaults and screenshots."><link rel="canonical" href="https://webbrain.one/docs/settings/"><link rel="alternate" hreflang="zh" href="https://webbrain.one/docs/zh/settings/"><link rel="alternate" hreflang="x-default" href="https://webbrain.one/docs/settings/"><link rel="icon" href="/favicon.png"><script>try{document.documentElement.dataset.theme=localStorage.getItem('webbrain-theme')||'dark'}catch(_){}</script><link rel="stylesheet" href="/docs/assets/docs.css?v=20260809"><!-- Plausible analytics: start -->@@ -22,38 +22,46 @@<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 from the Assistive Models update · synthetic configuration, 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. The chat model and its helper models have their own <strong>Providers</strong> page: open it from <strong>More…</strong> in the side panel’s model menu, or from the Providers link at the top of Settings. Site permissions have a page too: open it with <strong>Manage site permissions</strong> in the <strong>⚠</strong> menu next to the microphone. Most people only need General, Providers and Permissions; the other tabs solve specific problems.</p><div class="meta">Screenshots from the Settings reorganization · 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. The ⚠ button next to the microphone in the side panel switches it too.</td></tr><tr><td>Decision models</td><td>Auto</td><td>Nothing to set up. Uses Ternary Bonsai 2 2B Vision for completion checks once it is downloaded (or Compass’s managed decision model while WebBrain Cloud is active), and no decision model otherwise.</td></tr><tr><td>In-browser vision model</td><td>Auto</td><td>Reads screenshots with Ternary Bonsai 2 2B Vision once it is downloaded, only when your chat model cannot see images.</td></tr></tbody></table></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>Auto-screenshot</td><td>On navigation</td><td>One picture after the agent opens a page, not after every click or keystroke. Choose On state change when the vision model should check each action.</td></tr><tr><td>Cloud cost allowances</td><td>$10 per session and $10 in total</td><td>A mechanical stop for paid model calls; raise or lower it in Budgets.</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. The ⚠ button next to the microphone in the side panel switches it too.</td></tr><tr><td>Decision models</td><td>Auto</td><td>Nothing to set up. Uses Ternary Bonsai 2 2B Vision for completion checks once it is downloaded (or Compass’s managed decision model while WebBrain Cloud is active), and no decision model otherwise.</td></tr><tr><td>In-browser vision model</td><td>Auto</td><td>Reads screenshots with Ternary Bonsai 2 2B Vision once it is downloaded, only when your chat model cannot see images.</td></tr></tbody></table></div></section>- <section class="doc-section" id="general"><div class="eyebrow">Everyday</div><h2>General: how the agent behaves</h2><p>Language and appearance are cosmetic. The controls below them change the agent loop: how it plans, when you review, how long it can work, and whether scheduled jobs can run.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-general.jpg"><img src="/docs/assets/screenshots/settings-general.jpg" alt="WebBrain General settings showing language, appearance, planning, plan review and confidence controls"></a><figcaption>General starts with the controls you are most likely to use. Click the image to view it at full size.</figcaption></figure>+ <section class="doc-section" id="general"><div class="eyebrow">Everyday</div><h2>General: how the agent behaves</h2><p>Appearance and download location are cosmetic. The controls below them change the agent loop: how it plans, when you review, and what it captures. Language and zoom are picked in the side panel, so they are not repeated here.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-general.jpg"><img src="/docs/assets/screenshots/settings-general.jpg" alt="WebBrain General settings with the search box, appearance, download folder, planning and plan review controls"></a><figcaption>General starts with the controls you are most likely to use. Click the image to view it at full size.</figcaption></figure><h3>Planning controls</h3><ul><li><strong>Try planning</strong> is the best general choice. WebBrain attempts a structured plan before Act or Dev tools run; if planner formatting still fails after repair, that turn continues with the Ask prompt and read-only tools.</li><li><strong>Strict planning</strong> cancels the run when a valid plan cannot be produced. Use it where “no plan, no action” matters more than convenience.</li><li><strong>Off</strong> removes the extra full-plan call, while retaining the compact intent check and its safe read-only fallback. It can be faster and cheaper, but you lose the plan review checkpoint.</li></ul>- <h3>Steps and timeouts</h3><p>The step limit counts tool-use steps for one message, not chat messages. Higher values allow longer workflows and more chances to recover, but they can also spend more tokens. The timeout only governs how long WebBrain waits for the model to start responding; it does not cut off a response that is already streaming.</p>- <div class="callout warning"><strong class="callout-title">Unlimited is not the same as reliable</strong><p>Setting the step slider to ∞ removes a mechanical stop. It does not make a model less likely to loop. Keep a finite limit unless you are actively supervising a long job.</p></div>+ <h3>Auto-screenshot</h3><p><strong>On navigation</strong> (the default) takes one picture after the agent opens a page, so the vision model sees where it landed. <strong>On state change</strong> also captures after clicks, typing and other actions that change the page, which costs more image tokens; <strong>Every step</strong> captures after every tool call; <strong>Off</strong> captures only when asked.</p>+ <h3>Search</h3><p>The search box above the tabs looks through General, Budgets, CAPTCHA and Advanced at once and shows each match under its tab name. Picking a tab ends the search.</p></section>- <section class="doc-section" id="advanced"><div class="eyebrow">Expert drawer</div><h2>Advanced: open it for a reason</h2><p>Use the General search box to jump directly to a control. Searching also opens the Advanced drawer when the matching setting lives there.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-advanced.jpg"><img src="/docs/assets/screenshots/settings-advanced.jpg" alt="General settings filtered to the Strict secret handling advanced control"></a><figcaption>Search is safer than scanning a long advanced list: it keeps the control and its full explanation together.</figcaption></figure>- <div class="table-wrap"><table><thead><tr><th>Setting</th><th>Leave it…</th><th>Change it when…</th></tr></thead><tbody><tr><td>Screenshot fallback</td><td>On if your model can see images</td><td>DOM reading misses canvas, charts, or visually rendered content.</td></tr><tr><td>Site adapters</td><td>On</td><td>You are debugging token use or want to disable site-specific guidance.</td></tr><tr><td>Voice input</td><td>On</td><td>You do not want the microphone affordance.</td></tr><tr><td>API mutation observer</td><td>Off</td><td>You are investigating repeated UI actions and API shortcut suggestions.</td></tr><tr><td>Auto-screenshot</td><td>On state change</td><td>You need lower image-token use, or need a picture after every action.</td></tr><tr><td>Record traces</td><td>Off</td><td>You are comparing models or diagnosing a run and accept local trace storage.</td></tr><tr><td>Cloud cost allowances</td><td>$10 defaults</td><td>You want a lower or higher mechanical spending stop for paid model calls.</td></tr><tr><td>Strict secret handling</td><td>Off for ordinary personal use</td><td>You screen-share or export traces and never want credentials quoted.</td></tr><tr><td>Allow local network</td><td>Off</td><td>The agent must reach localhost, an intranet, or a self-hosted private address.</td></tr><tr><td>CAPTCHA solver</td><td>Off</td><td>You configure an account with one or more supported CAPTCHA services. <a href="/docs/captcha/">Provider coverage and setup</a>.</td></tr></tbody></table></div>+ <section class="doc-section" id="budgets"><div class="eyebrow">Limits</div><h2>Budgets: how far one task may go</h2><p>Budgets gathers every limit on spending, waiting and work in one tab: the cloud cost allowances, how long a question waits for you, the step limit, the model timeout and the screenshot image budget.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-budgets.jpg"><img src="/docs/assets/screenshots/settings-budgets.jpg" alt="WebBrain Budgets settings with the cloud cost allowances, question timeout, step limit, request timeout and image budget"></a><figcaption>Every mechanical stop in one place. Example values are the defaults.</figcaption></figure><div class="table-wrap"><table><thead><tr><th>Setting</th><th>Default</th><th>What it limits</th></tr></thead><tbody><tr><td>Cloud cost session allowance</td><td>$10.00</td><td>Estimated spend on cloud and router model calls in one conversation. WebBrain stops before the next call once it is reached.</td></tr><tr><td>Cloud cost total allowance</td><td>$10.00</td><td>Estimated spend across all conversations. The label shows what has been spent so far, for example <code>$0.00 / $10.00</code>; <strong>Reset spend</strong> starts the count again.</td></tr><tr><td>Clarify timeout</td><td>60 seconds</td><td>How long a question card waits for your answer before WebBrain answers it itself. Instant and Off are at the ends of the slider.</td></tr><tr><td>When a question times out</td><td>Finish the task</td><td>Whether the timed-out answer keeps the task moving or takes the safe choice.</td></tr><tr><td>Max Agent Steps</td><td>130</td><td>Tool-use steps for one message, not chat messages.</td></tr><tr><td>LLM request timeout</td><td>120 seconds</td><td>How long WebBrain waits for the model to start answering.</td></tr><tr><td>Image budget</td><td>Auto detail, no per-turn limit, 1568 px</td><td>How many screenshots a turn may send to the vision model and at what size.</td></tr></tbody></table></div>+ <h3>Steps and timeouts</h3><p>Higher step limits allow longer workflows and more chances to recover, but they can also spend more tokens. The request timeout only governs how long WebBrain waits for the model to start responding; it does not cut off a response that is already streaming.</p>+ <div class="callout warning"><strong class="callout-title">Unlimited is not the same as reliable</strong><p>Setting the step slider to ∞ removes a mechanical stop. It does not make a model less likely to loop. Keep a finite limit unless you are actively supervising a long job.</p></div></section>- <section class="doc-section" id="captcha"><h2>CAPTCHA solvers</h2><p>General → Advanced has a dedicated block for CapSolver, 2Captcha, CapMonster Cloud, SolveCaptcha, Anti-Captcha, NopeCHA and NoneCap. Entering a key checks its enabled box; you can turn it off while keeping the key. Save persists that choice. Testing a balance does not enable solving.</p><p>Expand a provider’s Advanced section to adjust its weight. Defaults are 100 through 94 in the order above. Enable any number; compatible providers run from highest weight to lowest. Errors and timeouts can cause more than one service to charge.</p><p>hCaptcha uses NopeCHA or NoneCap. Other families have provider-specific coverage and input requirements. See the <a href="/docs/captcha/">CAPTCHA guide</a> for the full coverage table, fallback behavior, privacy and page-application limits.</p></section>- <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="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>++ <section class="doc-section" id="skills"><div class="eyebrow">Trust decision</div><h2>Skills: extra instructions and tools</h2><p>A skill can add instructions to the system prompt. A skill containing a <code>webbrain-tools</code> manifest can also expose HTTP or download-job tools. Imported skill text is copied into browser local storage and sent to your configured LLM as part of the system prompt.</p><div class="callout warning"><strong class="callout-title">Importing is approval</strong><p>Only import a skill you trust. Its declared HTTPS tools can send their declared inputs to the declared endpoint without a new prompt for every call. Download tools still use the normal Downloads permission gate before saving a file.</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><p>Vision and Decision models both default to <strong>Auto</strong>. In Chrome with hardware WebGPU, Auto uses <strong>Ternary Bonsai 2 2B Vision</strong> (about 1.45 GB, runs on your device) once it is downloaded (while WebBrain Cloud is active, Compass’s managed decision model answers decisions instead), and nothing before that. The <strong>Download a local model</strong> button on the install page, <strong>Providers → WebGPU</strong>, the Vision card and Apocalypse Mode all download that same model, so one download covers chat, screenshots and decisions.</p>- <h3>Vision</h3><p>Pick what reads screenshots. An OpenAI-compatible endpoint, if you save one, reads every screenshot while the active provider keeps planning and tool calls. Without one, the active model reads screenshots itself if it can see images; if it cannot, the in-browser vision model does (Chrome only). Leave everything at its default to let the active provider handle vision. Screenshot limits and redaction are grouped here too.</p><p>The in-browser vision model has four settings:</p><ul><li><strong>Auto</strong> (default): uses Ternary Bonsai 2 2B Vision once it is downloaded and stays off until then.</li><li><strong>Ternary Bonsai 2 2B Vision</strong>: about 1.45 GB. The same model also chats and answers decisions.</li><li><strong>WebBrain VL 2 450M</strong>: about 810 MB, vision only. Its first download asks for your consent and checks WebGPU.</li><li><strong>Off</strong>: no in-browser vision model.</li></ul><p>Changing the setting never downloads anything; use the card’s <strong>Download</strong> button. Tasks never wait for a download, and screenshots read in the browser stay on your device. Firefox has no in-browser vision model.</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: the Vision card with the in-browser vision model set to Auto and the optional OpenAI-compatible endpoint"></a><figcaption>A fresh install: the in-browser vision model is on Auto and stays off until Ternary Bonsai 2 2B Vision is downloaded.</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>Decision models</h3><p>A decision model is a small, fast model that answers the agent’s yes-or-no and multiple-choice questions, such as “Is this task finished?”, so your chat model doesn’t have to. It never plans, clicks or types. Choose one mode:</p><ul><li><strong>Auto</strong> (default): nothing to set up. In Chrome it uses Ternary Bonsai 2 2B Vision once it is downloaded, to check whether side panel tasks and scheduled watches and tasks really finished. While WebBrain Cloud (Compass) is your chat provider, Compass’s decision model answers instead. Otherwise no decision model is used. The card shows which one is in use.</li><li><strong>On</strong>: uses the provider you set up for every decision: OpenRouter, TypeSafe, a local System One server, D1, or the in-browser chat model in Chrome. All decisions are on by default. Open <strong>Choose which decisions use it</strong> to turn off individual ones (Verify completion, Verify scheduled watches, Verify scheduled task completion, Fast classifications, Fast browser actions — Experimental) and to set thresholds.</li><li><strong>Off</strong>: never uses a decision model, Compass’s included. Your chat model still checks whether tasks are finished.</li></ul><p>A mode change applies at once; On’s provider fields use <strong>Save</strong>. <strong>Test Connection</strong> sends one request with fixed example data. <strong>Reset</strong> returns to Auto and deletes saved decision keys. Cloud decision providers receive limited task and page data and may cost money; Strict Secret Mode disables decision models. Profiles that had decision outsourcing turned on before these modes keep working as On with their previous switches.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-decision-models.jpg"><img src="/docs/assets/screenshots/settings-decision-models.jpg" alt="Decision models settings with Auto selected and the status line showing that no decision model is in use yet"></a><figcaption>Auto on a fresh install: nothing is downloaded yet, so no decision model is in use (unless WebBrain Cloud is your active provider, which uses Compass’s decision model). Provider fields appear only with On.</figcaption></figure>+ <section class="doc-section" id="captcha"><div class="eyebrow">When needed</div><h2>CAPTCHA: solver accounts</h2><p>The CAPTCHA tab holds CapSolver, 2Captcha, CapMonster Cloud, SolveCaptcha, Anti-Captcha, NopeCHA and NoneCap, each with its own card. Entering a key checks its enabled box; you can turn it off while keeping the key. Save persists that choice. Testing a balance does not enable solving.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-captcha.jpg"><img src="/docs/assets/screenshots/settings-captcha.jpg" alt="WebBrain CAPTCHA settings with one card per solver service"></a><figcaption>Nothing is enabled until you save a key. Testing a balance does not enable solving.</figcaption></figure><p>Expand a provider’s Advanced section to adjust its weight. Defaults are 100 through 94 in the order above. Enable any number; compatible providers run from highest weight to lowest. Errors and timeouts can cause more than one service to charge.</p><p>hCaptcha uses NopeCHA or NoneCap. Other families have provider-specific coverage and input requirements. See the <a href="/docs/captcha/">CAPTCHA guide</a> for the full coverage table, fallback behavior, privacy and page-application limits.</p></section>++ <section class="doc-section" id="advanced"><div class="eyebrow">Expert tab</div><h2>Advanced: open it for a reason</h2><p>Advanced is its own tab. Use the search box to jump straight to a control; it searches Advanced together with General, Budgets and CAPTCHA.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-advanced.jpg"><img src="/docs/assets/screenshots/settings-advanced.jpg" alt="WebBrain Advanced settings with Help Improve WebBrain, Record traces and local feedback diagnostics"></a><figcaption>Each control keeps its full explanation next to it.</figcaption></figure>+ <div class="table-wrap"><table><thead><tr><th>Setting</th><th>Leave it…</th><th>Change it when…</th></tr></thead><tbody><tr><td>Record traces</td><td>Off</td><td>You are comparing models or diagnosing a run and accept local trace storage. One switch records each run with its full request details: prompts, messages, tool schemas and results.</td></tr><tr><td>Screenshot fallback</td><td>On if your model can see images</td><td>DOM reading misses canvas, charts, or visually rendered content.</td></tr><tr><td>Screenshot redaction</td><td>Off</td><td>You want WebBrain to blur form fields and text that looks like personal data before screenshots reach a vision model. It is best-effort, not a guarantee.</td></tr><tr><td>Site adapters</td><td>On</td><td>You are debugging token use or want to disable site-specific guidance.</td></tr><tr><td>Voice input</td><td>On</td><td>You do not want the microphone affordance.</td></tr><tr><td>API mutation observer</td><td>Off</td><td>You are investigating repeated UI actions and API shortcut suggestions.</td></tr><tr><td>Strict secret handling</td><td>Off for ordinary personal use</td><td>You screen-share or export traces and never want credentials quoted.</td></tr><tr><td>Allow local network</td><td>Off</td><td>The agent must reach localhost, an intranet, or a self-hosted private address.</td></tr></tbody></table></div></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>+ <section class="doc-section" id="providers"><div class="eyebrow">Everyday</div><h2>Providers: choose the brain</h2><p>Providers is a page of its own. Open it from <strong>More…</strong> in the side panel’s model menu or from the <strong>Providers</strong> link at the top of Settings. Its first tab, <strong>LLM</strong>, lists the chat providers; the other tabs hold the helper models described below.</p><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 page, LLM tab, 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="skills"><div class="eyebrow">Trust decision</div><h2>Skills: extra instructions and tools</h2><p>A skill can add instructions to the system prompt. A skill containing a <code>webbrain-tools</code> manifest can also expose HTTP or download-job tools. Imported skill text is copied into browser local storage and sent to your configured LLM as part of the system prompt.</p><div class="callout warning"><strong class="callout-title">Importing is approval</strong><p>Only import a skill you trust. Its declared HTTPS tools can send their declared inputs to the declared endpoint without a new prompt for every call. Download tools still use the normal Downloads permission gate before saving a file.</p></div></section>+ <section class="doc-section" id="multimodal"><div class="eyebrow">When needed</div><h2>Vision, speech and decision models: support the main agent</h2><p>Choose the main conversation model on the <strong>LLM</strong> tab of the Providers page. The page’s other tabs hold optional helper models: <strong>Vision</strong>, <strong>Speech</strong>, <strong>Generative</strong> (images and video), <strong>Decision</strong> and <strong>SafeSocial</strong>. Configuring one does not change your active provider.</p><p>Vision and Decision models both default to <strong>Auto</strong>. In Chrome with hardware WebGPU, Auto uses <strong>Ternary Bonsai 2 2B Vision</strong> (about 1.45 GB, runs on your device) once it is downloaded (while WebBrain Cloud is active, Compass’s managed decision model answers decisions instead), and nothing before that. The <strong>Download a local model</strong> button on the install page, <strong>Providers → WebGPU</strong>, the Vision card and Apocalypse Mode all download that same model, so one download covers chat, screenshots and decisions.</p>+ <h3>Vision</h3><p>Pick what reads screenshots. An OpenAI-compatible endpoint, if you save one, reads every screenshot while the active provider keeps planning and tool calls. Without one, the active model reads screenshots itself if it can see images; if it cannot, the in-browser vision model does (Chrome only). Leave everything at its default to let the active provider handle vision. Screenshot limits are in Settings → Budgets and redaction in Settings → Advanced.</p><p>The in-browser vision model has four settings:</p><ul><li><strong>Auto</strong> (default): uses Ternary Bonsai 2 2B Vision once it is downloaded and stays off until then.</li><li><strong>Ternary Bonsai 2 2B Vision</strong>: about 1.45 GB. The same model also chats and answers decisions.</li><li><strong>WebBrain VL 2 450M</strong>: about 810 MB, vision only. Its first download asks for your consent and checks WebGPU.</li><li><strong>Off</strong>: no in-browser vision model.</li></ul><p>Changing the setting never downloads anything; use the card’s <strong>Download</strong> button. Tasks never wait for a download, and screenshots read in the browser stay on your device. Firefox has no in-browser vision model.</p><figure class="shot"><a href="/docs/assets/screenshots/providers-vision.jpg"><img src="/docs/assets/screenshots/providers-vision.jpg" alt="Vision tab of the Providers page: the in-browser vision model set to Auto and the optional OpenAI-compatible endpoint"></a><figcaption>A fresh install: the in-browser vision model is on Auto and stays off until Ternary Bonsai 2 2B Vision is downloaded.</figcaption></figure>+ <h3>Speech</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>Generative</h3><p>Connect fal.ai, OpenRouter, ComfyRouter or a local ComfyUI server for the image and video generation tool. Nothing is configured by default.</p>+ <h3>Decision</h3><p>A decision model is a small, fast model that answers the agent’s yes-or-no and multiple-choice questions, such as “Is this task finished?”, so your chat model doesn’t have to. It never plans, clicks or types. Choose one mode:</p><ul><li><strong>Auto</strong> (default): nothing to set up. In Chrome it uses Ternary Bonsai 2 2B Vision once it is downloaded, to check whether side panel tasks and scheduled watches and tasks really finished. While WebBrain Cloud (Compass) is your chat provider, Compass’s decision model answers instead. Otherwise no decision model is used. The card shows which one is in use.</li><li><strong>On</strong>: uses the provider you set up for every decision: OpenRouter, TypeSafe, a local System One server, D1, or the in-browser chat model in Chrome. All decisions are on by default. Open <strong>Choose which decisions use it</strong> to turn off individual ones (Verify completion, Verify scheduled watches, Verify scheduled task completion, Fast classifications, Fast browser actions — Experimental) and to set thresholds.</li><li><strong>Off</strong>: never uses a decision model, Compass’s included. Your chat model still checks whether tasks are finished.</li></ul><p>A mode change applies at once; On’s provider fields use <strong>Save</strong>. <strong>Test Connection</strong> sends one request with fixed example data. <strong>Reset</strong> returns to Auto and deletes saved decision keys. Cloud decision providers receive limited task and page data and may cost money; Strict Secret Mode disables decision models. Profiles that had decision outsourcing turned on before these modes keep working as On with their previous switches.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-decision-models.jpg"><img src="/docs/assets/screenshots/settings-decision-models.jpg" alt="Decision models settings with Auto selected and the status line showing that no decision model is in use yet"></a><figcaption>Auto on a fresh install: nothing is downloaded yet, so no decision model is in use (unless WebBrain Cloud is your active provider, which uses Compass’s decision model). Provider fields appear only with On.</figcaption></figure>+ <h3>SafeSocial</h3><p>An optional on-device image classifier for Instagram feeds. It is off until you turn it on; the model downloads once and runs in the browser.</p>+ </section>- <section class="doc-section" id="permissions"><div class="eyebrow">Everyday safety</div><h2>Permissions: where WebBrain may act</h2><p>Keep <strong>Ask before consequential actions</strong> on. When you choose “Always allow” in the side panel, Settings records a specific capability for a specific site. A click grant is not automatically a typing, download, upload, JavaScript, or scheduling grant.</p><p>The same switch sits in the side panel: the <strong>⚠</strong> button next to the microphone in the message box opens it, with a link to the site list. While prompts are off, that button stays orange with a dot. Switching prompts off there never approves a permission card that is already waiting; answer that card yourself.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-permissions.jpg"><img src="/docs/assets/screenshots/settings-permissions.jpg" alt="WebBrain Permissions settings with the master safety switch and per-site capability grants"></a><figcaption>Revoke one capability to make WebBrain ask again next time, or clear the whole list.</figcaption></figure><div class="callout danger"><strong class="callout-title">The master switch is global</strong><p>Turning it off allows prompt-free actions on every site until you turn it back on. This is much broader than granting one capability to one host.</p></div></section>+ <section class="doc-section" id="permissions"><div class="eyebrow">Everyday safety</div><h2>Permissions: where WebBrain may act</h2><p>Permissions is a page of its own. Keep <strong>Ask before consequential actions</strong> on. When you choose “Always allow” in the side panel, WebBrain records a specific capability for a specific site, and the Permissions page lists it. A click grant is not automatically a typing, download, upload, JavaScript, or scheduling grant.</p><p>The same switch sits in the side panel: the <strong>⚠</strong> button next to the microphone in the message box opens it, with a link to the Permissions page. While prompts are off, that button stays orange with a dot. Switching prompts off there never approves a permission card that is already waiting; answer that card yourself.</p><figure class="shot"><a href="/docs/assets/screenshots/settings-permissions.jpg"><img src="/docs/assets/screenshots/settings-permissions.jpg" alt="WebBrain Permissions page with the master safety switch and per-site capability grants"></a><figcaption>Revoke one capability to make WebBrain ask again next time, or clear the whole list.</figcaption></figure><div class="callout danger"><strong class="callout-title">The master switch is global</strong><p>Turning it off allows prompt-free actions on every site until you turn it back on. This is much broader than granting one capability to one host.</p></div></section><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="#captcha">CAPTCHA solvers</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>+ <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="#budgets">Budgets</a><a href="#memory">Memory</a><a href="#skills">Skills</a><a href="#captcha">CAPTCHA</a><a href="#advanced">Advanced</a><a href="#providers">Providers</a><a href="#multimodal">Vision, speech & decision</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.htmlindex b999d0d9d..fd6464c46 100644--- a/web/docs/th/faq/index.html+++ b/web/docs/th/faq/index.html@@ -257,7 +257,7 @@"name": "การกรอกโปรไฟล์อัตโนมัติทำงานอย่างไร และปลอดภัยไหม?","acceptedAnswer": {"@type": "Answer",- "text": "การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน การตั้งค่า → โปรไฟล์ คุณกรอกประวัติย่อ — ชื่อ อีเมลที่ทำงาน บริษัท และรหัสผ่าน ใช้แล้วทิ้ง สำหรับการสมัครเสี่ยงต่ำ — แล้วเปิดใช้งาน เมื่อเปิดใช้ WebBrain จะเพิ่มข้อความนั้นต่อท้าย system prompt ของเอเจนต์ เพื่อให้มันกรอกฟอร์มสมัครได้โดยไม่ต้องถามทุกครั้ง ข้อความถูกเก็บ เป็นข้อความธรรมดา ใน local storage ของเบราว์เซอร์ มัน จะไม่ ถูกส่งไปยังโปรเจกต์ WebBrain แต่ จะถูกส่ง ไปยังผู้ให้บริการ LLM ที่คุณตั้งค่าไว้ในทุกเทิร์น ในฐานะส่วนหนึ่งของ system prompt ปิดเป็นค่าเริ่มต้น อย่าใส่รหัสผ่านของบัญชีสำคัญ ที่นี่ (Google, Apple, iCloud, ธนาคาร, SSO ที่ทำงาน, อีเมลหลัก) บัญชีเหล่านั้นควรใช้ 2FA และไม่ควรมอบให้เอเจนต์อยู่แล้ว กรณีใช้งานที่ตั้งใจคือรหัสผ่านใช้แล้วทิ้งที่คุณใช้ซ้ำสำหรับการสมัครจดหมายข่าวและการทดลองใช้ฟรี"+ "text": "การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน การตั้งค่า → หน่วยความจำ คุณกรอกประวัติย่อ — ชื่อ อีเมลที่ทำงาน บริษัท และรหัสผ่าน ใช้แล้วทิ้ง สำหรับการสมัครเสี่ยงต่ำ — แล้วเปิดใช้งาน เมื่อเปิดใช้ WebBrain จะเพิ่มข้อความนั้นต่อท้าย system prompt ของเอเจนต์ เพื่อให้มันกรอกฟอร์มสมัครได้โดยไม่ต้องถามทุกครั้ง ข้อความถูกเก็บ เป็นข้อความธรรมดา ใน local storage ของเบราว์เซอร์ มัน จะไม่ ถูกส่งไปยังโปรเจกต์ WebBrain แต่ จะถูกส่ง ไปยังผู้ให้บริการ LLM ที่คุณตั้งค่าไว้ในทุกเทิร์น ในฐานะส่วนหนึ่งของ system prompt ปิดเป็นค่าเริ่มต้น อย่าใส่รหัสผ่านของบัญชีสำคัญ ที่นี่ (Google, Apple, iCloud, ธนาคาร, SSO ที่ทำงาน, อีเมลหลัก) บัญชีเหล่านั้นควรใช้ 2FA และไม่ควรมอบให้เอเจนต์อยู่แล้ว กรณีใช้งานที่ตั้งใจคือรหัสผ่านใช้แล้วทิ้งที่คุณใช้ซ้ำสำหรับการสมัครจดหมายข่าวและการทดลองใช้ฟรี"}},{@@ -265,7 +265,7 @@"name": "การตั้งค่าเบลอภาพหน้าจอรับประกันหรือไม่ว่าข้อมูลส่วนตัวของฉันจะไม่มีวันไปถึงโมเดลวิชั่นบนคลาวด์?","acceptedAnswer": {"@type": "Answer",- "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)"+ "text": "ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (การตั้งค่า → ขั้นสูง → 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 ผู้ให้บริการ → การมองเห็น (ดู \"WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?\" ด้านบน)"}},{@@ -305,7 +305,7 @@"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 → โมเดลเสริม → 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 ผู้ให้บริการ → การมองเห็น ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์"}},{@@ -615,7 +615,7 @@</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 → โมเดลเสริม → 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>ผู้ให้บริการ → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>การกรอกโปรไฟล์อัตโนมัติทำงานอย่างไร และปลอดภัยไหม?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน <strong>การตั้งค่า → หน่วยความจำ</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></div></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 → 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 <em>ข้อความ</em>ในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</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>+ <div class="faq-answer"><p>ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (<strong>การตั้งค่า → ขั้นสูง → 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 <em>ข้อความ</em>ในหน้าเว็บที่ส่งไปยังโมเดลจะไม่ถูกเบลอโดยการตั้งค่านี้</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>ผู้ให้บริการ → 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.htmlindex ef0b81f38..0064615d4 100644--- a/web/docs/tl/faq/index.html+++ b/web/docs/tl/faq/index.html@@ -257,7 +257,7 @@"name": "Paano gumagana ang Profile auto-fill, at ligtas ba ito?","acceptedAnswer": {"@type": "Answer",- "text": "Ang Profile auto-fill ay isang opsyonal na tampok sa Settings → Profile. Maglalagay ka ng maikling bio — pangalan, work email, kumpanya, at isang isahang-gamit 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. Ang text ay nakaimbak bilang plain text sa local storage ng iyong browser. Hindi ito ipinapadala sa proyektong WebBrain, ngunit ipinapadala ito sa kung anong LLM provider ang iyong na-configure sa bawat turn, bilang bahagi ng system prompt. Naka-off bilang default. Huwag maglagay ng mga password para sa mahahalagang account (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."+ "text": "Ang Profile auto-fill ay isang opsyonal na tampok sa Settings → Memory. Maglalagay ka ng maikling bio — pangalan, work email, kumpanya, at isang isahang-gamit 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. Ang text ay nakaimbak bilang plain text sa local storage ng iyong browser. Hindi ito ipinapadala sa proyektong WebBrain, ngunit ipinapadala ito sa kung anong LLM provider ang iyong na-configure sa bawat turn, bilang bahagi ng system prompt. Naka-off bilang default. Huwag maglagay ng mga password para sa mahahalagang account (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (Settings → Advanced → 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 Mga Provider → Bisyon (tingnan ang \"Paano kinokontrol ng WebBrain ang singil sa cloud LLM?\" sa itaas)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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 Mga Provider → 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."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Mga Provider → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Paano gumagana ang Profile auto-fill, at ligtas ba ito?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Ang Profile auto-fill ay isang opsyonal na tampok sa <strong>Settings → Memory</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></div></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 → 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>+ <div class="faq-answer"><p>Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (<strong>Settings → Advanced → 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>Mga Provider → 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.htmlindex ea49b5085..764982f7e 100644--- a/web/docs/tr/faq/index.html+++ b/web/docs/tr/faq/index.html@@ -209,7 +209,7 @@"name": "Bana çok fazla soru soruyor. Bunu devre dışı bırakabilir miyim?","acceptedAnswer": {"@type": "Answer",- "text": "Bu onay istemleri güvenliğiniz içindir. Güvendiğiniz sitelerde bile kötü niyetli kişiler LLM talimatlarını taklit edebilir veya ajanın sizin adınıza onaylamayacağınız şeyler yapmasını sağlamaya çalışan içerikler enjekte edebilir. Bu yüzden WebBrain sonuç doğuran eylemlerden önce onayınızı ister. Yine de bu istemlerden geçmek istemiyorsanız, yan panele /dangerously-skip-permissions yazın veya devre dışı bırakabilirsiniz: yan eklentiyi açın, başlıktaki tekerlek simgesine tıklayın, settings.html içindeki Permissions sekmesine gidin ve Ask before consequential actions seçeneğini kapatın. Yan paneldeki mesaj kutusunda mikrofonun yanındaki ⚠ düğmesi de aynı anahtarı açar."+ "text": "Bu onay istemleri güvenliğiniz içindir. Güvendiğiniz sitelerde bile kötü niyetli kişiler LLM talimatlarını taklit edebilir veya ajanın sizin adınıza onaylamayacağınız şeyler yapmasını sağlamaya çalışan içerikler enjekte edebilir. Bu yüzden WebBrain sonuç doğuran eylemlerden önce onayınızı ister. Yine de bu istemlerden geçmek istemiyorsanız, yan panele /dangerously-skip-permissions yazın veya devre dışı bırakabilirsiniz: yan eklentiyi açın, başlıktaki tekerlek simgesine tıklayın, settings.html içindeki Permissions sekmesine gidin ve Ask before consequential actions seçeneğini kapatın."}},{@@ -257,7 +257,7 @@"name": "Profil otomatik doldurma nasıl çalışır ve güvenli mi?","acceptedAnswer": {"@type": "Answer",- "text": "Profil otomatik doldurma, Ayarlar → Profil altında isteğe bağlı bir özelliktir. Kısa bir biyografi girersin — ad, iş e-postası, şirket ve düşük riskli kayıtlar için tek kullanımlık bir parola — ve açarsın. Etkinleştirildiğinde WebBrain bu metni ajanın sistem istemine ekler, böylece kayıt formlarını her seferinde sormadan doldurabilir. Metin tarayıcının yerel depolamasında düz metin olarak saklanır. WebBrain projesine iletilmez ama yapılandırdığın LLM sağlayıcısına her turda sistem isteminin bir parçası olarak gönderilir. Varsayılan kapalı. Önemli hesapların parolalarını (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."+ "text": "Profil otomatik doldurma, Ayarlar → Bellek altında isteğe bağlı bir özelliktir. Kısa bir biyografi girersin — ad, iş e-postası, şirket ve düşük riskli kayıtlar için tek kullanımlık bir parola — ve açarsın. Etkinleştirildiğinde WebBrain bu metni ajanın sistem istemine ekler, böylece kayıt formlarını her seferinde sormadan doldurabilir. Metin tarayıcının yerel depolamasında düz metin olarak saklanır. WebBrain projesine iletilmez ama yapılandırdığın LLM sağlayıcısına her turda sistem isteminin bir parçası olarak gönderilir. Varsayılan kapalı. Önemli hesapların parolalarını (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (Ayarlar → Gelişmiş → 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 Sağlayıcılar → Görme altından yapılandırın (yukarıdaki \"WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?\" bölümüne bakın)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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. Sağlayıcılar → Görme altında yapılandırılır. Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Sağlayıcılar → 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>@@ -697,7 +697,7 @@</details><details class="faq-question" id="disable-approval-questions" data-faq-item><summary><span>Bana çok fazla soru soruyor. Bunu devre dışı bırakabilir miyim?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><p>Bu onay istemleri güvenliğiniz içindir. Güvendiğiniz sitelerde bile kötü niyetli kişiler LLM talimatlarını taklit edebilir veya ajanın sizin adınıza onaylamayacağınız şeyler yapmasını sağlamaya çalışan içerikler enjekte edebilir. Bu yüzden WebBrain sonuç doğuran eylemlerden önce onayınızı ister. Yine de bu istemlerden geçmek istemiyorsanız, yan panele <code>/dangerously-skip-permissions</code> yazın veya devre dışı bırakabilirsiniz: yan eklentiyi açın, başlıktaki tekerlek simgesine tıklayın, <code>settings.html</code> içindeki <strong>Permissions</strong> sekmesine gidin ve <strong>Ask before consequential actions</strong> seçeneğini kapatın. Yan paneldeki mesaj kutusunda mikrofonun yanındaki ⚠ düğmesi de aynı anahtarı açar.</p></div>+ <div class="faq-answer"><p>Bu onay istemleri güvenliğiniz içindir. Güvendiğiniz sitelerde bile kötü niyetli kişiler LLM talimatlarını taklit edebilir veya ajanın sizin adınıza onaylamayacağınız şeyler yapmasını sağlamaya çalışan içerikler enjekte edebilir. Bu yüzden WebBrain sonuç doğuran eylemlerden önce onayınızı ister. Yine de bu istemlerden geçmek istemiyorsanız, yan panele <code>/dangerously-skip-permissions</code> yazın veya devre dışı bırakabilirsiniz: yan eklentiyi açın, başlıktaki tekerlek simgesine tıklayın, <code>settings.html</code> içindeki <strong>Permissions</strong> sekmesine gidin ve <strong>Ask before consequential actions</strong> seçeneğini kapatın.</p></div></details><details class="faq-question" id="api-mutations" data-faq-item><summary><span>WebBrain API'leri doğrudan mı çağırır, yoksa her zaman arayüzden mi gider?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Profil otomatik doldurma nasıl çalışır ve güvenli mi?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Profil otomatik doldurma, <strong>Ayarlar → Bellek</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></div></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 → 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>+ <div class="faq-answer"><p>Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (<strong>Ayarlar → Gelişmiş → 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>Sağlayıcılar → 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.htmlindex 7f2df46c4..4d576b213 100644--- a/web/docs/uk/faq/index.html+++ b/web/docs/uk/faq/index.html@@ -257,7 +257,7 @@"name": "Як працює автозаповнення профілю і чи це безпечно?","acceptedAnswer": {"@type": "Answer",- "text": "Автозаповнення профілю — опціональна функція в Налаштування → Профіль. Ви пишете коротке біо — ім'я, робочий email, компанію та одноразовий 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. Текст зберігається у відкритому вигляді в локальному сховищі браузера. Він не надсилається в проєкт WebBrain, але надсилається тому LLM-провайдеру, якого ви налаштували, на кожному ходу як частина системного prompt. За замовчуванням вимкнено. Не вводьте сюди паролі важливих акаунтів (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."+ "text": "Автозаповнення профілю — опціональна функція в Налаштування → Пам’ять. Ви пишете коротке біо — ім'я, робочий email, компанію та одноразовий 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. Текст зберігається у відкритому вигляді в локальному сховищі браузера. Він не надсилається в проєкт WebBrain, але надсилається тому LLM-провайдеру, якого ви налаштували, на кожному ходу як частина системного prompt. За замовчуванням вимкнено. Не вводьте сюди паролі важливих акаунтів (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (Налаштування → Розширені → 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 Провайдери → Зір (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище)."}},{@@ -305,7 +305,7 @@"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 → Допоміжні моделі → 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 Провайдери → Зір. Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Провайдери → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Як працює автозаповнення профілю і чи це безпечно?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Автозаповнення профілю — опціональна функція в <strong>Налаштування → Пам’ять</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></div></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 → 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: <em>текст</em> 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>+ <div class="faq-answer"><p>Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (<strong>Налаштування → Розширені → 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: <em>текст</em> 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>Провайдери → 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.htmlindex 4be07c2fd..badbf2524 100644--- a/web/docs/vi/faq/index.html+++ b/web/docs/vi/faq/index.html@@ -257,7 +257,7 @@"name": "Tính năng tự động điền hồ sơ hoạt động như thế nào và có an toàn không?","acceptedAnswer": {"@type": "Answer",- "text": "Tự động điền hồ sơ là một tính năng tùy chọn trong Cài đặt → Hồ sơ. Bạn nhập một tiểu sử ngắn gọn — tên, email công việc, công ty và địa chỉ đồ bỏ đi 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. Văn bản được lưu trữ trong bản rõ trong bộ nhớ cục bộ của trình duyệt của bạn. Đó là không được truyền tới dự án WebBrain, nhưng nó là 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. Không đặt mật khẩu cho những tài khoản quan trọng (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."+ "text": "Tự động điền hồ sơ là một tính năng tùy chọn trong Cài đặt → Bộ nhớ. Bạn nhập một tiểu sử ngắn gọn — tên, email công việc, công ty và địa chỉ đồ bỏ đi 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. Văn bản được lưu trữ trong bản rõ trong bộ nhớ cục bộ của trình duyệt của bạn. Đó là không được truyền tới dự án WebBrain, nhưng nó là 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. Không đặt mật khẩu cho những tài khoản quan trọng (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."}},{@@ -265,7 +265,7 @@"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 → 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)."+ "text": "Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (Cài đặt → Nâng cao → 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 Nhà cung cấp → Tầm nhìn (xem \"WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?\" ở trên)."}},{@@ -305,7 +305,7 @@"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 → 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."+ "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 Nhà cung cấp → 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."}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>Nhà cung cấp → 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>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>Tính năng tự động điền hồ sơ hoạt động như thế nào và có an toàn không?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>Tự động điền hồ sơ là một tính năng tùy chọn trong <strong>Cài đặt → Bộ nhớ</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></div></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 → 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>+ <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 → Nâng cao → 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>Nhà cung cấp → 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/apocalypse-mode/index.html b/web/docs/zh/apocalypse-mode/index.htmlindex 3fee3a7ce..3f2b5dc12 100644--- a/web/docs/zh/apocalypse-mode/index.html+++ b/web/docs/zh/apocalypse-mode/index.html@@ -26,7 +26,7 @@<section class="doc-section" id="setup"><h2>构建基础工具包</h2><ol class="step-list"><li><strong>打开末日模式。</strong>使用设置标题中的核符号末日模式控件。</li><li><strong>检查存储和连接。</strong>Chromium 基础套件包括 1.55 GB 文本模型和当前的简易英语维基百科存档。浏览器内视觉模型是可选的:Ternary Bonsai 2 2B Vision 约 1.45 GB,WebBrain VL 2 450M 约 810 MB。为临时下载状态和应急箱资源留出额外空间。</li><li><strong>开启模式。</strong>在支持的 Chromium 系统上,WebBrain 会自动启动文本模型和所需的维基百科存档,但从不自行下载视觉模型。</li><li><strong>保持浏览器打开以进行模型下载。</strong>你可以切换标签页或关闭设置,但在本地模型传输继续期间必须保持 Chrome 打开。跟踪每个项目的进度,不要仅依赖总存储数字。</li><li><strong>解决任何未就绪的项目。</strong>恢复暂停的项目、重试错误或释放存储空间。移除已完成的模型会删除其缓存文件,需要在离线使用前再次下载。</li><li><strong>测试工具包。</strong>使用视觉测试,打开维基百科阅读器,搜索一篇文章,并打开至少一个已安装的 PDF。下载不等于计划,除非你已证明可以阅读它。</li></ol></section>- <section class="doc-section" id="models"><h2>本地模型的功能</h2><div class="card-grid"><div class="card"><span class="tab-key">文本 · 1.55 GB</span><h3>LFM2.5 2.6B</h3><p>WebBrain 下载 <code>LiquidAI/LFM2.5-2.6B-ONNX</code> 的 <code>q4f16</code> 形式,用于通过 WebGPU 进行本地文本生成。就绪后在独立聊天中使用核控件。</p></div><div class="card"><span class="tab-key">视觉 · 可选</span><h3>Ternary Bonsai 2 2B Vision 或 WebBrain VL 2 450M</h3><p>本地视觉层在设备上解读截图,将视觉证据转化为上下文,无需将图像发送到远程视觉提供商。视觉模型卡片与<strong>设置 → 辅助模型 → 视觉</strong>共用同一个选项:<strong>自动</strong>(默认)会在 Ternary Bonsai 2 2B Vision(约 1.45 GB)下载完成后使用它;你也可以选择 WebBrain VL 2 450M(约 810 MB,仅用于视觉,需先在设置中同意)或关闭。如果文本模型是 Ternary Bonsai 2 2B Vision,它本身就能读取图像,无需额外下载。</p></div></div><div class="callout warning"><strong class="callout-title">末日模式不会替代你选择的提供商</strong><p>下载的文本模型是独立聊天的运行时选项。启用或下载它不会静默更改普通 WebBrain 对话使用的提供商。</p></div></section>+ <section class="doc-section" id="models"><h2>本地模型的功能</h2><div class="card-grid"><div class="card"><span class="tab-key">文本 · 1.55 GB</span><h3>LFM2.5 2.6B</h3><p>WebBrain 下载 <code>LiquidAI/LFM2.5-2.6B-ONNX</code> 的 <code>q4f16</code> 形式,用于通过 WebGPU 进行本地文本生成。就绪后在独立聊天中使用核控件。</p></div><div class="card"><span class="tab-key">视觉 · 可选</span><h3>Ternary Bonsai 2 2B Vision 或 WebBrain VL 2 450M</h3><p>本地视觉层在设备上解读截图,将视觉证据转化为上下文,无需将图像发送到远程视觉提供商。视觉模型卡片与<strong>提供商 → 视觉</strong>共用同一个选项:<strong>自动</strong>(默认)会在 Ternary Bonsai 2 2B Vision(约 1.45 GB)下载完成后使用它;你也可以选择 WebBrain VL 2 450M(约 810 MB,仅用于视觉,需先在提供商页面中同意)或关闭。如果文本模型是 Ternary Bonsai 2 2B Vision,它本身就能读取图像,无需额外下载。</p></div></div><div class="callout warning"><strong class="callout-title">末日模式不会替代你选择的提供商</strong><p>下载的文本模型是独立聊天的运行时选项。启用或下载它不会静默更改普通 WebBrain 对话使用的提供商。</p></div></section><section class="doc-section" id="wikipedia"><h2>保留你可以真正搜索的维基百科</h2><p>基础设置下载最新的紧凑型纯文本简易英语存档。当你需要其他语言、更完整版本或包含图像的版本时,打开<strong>管理存档</strong>。WebBrain 会在安装前解析存档的当前版本、日期和确切大小。</p><div class="table-wrap"><table><thead><tr><th>选项</th><th>权衡</th><th>适用场景</th></tr></thead><tbody><tr><td>纯文本</td><td>更小、下载更快;不含完整图像负载的文章文本。</td><td>紧凑参考、本地事实检索和广泛的语言覆盖。</td></tr><tr><td>包含图像</td><td>使用大量存储空间。</td><td>图表、地图和照片很重要的文章。</td></tr><tr><td>导入 <code>.zim</code> 文件</td><td>你管理源文件,重启后可能需要重新授权访问。</td><td>现有的 Kiwix 集合或在机器之间移动的存档。</td></tr></tbody></table></div><p>维基百科阅读器搜索文章标题并从本地存储打开匹配的文章。本地独立聊天可以从已安装的存档中检索紧凑的、有出处的段落。当你替换必需的简易英语存档时,WebBrain 会保留旧副本,直到替换下载并验证成功。</p></section>diff --git a/web/docs/zh/easy-cli-proxy/index.html b/web/docs/zh/easy-cli-proxy/index.htmlindex 029bc965b..b2ff348ce 100644--- a/web/docs/zh/easy-cli-proxy/index.html+++ b/web/docs/zh/easy-cli-proxy/index.html@@ -48,7 +48,7 @@<section class="doc-section" id="flow"><h2>一句话说明请求边界</h2><div class="bridge-map" aria-label="从 WebBrain 到模型提供商的请求路径"><div class="bridge-node"><strong>WebBrain</strong><span>浏览器扩展</span></div><div class="bridge-arrow" aria-hidden="true">→</div><div class="bridge-node local"><strong>127.0.0.1:8317</strong><span>EasyCLIProxyAPI + CLIProxyAPI</span></div><div class="bridge-arrow" aria-hidden="true">→</div><div class="bridge-node"><strong>提供商账户</strong><span>远程推理与账户规则</span></div></div><p>第一段连接留在你的电脑上,第二段并非如此。EasyCLIProxyAPI 在 WebBrain 之外保存上游 OAuth 信息;WebBrain 只保存你在设置中输入的本地代理客户端密钥。</p></section>- <section class="doc-section" id="setup"><div class="eyebrow">配置</div><h2>连接本地端点</h2><ol class="step-list"><li><strong>检查并安装上游程序。</strong>从 GitHub 发行页面下载 EasyCLIProxyAPI。在<strong>版本管理</strong>中安装匹配的 CLIProxyAPI 核心。</li><li><strong>把代理限制在回环地址。</strong>监听地址保持为 <code>127.0.0.1</code>,关闭局域网访问,绝不要转发端口 <code>8317</code>。用高强度随机值替换简短或默认的客户端密钥;根据版本不同,相关控件可能位于高级设置或 API 访问中。</li><li><strong>只授权你确实要使用的账户。</strong>打开 <strong>OAuth</strong>,选择 Codex、Claude、Antigravity、Kimi 或 xAI,然后在提供商页面完成登录。如果提供商展示了你不接受的条款或权限,请立即停止。</li><li><strong>启动核心并复制 OpenAI 兼容 URL。</strong>在首页启动运行时并复制 OpenAI 端点。常见默认值是 <code>http://127.0.0.1:8317/v1</code>;应以当前运行版本显示的值为准。</li><li><strong>打开 WebBrain 设置 → 提供商。</strong>搜索<strong>本地 OpenAI 兼容代理</strong>。粘贴服务器 URL 和代理客户端密钥,而不是提供商的 OAuth 令牌。</li><li><strong>加载并选择模型。</strong>点击<strong>加载模型</strong>并选择代理暴露的模型。WebBrain 会根据代理的模型列表、其后的 llama.cpp 服务器或已知托管模型的名称(最多 128k)自动填写<strong>上下文窗口</strong>;都无法得知时使用 64k。除非服务器报告了更小的窗口,否则不会覆盖你手动填写的数值;如果代理后面是不报告窗口的小型本地模型,请手动调低。只有该模型确实接受图像时才启用视觉。</li><li><strong>保存、测试,再启用。</strong>运行<strong>测试连接</strong>并确认出现绿色成功结果,然后再把它设为聊天提供商。先在非敏感内容上使用询问模式测试。</li></ol><div class="callout warning"><strong class="callout-title">不要使用 <code>0.0.0.0</code>、局域网 IP、隧道或公开反向代理</strong><p>本地客户端密钥不是安全的互联网公开认证系统。任何获得密钥的进程都可以通过已登录的提供商账户发送请求。</p></div></section>+ <section class="doc-section" id="setup"><div class="eyebrow">配置</div><h2>连接本地端点</h2><ol class="step-list"><li><strong>检查并安装上游程序。</strong>从 GitHub 发行页面下载 EasyCLIProxyAPI。在<strong>版本管理</strong>中安装匹配的 CLIProxyAPI 核心。</li><li><strong>把代理限制在回环地址。</strong>监听地址保持为 <code>127.0.0.1</code>,关闭局域网访问,绝不要转发端口 <code>8317</code>。用高强度随机值替换简短或默认的客户端密钥;根据版本不同,相关控件可能位于高级设置或 API 访问中。</li><li><strong>只授权你确实要使用的账户。</strong>打开 <strong>OAuth</strong>,选择 Codex、Claude、Antigravity、Kimi 或 xAI,然后在提供商页面完成登录。如果提供商展示了你不接受的条款或权限,请立即停止。</li><li><strong>启动核心并复制 OpenAI 兼容 URL。</strong>在首页启动运行时并复制 OpenAI 端点。常见默认值是 <code>http://127.0.0.1:8317/v1</code>;应以当前运行版本显示的值为准。</li><li><strong>打开 WebBrain 提供商页面。</strong>在侧边栏模型菜单中选择<strong>更多…</strong>,然后在 LLM 标签页中搜索<strong>本地 OpenAI 兼容代理</strong>。粘贴服务器 URL 和代理客户端密钥,而不是提供商的 OAuth 令牌。</li><li><strong>加载并选择模型。</strong>点击<strong>加载模型</strong>并选择代理暴露的模型。WebBrain 会根据代理的模型列表、其后的 llama.cpp 服务器或已知托管模型的名称(最多 128k)自动填写<strong>上下文窗口</strong>;都无法得知时使用 64k。除非服务器报告了更小的窗口,否则不会覆盖你手动填写的数值;如果代理后面是不报告窗口的小型本地模型,请手动调低。只有该模型确实接受图像时才启用视觉。</li><li><strong>保存、测试,再启用。</strong>运行<strong>测试连接</strong>并确认出现绿色成功结果,然后再把它设为聊天提供商。先在非敏感内容上使用询问模式测试。</li></ol><div class="callout warning"><strong class="callout-title">不要使用 <code>0.0.0.0</code>、局域网 IP、隧道或公开反向代理</strong><p>本地客户端密钥不是安全的互联网公开认证系统。任何获得密钥的进程都可以通过已登录的提供商账户发送请求。</p></div></section><section class="doc-section" id="troubleshooting"><h2>按症状排查问题</h2><div class="table-wrap"><table><thead><tr><th>症状</th><th>可能原因</th><th>检查方法</th></tr></thead><tbody><tr><td>连接被拒绝</td><td>CLIProxyAPI 核心未启动或端口已改变。</td><td>启动运行时,刷新首页,然后重新复制显示的 OpenAI URL。</td></tr><tr><td>未授权</td><td>WebBrain 中的密钥与代理客户端密钥不一致。</td><td>重新复制本地客户端密钥。绝不要把上游 OAuth 令牌粘贴到 WebBrain。</td></tr><tr><td>没有加载到模型</td><td>OAuth 未完成、账户未暴露兼容模型,或上游支持已经变化。</td><td>检查 OAuth/账户状态和 EasyCLIProxyAPI 日志,然后查看当前发行说明。</td></tr><tr><td>文本可用但图像失败</td><td>所选模型别名不接受图像输入。</td><td>关闭视觉,或选择代理报告为支持视觉的模型。</td></tr><tr><td>配额或账户错误</td><td>上游账户、套餐、地区或提供商政策拒绝了请求。</td><td>停止重试,直接检查提供商账户,并在可用时改用官方 API 密钥。</td></tr><tr><td>更新后模型或行为异常</td><td>桌面应用、核心、插件或提供商协议发生变化。</td><td>比较版本、查看发行说明,然后重新运行“加载模型”和“测试连接”。</td></tr></tbody></table></div></section>diff --git a/web/docs/zh/faq/index.html b/web/docs/zh/faq/index.htmlindex 07a3a65d1..ff1a64019 100644--- a/web/docs/zh/faq/index.html+++ b/web/docs/zh/faq/index.html@@ -209,7 +209,7 @@"name": "它问我的问题太多了。可以关闭吗?","acceptedAnswer": {"@type": "Answer",- "text": "这些批准提示是为了保护你的安全。即使在你信任的网站上,恶意行为者也可能伪造 LLM 指令或注入内容,试图让代理代表你执行你不会同意的操作。因此,WebBrain 在执行有后果的操作之前始终需要你的批准。如果你仍然不想经过这些提示,可以在侧边面板输入 /dangerously-skip-permissions,或者关闭它们:打开侧边插件,点击标题栏中的齿轮图标,进入 settings.html 的 Permissions 标签页,然后关闭 Ask before consequential actions 选项。侧边栏输入框中麦克风旁边的 ⚠ 按钮也能打开同一个开关。"+ "text": "这些批准提示是为了保护你的安全。即使在你信任的网站上,恶意行为者也可能伪造 LLM 指令或注入内容,试图让代理代表你执行你不会同意的操作。因此,WebBrain 在执行有后果的操作之前始终需要你的批准。如果你仍然不想经过这些提示,可以在侧边面板输入 /dangerously-skip-permissions,或者关闭它们:打开侧边插件,点击标题栏中的齿轮图标,进入 settings.html 的 Permissions 标签页,然后关闭 Ask before consequential actions 选项。"}},{@@ -257,7 +257,7 @@"name": "个人资料自动填写如何工作?它安全吗?","acceptedAnswer": {"@type": "Answer",- "text": "个人资料自动填写是 设置 → 个人资料 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一次性密码 —— 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。 该文本以明文保存在浏览器的本地存储中。它不会被传送到 WebBrain 项目,但会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。 不要在此放置重要账户的密码(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。"+ "text": "个人资料自动填写是 设置 → 记忆 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一次性密码 —— 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。 该文本以明文保存在浏览器的本地存储中。它不会被传送到 WebBrain 项目,但会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。 不要在此放置重要账户的密码(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。"}},{@@ -265,7 +265,7 @@"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 → 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?\")。"+ "text": "不能——它只是降低了暴露风险,并不是保证。启用后(设置 → 高级 → 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。请在提供商 → 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?\")。"}},{@@ -305,7 +305,7 @@"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 → 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。"+ "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 提供商 → 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。"}},{@@ -615,7 +615,7 @@</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 → 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>+ <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>提供商 → 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>@@ -697,7 +697,7 @@</details><details class="faq-question" id="disable-approval-questions" data-faq-item><summary><span>它问我的问题太多了。可以关闭吗?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><p>这些批准提示是为了保护你的安全。即使在你信任的网站上,恶意行为者也可能伪造 LLM 指令或注入内容,试图让代理代表你执行你不会同意的操作。因此,WebBrain 在执行有后果的操作之前始终需要你的批准。如果你仍然不想经过这些提示,可以在侧边面板输入 <code>/dangerously-skip-permissions</code>,或者关闭它们:打开侧边插件,点击标题栏中的齿轮图标,进入 <code>settings.html</code> 的 <strong>Permissions</strong> 标签页,然后关闭 <strong>Ask before consequential actions</strong> 选项。侧边栏输入框中麦克风旁边的 ⚠ 按钮也能打开同一个开关。</p></div>+ <div class="faq-answer"><p>这些批准提示是为了保护你的安全。即使在你信任的网站上,恶意行为者也可能伪造 LLM 指令或注入内容,试图让代理代表你执行你不会同意的操作。因此,WebBrain 在执行有后果的操作之前始终需要你的批准。如果你仍然不想经过这些提示,可以在侧边面板输入 <code>/dangerously-skip-permissions</code>,或者关闭它们:打开侧边插件,点击标题栏中的齿轮图标,进入 <code>settings.html</code> 的 <strong>Permissions</strong> 标签页,然后关闭 <strong>Ask before consequential actions</strong> 选项。</p></div></details><details class="faq-question" id="api-mutations" data-faq-item><summary><span>WebBrain 是直接调用 API,还是始终通过界面点击?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>@@ -705,11 +705,11 @@</details><details class="faq-question" id="profile" data-faq-item><summary><span>个人资料自动填写如何工作?它安全吗?</span><span class="faq-question-mark" aria-hidden="true"></span></summary>- <div class="faq-answer"><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></div>+ <div class="faq-answer"><p>个人资料自动填写是 <strong>设置 → 记忆</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></div></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 → 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>+ <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 → 高级 → 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>提供商 → 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.htmlindex be5b2ceea..0dc020a26 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>辅助模型</strong><span>视觉、语音与决策</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>设置一览</h2><p>不需要配置所有内容。提供商和权限有各自的页面;其余是设置中的标签页,另有用于特定附加功能的“技能”“CAPTCHA”和“Bridge”。每个方块底部的颜色表示普通用户需要它的频率。</p><div class="settings-map" aria-label="设置深度地图"><div class="setting-node everyday"><strong>通用</strong><span>行为与体验</span></div><div class="setting-node everyday"><strong>提供商</strong><span>模型与辅助模型</span></div><div class="setting-node everyday"><strong>权限</strong><span>允许操作的网站</span></div><div class="setting-node sometimes"><strong>预算</strong><span>花费、时间与步骤</span></div><div class="setting-node sometimes"><strong>记忆</strong><span>持久信息</span></div><div class="setting-node expert"><strong>高级</strong><span>专家开关</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/lm-studio/index.html b/web/docs/zh/lm-studio/index.htmlindex 5ba163d8b..ef70a1f50 100644--- a/web/docs/zh/lm-studio/index.html+++ b/web/docs/zh/lm-studio/index.html@@ -44,7 +44,7 @@ lms dev --install</code></pre><p>参阅 LM Studio 的 <a href="https://lmstudio.<section class="doc-section" id="public-web"><h2>无需浏览器即可使用公开 HTTP 工具</h2><h3>读取已知文章</h3><blockquote>使用 research_url 读取 https://example.com/article,给出作者的主要论点、支持证据和已说明的局限性。</blockquote><h3>检查 API 响应</h3><blockquote>使用 fetch_url 读取 https://api.example.com/status。返回 HTTP 状态和指示服务健康状况的字段。</blockquote><p><code>research_url</code> 通常更适合处理文章内容。当响应类型、JSON 结构、请求头、方法或请求体很重要时,使用 <code>fetch_url</code>。</p><div class="callout warning"><strong class="callout-title">URL 获取不等于浏览器标签页</strong><p>这些请求是匿名的,不会执行页面 JavaScript。如果结果报告 <code>spaSuspected: true</code>,或页面需要登录,请停止重试 HTTP 路线,在连接扩展后使用 <code>browser_task</code>。</p></div></section>- <section class="doc-section" id="browser"><div class="eyebrow">可选的已登录路线</div><h2>连接你正在使用的浏览器</h2><ol class="step-list"><li><strong>在 Chromium 浏览器中安装 WebBrain。</strong>桥接适用于 Chrome、Edge、Brave、Opera 和 Vivaldi。Firefox 无法承载此连接。</li><li><strong>在 LM Studio 中启用 webbrain/web-tools。</strong>插件在初始化时会打开其本地回环监听器。</li><li><strong>打开 WebBrain 设置。</strong>进入<strong>通用 → 高级 → 云桥接</strong>。</li><li><strong>设置插件 URL。</strong>输入 <code>ws://127.0.0.1:17375/extension</code>,然后启用云桥接。</li><li><strong>验证完整路径。</strong>要求 LM Studio 模型调用 <code>browser_status</code>。连接成功的结果证明插件监听器和扩展握手均已就绪。</li></ol><div class="callout"><strong class="callout-title">同一时间只能连接一个桥接目标</strong><p>扩展只有一个出站桥接套接字。端口 <code>17375</code> 将其连接到此插件,端口 <code>17374</code> 连接到 MCP 服务器,端口 <code>17373</code> 连接到 WebBrain Cloud。更改 URL 会切换目标,而不会合并它们。</p></div><div class="callout tip"><strong class="callout-title">可能涉及两个模型</strong><p>LM Studio 聊天模型决定调用 <code>browser_task</code> 并接收结果。WebBrain 扩展使用 WebBrain 内配置的活跃提供商执行委派的浏览器运行。如果页面内容必须保留在本地设备上,请将该 WebBrain 提供商也配置为使用本地模型。</p></div><h3>不改变页面的读取</h3><blockquote>使用 Ask 模式下的 browser_task 读取我浏览器中已打开的账户仪表盘,列出最近五条警报。不要更改任何内容。</blockquote><h3>通过权限闸门进行交互</h3><blockquote>使用 Act 模式下的 browser_task 打开我浏览器中已显示的草稿,将公司名称更新为 Acme Europe。在任何最终提交或确认之前停止。</blockquote></section>+ <section class="doc-section" id="browser"><div class="eyebrow">可选的已登录路线</div><h2>连接你正在使用的浏览器</h2><ol class="step-list"><li><strong>在 Chromium 浏览器中安装 WebBrain。</strong>桥接适用于 Chrome、Edge、Brave、Opera 和 Vivaldi。Firefox 无法承载此连接。</li><li><strong>在 LM Studio 中启用 webbrain/web-tools。</strong>插件在初始化时会打开其本地回环监听器。</li><li><strong>打开 WebBrain 设置。</strong>进入<strong>设置 → Bridge</strong>。</li><li><strong>设置插件 URL。</strong>输入 <code>ws://127.0.0.1:17375/extension</code>,然后启用云桥接。</li><li><strong>验证完整路径。</strong>要求 LM Studio 模型调用 <code>browser_status</code>。连接成功的结果证明插件监听器和扩展握手均已就绪。</li></ol><div class="callout"><strong class="callout-title">同一时间只能连接一个桥接目标</strong><p>扩展只有一个出站桥接套接字。端口 <code>17375</code> 将其连接到此插件,端口 <code>17374</code> 连接到 MCP 服务器,端口 <code>17373</code> 连接到 WebBrain Cloud。更改 URL 会切换目标,而不会合并它们。</p></div><div class="callout tip"><strong class="callout-title">可能涉及两个模型</strong><p>LM Studio 聊天模型决定调用 <code>browser_task</code> 并接收结果。WebBrain 扩展使用 WebBrain 内配置的活跃提供商执行委派的浏览器运行。如果页面内容必须保留在本地设备上,请将该 WebBrain 提供商也配置为使用本地模型。</p></div><h3>不改变页面的读取</h3><blockquote>使用 Ask 模式下的 browser_task 读取我浏览器中已打开的账户仪表盘,列出最近五条警报。不要更改任何内容。</blockquote><h3>通过权限闸门进行交互</h3><blockquote>使用 Act 模式下的 browser_task 打开我浏览器中已显示的草稿,将公司名称更新为 Acme Europe。在任何最终提交或确认之前停止。</blockquote></section><section class="doc-section" id="lifecycle"><h2>让正在进行的浏览器运行继续</h2><p><code>browser_task</code> 会等待结果,但其超时不会取消扩展中已在运行的工作。保留返回的 <code>runId</code>,并使用与状态匹配的恢复工具。</p><div class="status-strip" aria-label="LM Studio 浏览器任务状态"><div class="status-item"><code>running</code><span>使用 browser_status 轮询</span></div><div class="status-item waiting"><code>needs_user_input</code><span>提问,然后使用 browser_respond</span></div><div class="status-item done"><code>completed</code><span>结果已就绪</span></div><div class="status-item"><code>failed</code><span>查看错误和证据</span></div><div class="status-item"><code>aborted</code><span>已停止;之前的操作仍然有效</span></div></div><ul><li>超时后不要启动重复的 <code>browser_task</code>;轮询现有运行。</li><li>永远不要为 WebBrain 的澄清问题编造答案。询问用户并逐字转发他们的回答。</li><li><code>browser_abort</code> 停止后续步骤。它无法撤销已提交的表单、已发送的消息或其他已完成的操作。</li></ul></section>diff --git a/web/docs/zh/mcp/index.html b/web/docs/zh/mcp/index.htmlindex ef2a741ee..aab156afc 100644--- a/web/docs/zh/mcp/index.html+++ b/web/docs/zh/mcp/index.html@@ -59,7 +59,7 @@ tool_timeout_sec = 360</code></pre><p>更改文件后重启应用或 IDE 扩展--arg @webbrain/mcp-server \--timeout 360</code></pre><p><code>mcp add</code> 会在保存前探测 stdio 服务器。运行 <code>openclaw mcp status --verbose</code> 检查已保存的定义。普通的 <code>coding</code> 和 <code>messaging</code> 工具配置文件包含已配置的 MCP 服务器;<code>minimal</code> 配置文件、显式 <code>bundle-mcp</code> 拒绝或沙箱工具策略可能会隐藏它们。参阅 <a href="https://docs.openclaw.ai/cli/mcp">OpenClaw MCP 指南</a> 了解当前注册表和策略详情。</p><h3>手动运行</h3><p>手动启动对于诊断监听器很有用,但在正常使用 MCP 时不需要:</p><pre class="code-block"><code>npx -y @webbrain/mcp-server</code></pre><p>保持该终端打开。关闭它会关闭桥接监听器。从源码检出时,在 <code>mcp-server/</code> 内运行 <code>npm install</code>、<code>npm run build</code>,然后 <code>npm start</code>。</p></section>- <section class="doc-section" id="browser"><div class="eyebrow">步骤 2</div><h2>将 WebBrain 指向本地监听器</h2><ol class="step-list"><li><strong>启动或重启你的 MCP 客户端。</strong>其 WebBrain 服务器必须在扩展连接之前运行。</li><li><strong>打开 WebBrain 设置。</strong>进入<strong>通用 → 高级 → 云桥接</strong>。</li><li><strong>设置精确的 URL。</strong>输入 <code>ws://127.0.0.1:17374/extension</code>。</li><li><strong>启用云桥接。</strong>状态应从"正在连接"变为"已连接"。名称是历史原因:此目标是本地的。</li><li><strong>验证端到端连接。</strong>要求 MCP 客户端调用 <code>webbrain_connection</code>。"Connected" 证明客户端、本地服务器、WebSocket 监听器和扩展握手均已就绪。</li></ol><div class="callout"><strong class="callout-title">同一时间只能连接一个桥接目标</strong><p>扩展持有一个出站桥接套接字:WebBrain Cloud 在 <code>17373</code>、此 MCP 服务器在 <code>17374</code>,或 LM Studio 插件在 <code>17375</code>。更改 URL 会切换目标,而不会多路复用。</p></div></section>+ <section class="doc-section" id="browser"><div class="eyebrow">步骤 2</div><h2>将 WebBrain 指向本地监听器</h2><ol class="step-list"><li><strong>启动或重启你的 MCP 客户端。</strong>其 WebBrain 服务器必须在扩展连接之前运行。</li><li><strong>打开 WebBrain 设置。</strong>进入<strong>设置 → Bridge</strong>。</li><li><strong>设置精确的 URL。</strong>输入 <code>ws://127.0.0.1:17374/extension</code>。</li><li><strong>启用云桥接。</strong>状态应从"正在连接"变为"已连接"。名称是历史原因:此目标是本地的。</li><li><strong>验证端到端连接。</strong>要求 MCP 客户端调用 <code>webbrain_connection</code>。"Connected" 证明客户端、本地服务器、WebSocket 监听器和扩展握手均已就绪。</li></ol><div class="callout"><strong class="callout-title">同一时间只能连接一个桥接目标</strong><p>扩展持有一个出站桥接套接字:WebBrain Cloud 在 <code>17373</code>、此 MCP 服务器在 <code>17374</code>,或 LM Studio 插件在 <code>17375</code>。更改 URL 会切换目标,而不会多路复用。</p></div></section><section class="doc-section" id="first-task"><div class="eyebrow">步骤 3 · 直接提问</div><h2>用自然语言描述浏览器任务</h2><p>在 Codex、Claude Code、Cursor、OpenClaw 或 OpenCode 中,像给同事布置任务一样写出请求。提及 WebBrain 使你的意图明确无误;包括页面、期望结果、范围,以及是否允许更改。</p><h3>不改变页面的读取</h3><blockquote>使用 WebBrain 读取我浏览器中已打开的 Stripe 仪表盘。列出过去七天的失败支付,包含客户、金额、货币、日期和失败原因。不要更改任何内容。</blockquote><h3>返回可预测的 JSON</h3><blockquote>使用 WebBrain 从我浏览器中已打开的仪表盘提取所有逾期发票。返回包含客户、金额、货币、到期日和发票 URL 的 JSON。不要更改任何内容。</blockquote><h3>与页面交互</h3><blockquote>使用 WebBrain 的 Act 模式打开我浏览器中已显示的客户记录,将公司名称更新为 Acme Europe。在任何最终提交或确认之前停止。</blockquote><p>编程代理会选择 <code>webbrain_run</code> 进行一般读取或交互,当请求结构化数据时选择 <code>webbrain_extract</code>。它提供参数、监控运行,并将 WebBrain 的结果呈现回对话中。Ask 模式可以读取和提取;不能点击、输入、导航或提交。Act 模式可以交互,受 WebBrain 正常的浏览器端权限约束。</p><div class="callout"><strong class="callout-title">底层细节——你不需要输入这些</strong><p>对于上面的第一个提示,客户端会进行类似以下的调用。此表示在构建或调试 MCP 客户端时有用,普通用户可以忽略。</p></div><pre class="code-block"><code>webbrain_run(task: "read the open Stripe dashboard and list failed payments from the last 7 days with customer, amount, currency, date, and failure reason",diff --git a/web/docs/zh/ollama/index.html b/web/docs/zh/ollama/index.htmlindex 8921821dd..d435e159f 100644--- a/web/docs/zh/ollama/index.html+++ b/web/docs/zh/ollama/index.html@@ -34,7 +34,7 @@<section class="doc-section" id="choose"><div class="eyebrow">两种安装路径</div><h2>选择与你的 Ollama 版本匹配的路径</h2><div class="table-wrap"><table><thead><tr><th>路径</th><th>适用场景</th><th>操作步骤</th></tr></thead><tbody><tr><td>手动配置提供商</td><td>安装了官方 Ollama 版本。</td><td>启动 Ollama 并允许扩展来源,然后在 WebBrain 设置中输入本地端点和模型。</td></tr><tr><td>启动交接</td><td>编译了当前预览分支,希望最简安装。</td><td>运行 <code>ollama launch webbrain --model <model></code>,查看浏览器提示并批准提供商更改。</td></tr></tbody></table></div><figure class="shot"><a href="/assets/webbrain-ollama-heart.png"><img src="/assets/webbrain-ollama-heart.png" alt="WebBrain 和 Ollama 的图标通过一颗心连接"></a><figcaption>Ollama 在本地提供模型;WebBrain 为该模型赋予浏览器代理工具。</figcaption></figure></section>- <section class="doc-section" id="manual"><div class="eyebrow">适用于上游 Ollama</div><h2>手动配置官方 Ollama 版本</h2><ol class="step-list"><li><strong>安装 Ollama 并拉取合适的模型。</strong>选择能够可靠执行工具调用的模型。代理运行至少需要 16k 令牌上下文窗口。</li><li><strong>允许浏览器扩展来源。</strong>如果另一个 Ollama 桌面进程已占用端口 <code>11434</code>,先退出该进程,然后使用下面的来源白名单从终端启动服务器。</li><li><strong>打开 WebBrain 设置。</strong>进入<strong>提供商与模型</strong>,找到 <strong>Ollama (Local)</strong> 并打开卡片。</li><li><strong>输入端点和模型。</strong>使用 <code>http://localhost:11434/v1</code>,然后选择你拉取的模型。</li><li><strong>保存并测试连接。</strong>使用<strong>加载模型</strong>让 WebBrain 读取可用的模型 ID 并检测实时上下文窗口。</li><li><strong>设为活跃。</strong>先使用 Mid 提示层级。仅在模型上下文受限时使用 Compact。</li></ol><pre class="code-block"><code>ollama pull <model>+ <section class="doc-section" id="manual"><div class="eyebrow">适用于上游 Ollama</div><h2>手动配置官方 Ollama 版本</h2><ol class="step-list"><li><strong>安装 Ollama 并拉取合适的模型。</strong>选择能够可靠执行工具调用的模型。代理运行至少需要 16k 令牌上下文窗口。</li><li><strong>允许浏览器扩展来源。</strong>如果另一个 Ollama 桌面进程已占用端口 <code>11434</code>,先退出该进程,然后使用下面的来源白名单从终端启动服务器。</li><li><strong>打开 WebBrain 提供商页面。</strong>在侧边栏模型菜单中选择<strong>更多…</strong>,在 LLM 标签页中找到 <strong>Ollama (Local)</strong> 并打开卡片。</li><li><strong>输入端点和模型。</strong>使用 <code>http://localhost:11434/v1</code>,然后选择你拉取的模型。</li><li><strong>保存并测试连接。</strong>使用<strong>加载模型</strong>让 WebBrain 读取可用的模型 ID 并检测实时上下文窗口。</li><li><strong>设为活跃。</strong>先使用 Mid 提示层级。仅在模型上下文受限时使用 Compact。</li></ol><pre class="code-block"><code>ollama pull <model>OLLAMA_ORIGINS="chrome-extension://*,moz-extension://*" ollama serve</code></pre><div class="callout tip"><strong class="callout-title">终端请求可能成功但 WebBrain 收到 403</strong><p><code>curl</code> 不会发送浏览器扩展来源。如果 Ollama 在终端中正常工作但在 WebBrain 中失败,请使用 <code>OLLAMA_ORIGINS</code> 重启 Ollama 服务器,而不是更改提供商 URL。</p></div></section><section class="doc-section" id="handoff"><div class="eyebrow">预览版 · 更少设置</div><h2>尝试 Ollama 启动交接</h2><p>预览命令会打开一个 WebBrain 启动 URL,其中包含选定的模型、本地回环 <code>/v1</code> 端点和检测到的上下文窗口。扩展会在更改前显示这些值的确认对话框。</p><pre class="code-block"><code>git clone https://github.com/esokullu/ollama.gitdiff --git a/web/docs/zh/providers/index.html b/web/docs/zh/providers/index.htmlindex ff0cfd269..5d8a7dccd 100644--- a/web/docs/zh/providers/index.html+++ b/web/docs/zh/providers/index.html@@ -14,13 +14,13 @@<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/">设置说明</a><a href="/docs/zh/providers/" aria-current="page">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> / 提供商与模型</div><section class="doc-hero"><div class="eyebrow">侧边栏背后的模型</div><h1>根据耐心、隐私需求与预算选择方案。</h1><p class="lede">WebBrain 内置 112 张提供商卡片,涵盖托管云服务、直接云 API、模型路由和本地 OpenAI 兼容服务器。你只需要一个活动提供商。</p></section><section class="doc-section" id="choice"><h2>快速选择</h2><div class="card-grid"><div class="card"><span class="tab-key">步骤最少</span><h3>WebBrain Compass</h3><p>内置且默认启用,包含每日免费额度,无需模型服务器或 API 密钥。</p></div><div class="card"><span class="tab-key">隐私与离线能力</span><h3>本地模型</h3><p>使用 llama.cpp、Ollama、ODS、LM Studio、Jan、vLLM、SGLang 或 LocalAI。</p></div><div class="card"><span class="tab-key">直接使用厂商</span><h3>云 API</h3><p>为 OpenAI、Anthropic、Gemini、Mistral、DeepSeek、xAI、Groq 等提供商填写自己的密钥。</p></div><div class="card"><span class="tab-key">模型目录丰富</span><h3>模型路由</h3><p>使用一个账户切换许多模型;适合经常试验的用户。</p></div></div></section>- <section class="doc-section" id="catalog"><h2>112 张内置提供商卡片</h2><p>设置新增了 79 个直连 API 与路由器,包括 Azure AI Foundry、Vertex AI、Vertex Anthropic、Cerebras、Cohere、DeepInfra、Perplexity、Vercel AI Gateway、Venice 和多个区域性编程套餐。可以按提供商或模型名称搜索。</p><p>大多数卡片使用 API 密钥与 OpenAI 兼容端点。Vertex 卡片使用 Google Cloud 项目、区域和授权密钥;全局区域使用 Google 的全局端点,Vertex Anthropic 还支持 <code>us</code> 与 <code>eu</code> 多区域主机。Cloudflare 接受可选的 AI Gateway ID;对于 <code>@cf/</code> 模型,留空时自动使用 <code>default</code> 网关。支持流式传输的提供商会在交互式 Ask 中实时显示回复,连接提前结束时自动以非流式方式重试一次。服务返回令牌用量时会直接记录;否则 WebBrain 记录保守估算,避免流式请求绕过成本限额。</p><div class="callout warning"><strong class="callout-title">有意不提供 GitHub 条目</strong><p>GitHub 本身不会关闭,但 GitHub Models 将于 2026 年 7 月 30 日退役。GitHub Copilot 需要单独的订阅/OAuth 集成。GitLab Duo 和 SAP AI Core 也需要浏览器扩展不支持的专用认证与部署发现。</p></div></section>- <section class="doc-section" id="setup"><h2>配置步骤</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-providers.jpg"><img src="/docs/assets/screenshots/settings-providers.jpg" alt="WebBrain 提供商设置英文界面"></a><figcaption>截图为英文界面;中文界面结构与控件位置相同。</figcaption></figure><ol class="step-list"><li><strong>找到提供商。</strong>使用“本地”“云端”“路由”或搜索框。</li><li><strong>展开卡片并填写值。</strong>本地服务器通常需要地址和模型名;云提供商还需要 API 密钥。</li><li><strong>保存。</strong>把当前字段写入浏览器。</li><li><strong>测试连接。</strong>先修复地址、密钥、模型或服务器错误。</li><li><strong>设为活动。</strong>只有测试成功后再切换。保存并不等于已经启用。</li></ol></section>+ <section class="doc-section" id="catalog"><h2>112 张内置提供商卡片</h2><p>提供商页面新增了 79 个直连 API 与路由器,包括 Azure AI Foundry、Vertex AI、Vertex Anthropic、Cerebras、Cohere、DeepInfra、Perplexity、Vercel AI Gateway、Venice 和多个区域性编程套餐。可以按提供商或模型名称搜索。</p><p>大多数卡片使用 API 密钥与 OpenAI 兼容端点。Vertex 卡片使用 Google Cloud 项目、区域和授权密钥;全局区域使用 Google 的全局端点,Vertex Anthropic 还支持 <code>us</code> 与 <code>eu</code> 多区域主机。Cloudflare 接受可选的 AI Gateway ID;对于 <code>@cf/</code> 模型,留空时自动使用 <code>default</code> 网关。支持流式传输的提供商会在交互式 Ask 中实时显示回复,连接提前结束时自动以非流式方式重试一次。服务返回令牌用量时会直接记录;否则 WebBrain 记录保守估算,避免流式请求绕过成本限额。</p><div class="callout warning"><strong class="callout-title">有意不提供 GitHub 条目</strong><p>GitHub 本身不会关闭,但 GitHub Models 将于 2026 年 7 月 30 日退役。GitHub Copilot 需要单独的订阅/OAuth 集成。GitLab Duo 和 SAP AI Core 也需要浏览器扩展不支持的专用认证与部署发现。</p></div></section>+ <section class="doc-section" id="setup"><h2>配置步骤</h2><figure class="shot"><a href="/docs/assets/screenshots/settings-providers.jpg"><img src="/docs/assets/screenshots/settings-providers.jpg" alt="WebBrain 提供商页面 LLM 标签页英文界面"></a><figcaption>截图为英文界面;中文界面结构与控件位置相同。</figcaption></figure><ol class="step-list"><li><strong>打开提供商页面。</strong>在侧边栏模型菜单中选择<strong>更多…</strong>,或点击设置页顶部的“提供商”链接。<strong>LLM</strong> 标签页列出聊天提供商。</li><li><strong>找到提供商。</strong>使用“本地”“云端”“路由”或搜索框。</li><li><strong>展开卡片并填写值。</strong>本地服务器通常需要地址和模型名;云提供商还需要 API 密钥。</li><li><strong>保存。</strong>把当前字段写入浏览器。</li><li><strong>测试连接。</strong>先修复地址、密钥、模型或服务器错误。</li><li><strong>设为活动。</strong>只有测试成功后再切换。保存并不等于已经启用。</li></ol></section><section class="doc-section" id="fields"><h2>字段含义</h2><div class="table-wrap"><table><thead><tr><th>字段</th><th>含义</th><th>建议</th></tr></thead><tbody><tr><td>服务器 / Base URL</td><td>OpenAI 兼容根端点或提供商 API 根地址。</td><td>使用本地应用或提供商给出的精确值,不要粘贴聊天网页地址。</td></tr><tr><td>API 密钥</td><td>发送给提供商用于认证的凭据。</td><td>本地服务器通常不需要,除非你主动启用了认证。</td></tr><tr><td>模型</td><td>服务器要求的模型标识符。</td><td>大小写、前缀和拼写必须准确。</td></tr><tr><td>上下文窗口</td><td>一次请求容纳提示、历史、网页内容和工具模式的容量。</td><td>可靠本地运行建议至少 16k;8k 可配合 Compact;4k 太小。</td></tr><tr><td>支持视觉</td><td>当前模型是否接受图像。</td><td>只有确认所服务的精确模型支持图像时才开启。</td></tr><tr><td>提示层级</td><td>WebBrain 暴露的提示长度和常规浏览器工具范围。</td><td>本地模型从 Mid 开始;小上下文用 Compact,能力强的模型用 Full。</td></tr></tbody></table></div></section><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>ODS</td><td><code>http://localhost:11434/v1</code></td><td>可选;使用 ODS .env 中的端口</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>决策模型</strong>。这些设置不受提供商筛选或切换影响。</p><p>视觉和决策模型默认都是<strong>自动</strong>:在 Chrome 中,Ternary Bonsai 2 2B Vision 下载完成后使用它(WebBrain Cloud 激活时决策由 Compass 的托管决策模型处理),其他情况下下载前不使用。决策模型只回答“这个任务完成了吗?”这类是非题和选择题;选择<strong>开启</strong>可让 OpenRouter、TypeSafe、本地服务器、D1 或浏览器内模型回答所有决策,选择<strong>关闭</strong>则从不使用。现有权限与完成检查仍然适用。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>+ <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“设置 → 预算”中的 LLM 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。提供商页面的其他标签页可独立配置<strong>视觉</strong>模型、<strong>语音</strong>(语音转文字)端点、<strong>生成</strong>媒体、<strong>决策</strong>模型和 <strong>SafeSocial</strong>。这些设置不受提供商筛选或切换影响。</p><p>视觉和决策模型默认都是<strong>自动</strong>:在 Chrome 中,Ternary Bonsai 2 2B Vision 下载完成后使用它(WebBrain Cloud 激活时决策由 Compass 的托管决策模型处理),其他情况下下载前不使用。决策模型只回答“这个任务完成了吗?”这类是非题和选择题;选择<strong>开启</strong>可让 OpenRouter、TypeSafe、本地服务器、D1 或浏览器内模型回答所有决策,选择<strong>关闭</strong>则从不使用。现有权限与完成检查仍然适用。配置方法和数据共享说明见<a href="/docs/zh/settings/#multimodal">视觉、语音与决策模型</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/safety/index.html b/web/docs/zh/safety/index.htmlindex c522d7b34..1612a590c 100644--- a/web/docs/zh/safety/index.html+++ b/web/docs/zh/safety/index.html@@ -14,7 +14,7 @@<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/">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/" aria-current="page">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> / 模式、安全与隐私</div><section class="doc-hero"><div class="eyebrow">人在回路中</div><h1>WebBrain 在你的登录会话里工作,因此必须谨慎对待它的访问能力。</h1><p class="lede">代理能看到并使用你能访问的网站。模式、计划审查与按网站权限可以降低风险,但提示词、目标位置与最终结果仍由你负责。</p></section><section class="doc-section" id="modes"><h2>模式决定工作的类型</h2><div class="mode-strip"><div class="mode ask"><strong>询问 Ask</strong><span>语义阅读与研究工具;不点击、不输入、不导航、不上传、不修改网页。</span></div><div class="mode act"><strong>执行 Act</strong><span>完成你明确要求的普通浏览器操作;关键操作仍需经过权限闸门。</span></div><div class="mode dev"><strong>开发 Dev</strong><span>在 Act 基础上增加源码、样式、DOM、框架和调试工具;需要 Mid 或 Full 提供商。</span></div></div><p>能通过阅读完成的任务就用 Ask;必须改变网页时才切到 Act;Dev 用于网页开发与排错,不是“让弱模型变聪明”的模式。</p></section>- <section class="doc-section" id="permissions"><h2>权限针对具体能力</h2><p>关键操作前,WebBrain 可让你选择“允许一次”“始终允许该网站的此类能力”或“不允许”。永久记录是一个明确的 <strong>网站 + 能力</strong> 组合。</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,显示总开关与不同能力授权"></a><figcaption>允许输入不会自动允许下载、上传、执行 JavaScript 或安排任务。</figcaption></figure><div class="table-wrap"><table><thead><tr><th>选择</th><th>何时使用</th><th>以后会怎样</th></tr></thead><tbody><tr><td>允许一次</td><td>当前操作合理,但你不想长期授权。</td><td>下次需要同类能力时重新询问。</td></tr><tr><td>始终允许</td><td>你信任该网站并会重复同类操作。</td><td>“网站 + 能力”记录出现在设置中。</td></tr><tr><td>不允许</td><td>操作、目标或时机不正确。</td><td>操作被阻止,你仍可控制当前运行。</td></tr></tbody></table></div></section>+ <section class="doc-section" id="permissions"><h2>权限针对具体能力</h2><p>关键操作前,WebBrain 可让你选择“允许一次”“始终允许该网站的此类能力”或“不允许”。永久记录是一个明确的 <strong>网站 + 能力</strong> 组合。</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,显示总开关与不同能力授权"></a><figcaption>允许输入不会自动允许下载、上传、执行 JavaScript 或安排任务。</figcaption></figure><div class="table-wrap"><table><thead><tr><th>选择</th><th>何时使用</th><th>以后会怎样</th></tr></thead><tbody><tr><td>允许一次</td><td>当前操作合理,但你不想长期授权。</td><td>下次需要同类能力时重新询问。</td></tr><tr><td>始终允许</td><td>你信任该网站并会重复同类操作。</td><td>“网站 + 能力”记录出现在权限页面中。</td></tr><tr><td>不允许</td><td>操作、目标或时机不正确。</td><td>操作被阻止,你仍可控制当前运行。</td></tr></tbody></table></div></section><section class="doc-section" id="untrusted"><h2>网页内容不受信任,即使网站看起来很熟悉</h2><p>网页可能包含专门操纵 AI 代理的文字。WebBrain 会把网页派生内容包裹为不受信任数据,并用模式与权限限制动作范围;这些防御能降低风险,但无法保证所有模型和网页都安全。</p><ul><li>代理开始执行你没有提出的指令时立即停止。</li><li>在医疗、金融、约会、私密账户和内部工作页面上格外谨慎。</li><li>提交前检查目标地址与表单值。</li><li>不要让 Act 模式无人值守地处理陌生人可编辑的页面。</li></ul><div class="callout danger"><strong class="callout-title">LLM 提供商属于信任边界</strong><p>当前提供商会收到任务所需的对话与网页内容。请选择你能接受其隐私条款与运行方式的提供商。</p></div></section><section class="doc-section" id="overrides"><h2>两个容易混淆的覆盖项</h2><div class="table-wrap"><table><thead><tr><th>覆盖项</th><th>范围</th><th>变化</th></tr></thead><tbody><tr><td><code>/allow-api</code></td><td>当前对话</td><td>允许写入型网络请求(POST、PUT、PATCH、DELETE);重置后清除,并不会取消其他所有权限。</td></tr><tr><td><code>/dangerously-skip-permissions</code></td><td>全局,直到重新开启</td><td>关闭所有网站和所有能力的“关键操作前询问”。</td></tr></tbody></table></div><div class="callout warning"><strong class="callout-title">永远优先选择更窄的授权</strong><p>如果只信任一个网站的一类操作,就在正常权限提示中授权该能力,不要为了少点一次确认而关闭全局闸门。</p></div></section><section class="doc-section" id="data"><h2>哪些数据留在浏览器,哪些可能离开</h2><div class="table-wrap"><table><thead><tr><th>数据</th><th>存储位置</th><th>何时发送</th></tr></thead><tbody><tr><td>聊天历史</td><td>浏览器本地存储 / IndexedDB</td><td>运行时,相关对话上下文发送给当前 LLM 提供商。</td></tr><tr><td>提供商设置与 API 密钥</td><td>浏览器本地明文</td><td>密钥发送给对应提供商用于认证。</td></tr><tr><td>个人资料自动填充</td><td>浏览器本地明文</td><td>启用后作为系统提示上下文发送给当前提供商。</td></tr><tr><td>用户记忆</td><td>浏览器本地明文</td><td>活动记录作为系统提示上下文发送。</td></tr><tr><td>追踪与截图</td><td>启用追踪时保存在本地 IndexedDB</td><td>追踪记录器不会上传;导出会生成本地文件。</td></tr><tr><td>加密云同步</td><td>云端不透明密文副本 + 本地数据</td><td>支持的密钥、个人资料和记忆在上传前加密;同步密码不会发送或存储。</td></tr></tbody></table></div></section>diff --git a/web/docs/zh/settings/index.html b/web/docs/zh/settings/index.htmlindex 4bc0d5c35..c687c75ff 100644--- a/web/docs/zh/settings/index.html+++ b/web/docs/zh/settings/index.html@@ -1,6 +1,6 @@<!doctype html><html lang="zh-CN" data-theme="dark">-<head><meta charset="utf-8"><meta name="viewport" content="width=device-width, initial-scale=1"><title>设置说明 — WebBrain 用户指南</title><meta name="description" content="用通俗语言解释 WebBrain 的每个设置标签页、推荐默认值和高级选项。"><link rel="canonical" href="https://webbrain.one/docs/zh/settings/"><link rel="alternate" hreflang="en" href="https://webbrain.one/docs/settings/"><link rel="alternate" hreflang="zh" href="https://webbrain.one/docs/zh/settings/"><link rel="alternate" hreflang="x-default" href="https://webbrain.one/docs/settings/"><link rel="icon" href="/favicon.png"><script>try{document.documentElement.dataset.theme=localStorage.getItem('webbrain-theme')||'dark'}catch(_){}</script><link rel="stylesheet" href="/docs/assets/docs.css?v=20260809"> <!-- Plausible analytics: start -->+<head><meta charset="utf-8"><meta name="viewport" content="width=device-width, initial-scale=1"><title>设置说明 — WebBrain 用户指南</title><meta name="description" content="用通俗语言解释 WebBrain 的每个设置标签页以及提供商和权限页面、推荐默认值和高级选项。"><link rel="canonical" href="https://webbrain.one/docs/zh/settings/"><link rel="alternate" hreflang="en" href="https://webbrain.one/docs/settings/"><link rel="alternate" hreflang="zh" href="https://webbrain.one/docs/zh/settings/"><link rel="alternate" hreflang="x-default" href="https://webbrain.one/docs/settings/"><link rel="icon" href="/favicon.png"><script>try{document.documentElement.dataset.theme=localStorage.getItem('webbrain-theme')||'dark'}catch(_){}</script><link rel="stylesheet" href="/docs/assets/docs.css?v=20260809"> <!-- Plausible analytics: start --><!-- Privacy-friendly analytics by Plausible --><script async src="https://157.230.3.9.sslip.io/js/pa-omp0F7DsOXM4sGKR50l7S.js"></script><script>@@ -12,20 +12,24 @@<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。侧边栏输入框中麦克风旁边的 ⚠ 按钮也可以切换它。</td></tr><tr><td>决策模型</td><td>自动</td><td>无需设置。Ternary Bonsai 2 2B Vision 下载完成后用它做完成检查(WebBrain Cloud 激活时使用 Compass 的托管决策模型),其他情况下不使用决策模型。</td></tr><tr><td>浏览器内视觉模型</td><td>自动</td><td>Ternary Bonsai 2 2B Vision 下载完成后用它读取截图,且仅在聊天模型无法看图时使用。</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>你配置并充值一个或多个 CAPTCHA 服务。<a href="/docs/captcha/">提供商与使用指南(英文)</a>。</td></tr></tbody></table></div></section>- <section class="doc-section" id="captcha"><h2>CAPTCHA 求解服务</h2><p>常规 → 高级中的独立设置区支持 CapSolver、2Captcha、CapMonster Cloud、SolveCaptcha、Anti-Captcha、NopeCHA 和 NoneCap。输入密钥会勾选启用;你也可以取消勾选并保留密钥。保存后生效,测试余额不会自动启用服务。</p><p>展开每个服务的高级设置可修改权重,默认依次为 100 至 94。可同时启用多个服务,兼容的服务按权重从高到低尝试。错误或超时后的回退可能产生多次费用。hCaptcha 使用 NopeCHA 或 NoneCap;其他类型需要相应服务支持和页面参数。请阅读<a href="/docs/captcha/">完整 CAPTCHA 指南(英文)</a>。</p></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>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><p>视觉和决策模型默认都是<strong>自动</strong>。在支持硬件 WebGPU 的 Chrome 中,自动模式会在 <strong>Ternary Bonsai 2 2B Vision</strong>(约 1.45 GB,在本机运行)下载完成后使用它(WebBrain Cloud 激活时改由 Compass 的托管决策模型回答),其他情况下下载前不使用。安装页上的<strong>下载本地模型</strong>按钮、<strong>提供商 → WebGPU</strong>、视觉卡片和末日模式下载的都是同一个模型,一次下载即可同时用于聊天、截图和决策。</p>- <h3>视觉</h3><p>选择由谁读取截图。保存了 OpenAI 兼容端点时,所有截图都交给它,当前提供商继续负责规划和工具调用。没有端点时,当前模型若能看图就自己读取截图;不能看图时,由浏览器内视觉模型读取(仅 Chrome)。全部保持默认即可让当前提供商处理视觉。截图限制与截图打码也归在视觉部分。</p><p>浏览器内视觉模型有四个选项:</p><ul><li><strong>自动</strong>(默认):Ternary Bonsai 2 2B Vision 下载完成后使用它,下载前保持关闭。</li><li><strong>Ternary Bonsai 2 2B Vision</strong>:约 1.45 GB,同一个模型也能聊天和回答决策问题。</li><li><strong>WebBrain VL 2 450M</strong>:约 810 MB,只用于视觉。首次下载会征求你的同意并检查 WebGPU。</li><li><strong>关闭</strong>:不使用浏览器内视觉模型。</li></ul><p>更改选项不会自动下载任何内容,请使用卡片上的<strong>下载</strong>按钮。任务从不等待下载完成;在浏览器内读取的截图不会离开你的设备。Firefox 没有浏览器内视觉模型。</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:视觉卡片中浏览器内视觉模型设为自动,下方是可选的 OpenAI 兼容端点"></a><figcaption>全新安装:浏览器内视觉模型为自动,在 Ternary Bonsai 2 2B Vision 下载完成前保持关闭。</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>决策模型</h3><p>决策模型是一个小而快的模型,负责回答智能体的是非题和选择题,例如“这个任务完成了吗?”,这样聊天模型就不必处理这些问题。它从不规划、点击或输入。可选三种模式:</p><ul><li><strong>自动</strong>(默认):无需设置。在 Chrome 中,Ternary Bonsai 2 2B Vision 下载完成后,用它检查侧边栏任务以及计划监控和计划任务是否真正完成。当 WebBrain Cloud(Compass)是你的聊天提供商时,改由 Compass 的决策模型回答。其他情况下不使用决策模型。卡片会显示当前使用的是哪个。</li><li><strong>开启</strong>:所有决策都使用你配置的提供商:OpenRouter、TypeSafe、本地 System One 服务器、D1,或 Chrome 中的浏览器内聊天模型。所有决策默认开启。展开<strong>选择哪些决策使用它</strong>可以单独关闭某些决策(验证完成、验证计划监控、验证计划任务完成、快速分类、快速浏览器操作(实验性))并设置阈值。</li><li><strong>关闭</strong>:从不使用决策模型,包括 Compass 的决策模型。聊天模型仍会检查任务是否完成。</li></ul><p>切换模式立即生效;“开启”模式下的提供商字段需要点击<strong>保存</strong>。<strong>测试连接</strong>只用固定示例数据发送一次请求。<strong>重置</strong>会回到自动模式并删除已保存的决策密钥。云端决策提供商会收到有限的任务与页面数据,可能产生费用;严格秘密模式会禁用决策模型。在这些模式推出前已开启决策外包的配置会按“开启”继续工作,并保留原有开关。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-decision-models.jpg"><img src="/docs/assets/screenshots/settings-decision-models.jpg" alt="决策模型英文设置界面,选中自动,状态行显示尚未使用决策模型"></a><figcaption>全新安装时的自动模式:尚未下载任何模型,因此没有使用决策模型(除非当前提供商是 WebBrain Cloud,此时由 Compass 的决策模型回答)。只有选择“开启”时才会显示提供商字段。</figcaption></figure>- </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。聊天模型及其辅助模型有单独的<strong>提供商</strong>页面:在侧边栏模型菜单中选择<strong>更多…</strong>,或点击设置页顶部的“提供商”链接即可打开。网站权限也有单独的页面:在麦克风旁边的 <strong>⚠</strong> 菜单中选择“管理网站权限”即可打开。大多数人主要使用“通用”、提供商和权限;其他标签页用于解决特定问题。</p><div class="meta">截图来自设置重新整理后的英文界面 · 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>自动截图</td><td>导航时</td><td>代理打开页面后截一张图,而不是每次点击或输入后都截图。需要视觉模型检查每个操作时再选“状态变化时”。</td></tr><tr><td>云端费用额度</td><td>每个会话 $10,总计 $10</td><td>付费模型调用的机械停止点,可在“预算”中调高或调低。</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。侧边栏输入框中麦克风旁边的 ⚠ 按钮也可以切换它。</td></tr><tr><td>决策模型</td><td>自动</td><td>无需设置。Ternary Bonsai 2 2B Vision 下载完成后用它做完成检查(WebBrain Cloud 激活时使用 Compass 的托管决策模型),其他情况下不使用决策模型。</td></tr><tr><td>浏览器内视觉模型</td><td>自动</td><td>Ternary Bonsai 2 2B Vision 下载完成后用它读取截图,且仅在聊天模型无法看图时使用。</td></tr></tbody></table></div></section>+ <section class="doc-section" id="general"><div class="eyebrow">日常使用</div><h2>通用:代理如何行动</h2><p>外观和下载位置只影响使用体验;下面的控制项会改变代理的工作方式:如何计划、何时由你审查、截取哪些截图。语言和缩放在侧边栏中选择,这里不再重复。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-general.jpg"><img src="/docs/assets/screenshots/settings-general.jpg" alt="WebBrain 通用设置英文界面,包含搜索框、外观、下载文件夹、计划与计划审查"></a><figcaption>“通用”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><strong>自动截图</strong>默认为<strong>导航时</strong>:代理打开页面后截一张图,让视觉模型看到它到达了哪里。<strong>状态变化时</strong>还会在点击、输入等改变页面的操作后截图,图像令牌消耗更多;<strong>每一步</strong>在每次工具调用后截图;<strong>关闭</strong>只在你要求时截图。</p><p>标签页上方的搜索框会同时搜索“通用”“预算”“CAPTCHA”和“高级”,并把每个结果显示在所属标签页名称下。选择任意标签页即结束搜索。</p></section>+ <section class="doc-section" id="budgets"><div class="eyebrow">限制</div><h2>预算:单个任务能走多远</h2><p>“预算”把所有关于花费、等待和工作量的限制集中在一个标签页:云端费用额度、问题等待你回答的时间、步骤上限、模型请求超时和截图的图像预算。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-budgets.jpg"><img src="/docs/assets/screenshots/settings-budgets.jpg" alt="WebBrain 预算设置英文界面,包含云端费用额度、问题超时、步骤上限、请求超时和图像预算"></a><figcaption>所有机械停止点都在这里。示例值为默认值。</figcaption></figure><div class="table-wrap"><table><thead><tr><th>设置</th><th>默认值</th><th>限制什么</th></tr></thead><tbody><tr><td>云端费用会话额度</td><td>$10.00</td><td>单个对话中云端和路由模型调用的估算花费。达到额度后,WebBrain 会在下一次调用前停止。</td></tr><tr><td>云端费用总额度</td><td>$10.00</td><td>所有对话的估算总花费。标签会显示已花费金额,例如 <code>$0.00 / $10.00</code>;<strong>重置花费</strong>会重新开始计数。</td></tr><tr><td>澄清超时</td><td>60 秒</td><td>问题卡片等待你回答的时间,超时后 WebBrain 自行作答。滑块两端分别是“立即”和“关闭”。</td></tr><tr><td>问题超时时</td><td>完成任务</td><td>超时后的答案是继续推进任务,还是选择更安全的做法。</td></tr><tr><td>代理最大步骤数</td><td>130</td><td>一条消息中的工具调用步骤,不是聊天消息数。</td></tr><tr><td>LLM 请求超时</td><td>120 秒</td><td>等待模型开始响应的时间。</td></tr><tr><td>图像预算</td><td>自动细节、每轮不限、1568 px</td><td>每轮最多向视觉模型发送多少张截图,以及截图尺寸。</td></tr></tbody></table></div><p>步骤上限越高,长流程越有机会完成和恢复,但也可能消耗更多令牌。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="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><p>侧边栏里也有同一个开关:点击输入框中麦克风旁边的 <strong>⚠</strong> 按钮即可打开,里面还有前往网站权限列表的链接。提示关闭期间,该按钮显示为橙色并带一个圆点。在这里关闭提示不会批准已经在等待的权限卡片,那张卡片仍需你自己回答。</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>+ <section class="doc-section" id="captcha"><div class="eyebrow">按需使用</div><h2>CAPTCHA:求解服务账户</h2><p>CAPTCHA 标签页为 CapSolver、2Captcha、CapMonster Cloud、SolveCaptcha、Anti-Captcha、NopeCHA 和 NoneCap 各提供一张卡片。输入密钥会勾选启用;你也可以取消勾选并保留密钥。保存后生效,测试余额不会自动启用服务。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-captcha.jpg"><img src="/docs/assets/screenshots/settings-captcha.jpg" alt="WebBrain CAPTCHA 设置英文界面,每个求解服务一张卡片"></a><figcaption>保存密钥前不会启用任何服务;测试余额也不会启用求解。</figcaption></figure><p>展开每个服务的高级设置可修改权重,默认依次为 100 至 94。可同时启用多个服务,兼容的服务按权重从高到低尝试。错误或超时后的回退可能产生多次费用。hCaptcha 使用 NopeCHA 或 NoneCap;其他类型需要相应服务支持和页面参数。请阅读<a href="/docs/captcha/">完整 CAPTCHA 指南(英文)</a>。</p></section>+ <section class="doc-section" id="advanced"><div class="eyebrow">专家标签页</div><h2>高级:带着明确目的再打开</h2><p>“高级”现在是一个独立的标签页。用搜索框可以直接跳到某个控制项;它会同时搜索“高级”“通用”“预算”和“CAPTCHA”。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-advanced.jpg"><img src="/docs/assets/screenshots/settings-advanced.jpg" alt="WebBrain 高级设置英文界面,包含帮助改进 WebBrain、记录轨迹和本地反馈诊断"></a><figcaption>每个控制项旁边都保留完整说明。</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>记录轨迹</td><td>关闭</td><td>比较模型或诊断运行,并接受本地存储。一个开关会连同完整请求细节(提示、消息、工具定义和结果)一起记录每次运行。</td></tr><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>截图打码</td><td>关闭</td><td>希望在截图发送给视觉模型前,先模糊表单字段和看起来像邮箱或电话号码的文字。这是尽力而为的保护,不是保证。</td></tr><tr><td>站点适配器</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>严格的机密处理</td><td>个人日常使用时关闭</td><td>屏幕共享或导出轨迹,不希望凭据被引用。</td></tr><tr><td>允许代理访问本地网络</td><td>关闭</td><td>必须访问 localhost、内网或私有地址。</td></tr></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>提供商是一个独立的页面。在侧边栏模型菜单中选择<strong>更多…</strong>,或点击设置页顶部的<strong>提供商</strong>链接即可打开。第一个标签页 <strong>LLM</strong> 列出聊天提供商,其他标签页是下面介绍的辅助模型。</p><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 提供商页面 LLM 标签页英文界面,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>视觉、语音与决策模型:支持主要代理</h2><p>在提供商页面的 <strong>LLM</strong> 标签页中选择主要对话模型。该页面的其他标签页是可选的辅助模型:<strong>视觉</strong>、<strong>语音</strong>、<strong>生成</strong>(图像和视频)、<strong>决策</strong>和 <strong>SafeSocial</strong>。配置它们不会改变当前提供商。</p><p>视觉和决策模型默认都是<strong>自动</strong>。在支持硬件 WebGPU 的 Chrome 中,自动模式会在 <strong>Ternary Bonsai 2 2B Vision</strong>(约 1.45 GB,在本机运行)下载完成后使用它(WebBrain Cloud 激活时改由 Compass 的托管决策模型回答),其他情况下下载前不使用。安装页上的<strong>下载本地模型</strong>按钮、<strong>提供商 → WebGPU</strong>、视觉卡片和末日模式下载的都是同一个模型,一次下载即可同时用于聊天、截图和决策。</p>+ <h3>视觉</h3><p>选择由谁读取截图。保存了 OpenAI 兼容端点时,所有截图都交给它,当前提供商继续负责规划和工具调用。没有端点时,当前模型若能看图就自己读取截图;不能看图时,由浏览器内视觉模型读取(仅 Chrome)。全部保持默认即可让当前提供商处理视觉。截图限制在“设置 → 预算”中,截图打码在“设置 → 高级”中。</p><p>浏览器内视觉模型有四个选项:</p><ul><li><strong>自动</strong>(默认):Ternary Bonsai 2 2B Vision 下载完成后使用它,下载前保持关闭。</li><li><strong>Ternary Bonsai 2 2B Vision</strong>:约 1.45 GB,同一个模型也能聊天和回答决策问题。</li><li><strong>WebBrain VL 2 450M</strong>:约 810 MB,只用于视觉。首次下载会征求你的同意并检查 WebGPU。</li><li><strong>关闭</strong>:不使用浏览器内视觉模型。</li></ul><p>更改选项不会自动下载任何内容,请使用卡片上的<strong>下载</strong>按钮。任务从不等待下载完成;在浏览器内读取的截图不会离开你的设备。Firefox 没有浏览器内视觉模型。</p><figure class="shot"><a href="/docs/assets/screenshots/providers-vision.jpg"><img src="/docs/assets/screenshots/providers-vision.jpg" alt="提供商页面视觉标签页英文界面:浏览器内视觉模型设为自动,下方是可选的 OpenAI 兼容端点"></a><figcaption>全新安装:浏览器内视觉模型为自动,在 Ternary Bonsai 2 2B Vision 下载完成前保持关闭。</figcaption></figure>+ <h3>语音</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>生成</h3><p>为图像和视频生成工具连接 fal.ai、OpenRouter、ComfyRouter 或本地 ComfyUI 服务器。默认不配置任何服务。</p>+ <h3>决策</h3><p>决策模型是一个小而快的模型,负责回答智能体的是非题和选择题,例如“这个任务完成了吗?”,这样聊天模型就不必处理这些问题。它从不规划、点击或输入。可选三种模式:</p><ul><li><strong>自动</strong>(默认):无需设置。在 Chrome 中,Ternary Bonsai 2 2B Vision 下载完成后,用它检查侧边栏任务以及计划监控和计划任务是否真正完成。当 WebBrain Cloud(Compass)是你的聊天提供商时,改由 Compass 的决策模型回答。其他情况下不使用决策模型。卡片会显示当前使用的是哪个。</li><li><strong>开启</strong>:所有决策都使用你配置的提供商:OpenRouter、TypeSafe、本地 System One 服务器、D1,或 Chrome 中的浏览器内聊天模型。所有决策默认开启。展开<strong>选择哪些决策使用它</strong>可以单独关闭某些决策(验证完成、验证计划监控、验证计划任务完成、快速分类、快速浏览器操作(实验性))并设置阈值。</li><li><strong>关闭</strong>:从不使用决策模型,包括 Compass 的决策模型。聊天模型仍会检查任务是否完成。</li></ul><p>切换模式立即生效;“开启”模式下的提供商字段需要点击<strong>保存</strong>。<strong>测试连接</strong>只用固定示例数据发送一次请求。<strong>重置</strong>会回到自动模式并删除已保存的决策密钥。云端决策提供商会收到有限的任务与页面数据,可能产生费用;严格秘密模式会禁用决策模型。在这些模式推出前已开启决策外包的配置会按“开启”继续工作,并保留原有开关。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-decision-models.jpg"><img src="/docs/assets/screenshots/settings-decision-models.jpg" alt="决策模型英文设置界面,选中自动,状态行显示尚未使用决策模型"></a><figcaption>全新安装时的自动模式:尚未下载任何模型,因此没有使用决策模型(除非当前提供商是 WebBrain Cloud,此时由 Compass 的决策模型回答)。只有选择“开启”时才会显示提供商字段。</figcaption></figure>+ <h3>SafeSocial</h3><p>可选的本机 Instagram 图片分类器。在你开启前保持关闭;模型只下载一次,并在浏览器内运行。</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>权限是一个独立的页面。保持“执行重要操作前询问”开启。你在侧边栏选择“始终允许”时,WebBrain 会记录一个具体网站的具体能力,并在权限页面中列出。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><p>侧边栏里也有同一个开关:点击输入框中麦克风旁边的 <strong>⚠</strong> 按钮即可打开,里面还有前往权限页面的链接。提示关闭期间,该按钮显示为橙色并带一个圆点。在这里关闭提示不会批准已经在等待的权限卡片,那张卡片仍需你自己回答。</p><figure class="shot"><a href="/docs/assets/screenshots/settings-permissions.jpg"><img src="/docs/assets/screenshots/settings-permissions.jpg" alt="WebBrain 权限页面英文界面,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="#captcha">CAPTCHA</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>+ </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">通用</a><a href="#budgets">预算</a><a href="#memory">记忆</a><a href="#skills">技能</a><a href="#captcha">CAPTCHA</a><a href="#advanced">高级</a><a href="#providers">提供商</a><a href="#multimodal">视觉、语音与决策</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>diff --git a/web/es/index.html b/web/es/index.htmlindex 61423c9a4..e3aa3df0e 100644--- a/web/es/index.html+++ b/web/es/index.html@@ -289,7 +289,7 @@"name": "¿Cómo funciona el autocompletado de perfil y es seguro?","acceptedAnswer": {"@type": "Answer",- "text": "El autocompletado de perfil es una función opcional en Ajustes → Perfil. Introduces una biografía breve —nombre, correo laboral, empresa y una contraseña desechable 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. El texto se guarda en texto plano en el almacenamiento local del navegador. No se transmite al proyecto WebBrain, pero sí se envía al proveedor de LLM que tengas configurado en cada turno, como parte del prompt del sistema. Desactivado por defecto. No pongas aquí contraseñas de cuentas importantes (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."+ "text": "El autocompletado de perfil es una función opcional en Ajustes → Memoria. Introduces una biografía breve —nombre, correo laboral, empresa y una contraseña desechable 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. El texto se guarda en texto plano en el almacenamiento local del navegador. No se transmite al proyecto WebBrain, pero sí se envía al proveedor de LLM que tengas configurado en cada turno, como parte del prompt del sistema. Desactivado por defecto. No pongas aquí contraseñas de cuentas importantes (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "No — reduce la exposición, no es una garantía. Cuando está activada (Ajustes → Avanzado → 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 Proveedores → Visión (ver \"¿Cómo mantiene WebBrain controladas las facturas de los LLM en la nube?\" más arriba)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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 Proveedores → Visión. Resultado: las sesiones largas con proveedores en la nube se mantienen predecibles. Para control total, usa llama.cpp local — coste por token cero."}},{diff --git a/web/fa/index.html b/web/fa/index.htmlindex 37eab8db8..23e403049 100644--- a/web/fa/index.html+++ b/web/fa/index.html@@ -289,7 +289,7 @@"name": "پر کردن خودکار نمایه چگونه کار می کند و آیا ایمن است؟","acceptedAnswer": {"@type": "Answer",- "text": "تکمیل خودکار نمایه یک ویژگی اختیاری است تنظیمات → نمایه. شما یک بیوگرافی کوتاه را وارد می کنید - نام، ایمیل کاری، شرکت، و یک دور ریختنی 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. متن ذخیره می شود در متن ساده در حافظه محلی مرورگر شما. هست نه به پروژه WebBrain منتقل شد، اما آن را است 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. برای حساب های مهم رمز عبور قرار ندهید (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."+ "text": "تکمیل خودکار نمایه یک ویژگی اختیاری است تنظیمات → حافظه. شما یک بیوگرافی کوتاه را وارد می کنید - نام، ایمیل کاری، شرکت، و یک دور ریختنی 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. متن ذخیره می شود در متن ساده در حافظه محلی مرورگر شما. هست نه به پروژه WebBrain منتقل شد، اما آن را است 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. برای حساب های مهم رمز عبور قرار ندهید (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "نه - نوردهی را کاهش می دهد، تضمینی نیست. وقتی فعال شد (تنظیمات → پیشرفته → 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 ارائه دهندگان → چشم انداز (به \"چگونه WebBrain صورتحساب های Cloud LLM را تحت کنترل نگه می دارد؟\" در بالا مراجعه کنید)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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 ارائه دهندگان → 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."}},{diff --git a/web/fr/index.html b/web/fr/index.htmlindex bc1b74639..31e4d28c7 100644--- a/web/fr/index.html+++ b/web/fr/index.html@@ -289,7 +289,7 @@"name": "Comment fonctionne l'auto-remplissage de profil, et est-ce sûr ?","acceptedAnswer": {"@type": "Answer",- "text": "L'auto-remplissage de profil est une fonctionnalité optionnelle dans Paramètres → Profil. Vous saisissez une courte bio — nom, e-mail pro, entreprise et un mot de passe jetable 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. Le texte est stocké en clair dans le stockage local du navigateur. Il n'est pas transmis au projet WebBrain, mais il est envoyé au fournisseur de LLM que vous avez configuré à chaque tour, dans le prompt système. Désactivé par défaut. N'y mettez pas les mots de passe de comptes importants (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."+ "text": "L'auto-remplissage de profil est une fonctionnalité optionnelle dans Paramètres → Mémoire. Vous saisissez une courte bio — nom, e-mail pro, entreprise et un mot de passe jetable 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. Le texte est stocké en clair dans le stockage local du navigateur. Il n'est pas transmis au projet WebBrain, mais il est envoyé au fournisseur de LLM que vous avez configuré à chaque tour, dans le prompt système. Désactivé par défaut. N'y mettez pas les mots de passe de comptes importants (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Non — cela réduit l'exposition, ce n'est pas une garantie. Une fois activé (Paramètres → Avancé → 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 Fournisseurs → Vision (voir « Comment WebBrain garde-t-il sous contrôle les factures des LLM cloud ? » ci-dessus)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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 Fournisseurs → Vision. Résultat : les longues sessions avec des fournisseurs cloud restent prévisibles. Pour un contrôle total, utilisez llama.cpp en local — coût par token nul."}},{diff --git a/web/he/index.html b/web/he/index.htmlindex 54eb86395..87cf0760a 100644--- a/web/he/index.html+++ b/web/he/index.html@@ -289,7 +289,7 @@"name": "כיצד מילוי הפרופיל האוטומטי עובד, והאם זה בטוח?","acceptedAnswer": {"@type": "Answer",- "text": "מילוי פרופיל אוטומטי הוא תכונה אופציונלית בהגדרות ← פרופיל. אתה מזין ביוגרפיה קצרה — שם, דוא\"ל עסקי, חברה וסיסמה לשימוש חד-פעמי להרשמות בסיכון נמוך — ומפעיל אותה. כשפעיל, WebBrain מצרף את הטקסט הזה לפרומפט המערכת של הסוכן כדי שהוא ימלא טפסי הרשמה מבלי לשאול בכל פעם. הטקסט מאוחסן בטקסט פשוט באחסון המקומי של הדפדפן שלך. הוא אינו מועבר לפרויקט WebBrain, אבל הוא מועבר לכל ספק LLM שהגדרת בכל תור, כחלק מפרומפט המערכת. מושבת כברירת מחדל. אל תשים סיסמאות לחשבונות חשובים 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."+ "text": "מילוי פרופיל אוטומטי הוא תכונה אופציונלית בהגדרות ← זיכרון. אתה מזין ביוגרפיה קצרה — שם, דוא\"ל עסקי, חברה וסיסמה לשימוש חד-פעמי להרשמות בסיכון נמוך — ומפעיל אותה. כשפעיל, WebBrain מצרף את הטקסט הזה לפרומפט המערכת של הסוכן כדי שהוא ימלא טפסי הרשמה מבלי לשאול בכל פעם. הטקסט מאוחסן בטקסט פשוט באחסון המקומי של הדפדפן שלך. הוא אינו מועבר לפרויקט WebBrain, אבל הוא מועבר לכל ספק LLM שהגדרת בכל תור, כחלק מפרומפט המערכת. מושבת כברירת מחדל. אל תשים סיסמאות לחשבונות חשובים 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."}},{@@ -297,7 +297,7 @@"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 ← 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)."+ "text": "לא — היא מפחיתה חשיפה, אך אינה ערבות. כשההגדרה מופעלת (הגדרות ← מִתקַדֵם ← 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 ספקים ← ראייה (ראה \"כיצד WebBrain שומר על חשבונות LLM בענן בשליטה?\" למעלה)."}},{@@ -337,7 +337,7 @@"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 ← מודלים מסייעים ← 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 בספקים ← ראייה. תוצאה סופית: ישיבות ארוכות עם ספקי ענן נשארות צפויות. לשליטה מלאה, השתמש ב-llama.cpp מקומי — אפס עלות לאסימון."}},{diff --git a/web/hi/index.html b/web/hi/index.htmlindex c42da27a2..308dbe9ee 100644--- a/web/hi/index.html+++ b/web/hi/index.html@@ -289,7 +289,7 @@"name": "प्रोफ़ाइल स्वतः-भरण कैसे काम करता है, और क्या यह सुरक्षित है?","acceptedAnswer": {"@type": "Answer",- "text": "प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है सेटिंग्स → प्रोफ़ाइल. आप एक संक्षिप्त जीवनी दर्ज करें - नाम, कार्य ईमेल, कंपनी, और ए फेंकना 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। पाठ संग्रहीत है सादे पाठ में आपके ब्राउज़र के स्थानीय संग्रहण में. यह है नहीं WebBrain प्रोजेक्ट को प्रेषित, लेकिन यह है 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. महत्वपूर्ण खातों के लिए पासवर्ड न रखें (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।"+ "text": "प्रोफ़ाइल स्वतः-भरण एक वैकल्पिक सुविधा है सेटिंग्स → स्मृति. आप एक संक्षिप्त जीवनी दर्ज करें - नाम, कार्य ईमेल, कंपनी, और ए फेंकना 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। पाठ संग्रहीत है सादे पाठ में आपके ब्राउज़र के स्थानीय संग्रहण में. यह है नहीं WebBrain प्रोजेक्ट को प्रेषित, लेकिन यह है 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. महत्वपूर्ण खातों के लिए पासवर्ड न रखें (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।"}},{@@ -297,7 +297,7 @@"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 → 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?\")।"+ "text": "नहीं - यह जोखिम को कम करता है, इसकी कोई गारंटी नहीं है। सक्षम होने पर (सेटिंग्स → उन्नत → 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 प्रदाता → दृष्टि (ऊपर देखें \"WebBrain क्लाउड एलएलएम बिलों को कैसे नियंत्रण में रखता है?\")।"}},{@@ -337,7 +337,7 @@"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 → 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।"+ "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 प्रदाता → 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।"}},{diff --git a/web/id/index.html b/web/id/index.htmlindex 8ccb7f83a..4706f803d 100644--- a/web/id/index.html+++ b/web/id/index.html@@ -289,7 +289,7 @@"name": "Bagaimana isi-otomatis Profil bekerja, dan apakah aman?","acceptedAnswer": {"@type": "Answer",- "text": "Isi-otomatis profil adalah fitur opsional di Pengaturan → Profil. Anda memasukkan bio singkat — nama, email kerja, perusahaan, dan kata sandi sekali pakai 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. Teks tersebut disimpan dalam bentuk teks biasa di penyimpanan lokal peramban Anda. Teks itu tidak dikirim ke proyek WebBrain, tetapi dikirim ke penyedia LLM yang Anda konfigurasi pada setiap giliran, sebagai bagian dari prompt sistem. Mati secara bawaan. Jangan menaruh kata sandi akun penting (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."+ "text": "Isi-otomatis profil adalah fitur opsional di Pengaturan → Memori. Anda memasukkan bio singkat — nama, email kerja, perusahaan, dan kata sandi sekali pakai 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. Teks tersebut disimpan dalam bentuk teks biasa di penyimpanan lokal peramban Anda. Teks itu tidak dikirim ke proyek WebBrain, tetapi dikirim ke penyedia LLM yang Anda konfigurasi pada setiap giliran, sebagai bagian dari prompt sistem. Mati secara bawaan. Jangan menaruh kata sandi akun penting (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Tidak — pengaturan ini mengurangi risiko paparan, bukan jaminan. Saat diaktifkan (Pengaturan → Lanjutan → 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 Penyedia → Visi (lihat \"Bagaimana WebBrain menjaga tagihan LLM cloud tetap terkendali?\" di atas)."}},{@@ -337,7 +337,7 @@"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 → Model Pendukung → 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 Penyedia → Visi. Hasil akhirnya: sesi panjang dengan penyedia cloud tetap terprediksi. Untuk kendali penuh, gunakan llama.cpp secara lokal — biaya per token nol."}},{diff --git a/web/index.html b/web/index.htmlindex dd0e74fa0..b70ebf083 100644--- a/web/index.html+++ b/web/index.html@@ -289,7 +289,7 @@"name": "How does Profile auto-fill work, and is it safe?","acceptedAnswer": {"@type": "Answer",- "text": "Profile auto-fill is an optional feature in Settings → Profile. You enter a short bio — name, work email, company, and a throwaway 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. The text is stored in plaintext in your browser's local storage. It is not transmitted to the WebBrain project, but it is sent to whichever LLM provider you have configured on every turn, as part of the system prompt. Off by default. Do not put passwords for important accounts (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."+ "text": "Profile auto-fill is an optional feature in Settings → Memory. You enter a short bio — name, work email, company, and a throwaway 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. The text is stored in plaintext in your browser's local storage. It is not transmitted to the WebBrain project, but it is sent to whichever LLM provider you have configured on every turn, as part of the system prompt. Off by default. Do not put passwords for important accounts (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "No — it reduces exposure, it is not a guarantee. When enabled (Settings → Advanced → 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 Providers → Vision (see \"How does WebBrain keep cloud LLM bills under control?\" above)."}},{@@ -337,7 +337,7 @@"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 → Assistive Models → 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 Providers → Vision. Net result: long sessions with cloud providers stay predictable. For full control, use llama.cpp locally — zero per-token cost."}},{diff --git a/web/ja/index.html b/web/ja/index.htmlindex 3b6a5f7d3..1c4c4df75 100644--- a/web/ja/index.html+++ b/web/ja/index.html@@ -289,7 +289,7 @@"name": "プロフィール自動入力はどう動きますか? 安全ですか?","acceptedAnswer": {"@type": "Answer",- "text": "プロフィール自動入力は 設定 → プロフィール 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使い捨てパスワード — 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。 テキストはブラウザのローカルストレージに平文で保存されます。WebBrain プロジェクトへは送信されませんが、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送信されます。既定はオフです。 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) のパスワードは絶対に入れないでください。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。"+ "text": "プロフィール自動入力は 設定 → メモリ 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使い捨てパスワード — 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。 テキストはブラウザのローカルストレージに平文で保存されます。WebBrain プロジェクトへは送信されませんが、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送信されます。既定はオフです。 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) のパスワードは絶対に入れないでください。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。"}},{@@ -297,7 +297,7 @@"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 → 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)。"+ "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 → 詳細設定 → 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。この振り分けはプロバイダー → 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)。"}},{@@ -337,7 +337,7 @@"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 → 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。"+ "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 プロバイダー → 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。"}},{diff --git a/web/ko/index.html b/web/ko/index.htmlindex f57066b80..f69968b98 100644--- a/web/ko/index.html+++ b/web/ko/index.html@@ -289,7 +289,7 @@"name": "프로필 자동 입력은 어떻게 작동하나요? 안전한가요?","acceptedAnswer": {"@type": "Answer",- "text": "프로필 자동 입력은 설정 → 프로필에 있는 선택 기능입니다. 짧은 자기소개 — 이름, 업무 이메일, 회사, 저위험 가입용 일회용 비밀번호 — 를 입력하고 켜면, WebBrain이 그 텍스트를 에이전트의 시스템 프롬프트에 덧붙여 매번 묻지 않고도 가입 양식을 채울 수 있게 합니다. 텍스트는 브라우저 로컬 저장소에 평문으로 저장됩니다. WebBrain 프로젝트로는 전송되지 않지만, 설정한 LLM 프로바이더에게는 매 턴 시스템 프롬프트의 일부로 전송됩니다. 기본은 꺼짐입니다. 여기에 중요한 계정(Google, Apple, iCloud, 은행, 회사 SSO, 주 이메일) 비밀번호는 절대로 넣지 마세요. 이런 계정은 2FA를 사용해야 하고, 애초에 에이전트에게 넘길 일이 없어야 합니다. 의도된 사용 사례는 뉴스레터 가입과 무료 체험에서 재사용하는 일회용 비밀번호입니다."+ "text": "프로필 자동 입력은 설정 → 메모리에 있는 선택 기능입니다. 짧은 자기소개 — 이름, 업무 이메일, 회사, 저위험 가입용 일회용 비밀번호 — 를 입력하고 켜면, WebBrain이 그 텍스트를 에이전트의 시스템 프롬프트에 덧붙여 매번 묻지 않고도 가입 양식을 채울 수 있게 합니다. 텍스트는 브라우저 로컬 저장소에 평문으로 저장됩니다. WebBrain 프로젝트로는 전송되지 않지만, 설정한 LLM 프로바이더에게는 매 턴 시스템 프롬프트의 일부로 전송됩니다. 기본은 꺼짐입니다. 여기에 중요한 계정(Google, Apple, iCloud, 은행, 회사 SSO, 주 이메일) 비밀번호는 절대로 넣지 마세요. 이런 계정은 2FA를 사용해야 하고, 애초에 에이전트에게 넘길 일이 없어야 합니다. 의도된 사용 사례는 뉴스레터 가입과 무료 체험에서 재사용하는 일회용 비밀번호입니다."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "아니요 — 노출을 줄여줄 뿐 보장은 아닙니다. 활성화하면(설정 → 고급 → 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 제공자 → 비전에서 구성하세요(위의 \"WebBrain은 클라우드 LLM 청구를 어떻게 통제하나요?\"도 참고하세요)."}},{@@ -337,7 +337,7 @@"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 → 보조 모델 → 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. 제공자 → 비전에서 구성하세요. 결과적으로 클라우드 프로바이더와의 긴 세션은 예측 가능한 상태를 유지합니다. 완전한 제어를 원한다면 로컬 llama.cpp를 쓰세요 — 토큰당 비용은 0입니다."}},{diff --git a/web/ms/index.html b/web/ms/index.htmlindex 76721e47b..817d4567a 100644--- a/web/ms/index.html+++ b/web/ms/index.html@@ -289,7 +289,7 @@"name": "Bagaimanakah auto-isi Profil berfungsi, dan adakah ia selamat?","acceptedAnswer": {"@type": "Answer",- "text": "Auto-isi profil ialah ciri pilihan dalam Tetapan → Profil. Anda memasukkan bio ringkas — nama, e-mel kerja, syarikat dan kata laluan pakai buang 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. Teks disimpan sebagai teks biasa dalam storan tempatan pelayar anda. Ia tidak dihantar kepada projek WebBrain, tetapi ia dihantar kepada pembekal LLM yang anda konfigurasikan pada setiap giliran, sebagai sebahagian daripada system prompt. Dimatikan secara lalai. Jangan letakkan kata laluan untuk akaun penting (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."+ "text": "Auto-isi profil ialah ciri pilihan dalam Tetapan → Memori. Anda memasukkan bio ringkas — nama, e-mel kerja, syarikat dan kata laluan pakai buang 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. Teks disimpan sebagai teks biasa dalam storan tempatan pelayar anda. Ia tidak dihantar kepada projek WebBrain, tetapi ia dihantar kepada pembekal LLM yang anda konfigurasikan pada setiap giliran, sebagai sebahagian daripada system prompt. Dimatikan secara lalai. Jangan letakkan kata laluan untuk akaun penting (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Tidak — ia mengurangkan pendedahan, bukan jaminan. Apabila diaktifkan (Tetapan → Lanjutan → 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 Pembekal → Penglihatan (lihat \"Bagaimanakah WebBrain mengawal bil LLM awan?\" di atas)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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 Pembekal → Penglihatan. Hasil bersih: sesi panjang dengan pembekal awan kekal boleh diramal. Untuk kawalan penuh, gunakan llama.cpp secara tempatan — kos sifar setiap token."}},{diff --git a/web/nl/index.html b/web/nl/index.htmlindex 250300f46..55a9c906d 100644--- a/web/nl/index.html+++ b/web/nl/index.html@@ -289,7 +289,7 @@"name": "Hoe werkt Profiel auto-invullen, en is het veilig?","acceptedAnswer": {"@type": "Answer",- "text": "Profiel auto-invullen is een optionele functie in Instellingen → Profiel. U voert een korte bio in — naam, werkmail, bedrijf en een wegwerpwachtwoord 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. De tekst wordt in platte tekst opgeslagen in de lokale opslag van uw browser. Het wordt niet verzonden naar het WebBrain-project, maar het wel naar welke LLM-provider u heeft geconfigureerd bij elke beurt, als onderdeel van het systeemprompt. Standaard uit. Doe hier geen wachtwoorden voor belangrijke accounts (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."+ "text": "Profiel auto-invullen is een optionele functie in Instellingen → Geheugen. U voert een korte bio in — naam, werkmail, bedrijf en een wegwerpwachtwoord 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. De tekst wordt in platte tekst opgeslagen in de lokale opslag van uw browser. Het wordt niet verzonden naar het WebBrain-project, maar het wel naar welke LLM-provider u heeft geconfigureerd bij elke beurt, als onderdeel van het systeemprompt. Standaard uit. Doe hier geen wachtwoorden voor belangrijke accounts (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Nee — het vermindert de blootstelling, het is geen garantie. Wanneer ingeschakeld (Instellingen → Geavanceerd → 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 Providers → Visie (zie \"Hoe houdt WebBrain cloud LLM-rekeningen onder controle?\" hierboven)."}},{@@ -337,7 +337,7 @@"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 → Ondersteunende modellen → Visie. 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 Providers → Visie. Nettoresultaat: lange sessies met cloudproviders blijven voorspelbaar. Voor volledige controle, gebruik llama.cpp lokaal — nul kosten per token."}},{diff --git a/web/privacy.html b/web/privacy.htmlindex 64c961601..68add74d6 100644--- a/web/privacy.html+++ b/web/privacy.html@@ -198,7 +198,7 @@<p><strong>TL;DR:</strong></p><ul><li><strong>Local models and bring-your-own API:</strong> your requests are never collected by WebBrain. Local-model requests stay on your device; bring-your-own API requests go directly to the provider you configure.</li>- <li><strong>WebBrain Compass:</strong> information needed to process your request is sent to WebBrain. While Help Improve WebBrain is on by default, eligible Compass text and tool interactions may be retained and used for evaluation, improvement, fine-tuning, and training. Help Improve-off interaction content is not retained. You can turn the setting off at any time in Settings → General.</li>+ <li><strong>WebBrain Compass:</strong> information needed to process your request is sent to WebBrain. While Help Improve WebBrain is on by default, eligible Compass text and tool interactions may be retained and used for evaluation, improvement, fine-tuning, and training. Help Improve-off interaction content is not retained. You can turn the setting off at any time in Settings → Advanced.</li></ul></div>@@ -234,8 +234,8 @@<h2>Use of WebBrain Compass Data to Improve WebBrain</h2><p>When you use WebBrain Compass, information required to process your request is transmitted to and processed by WebBrain. Depending on the features you use, this information may include your prompts, model responses, relevant webpage content, screenshots or images, tool calls, browser-agent actions, feedback, and information about whether a task succeeded or failed.</p>- <p>Unless you disable <strong>Help Improve WebBrain</strong> in Settings → General, WebBrain may retain eligible Compass text, responses, relevant page text, tool calls, agent actions, feedback, usage, and outcomes and use them to evaluate, develop, improve, fine-tune, and train WebBrain's models, systems, safety mechanisms, and browser-automation capabilities. Help Improve WebBrain is on by default. Screenshots and uploaded images may be processed for inference, but WebBrain strips image URLs, base64 media, and image bytes before writing an interaction to its improvement database.</p>- <p>Older WebBrain Compass clients that do not send a Help Improve preference are treated as using the default-on setting. WebBrain derives a best-effort opaque session for those clients so related generations can be grouped without retaining the raw device or conversation fingerprint used for that derivation. To disable collection of future Compass interactions, install the latest WebBrain client and turn off Help Improve WebBrain in Settings → General. An explicit disabled preference always opts out. Once a conversation receives an opt-out request, that conversation is permanently ineligible for further collection. If you turn Help Improve WebBrain back on, collection begins with your next new conversation and cannot make the current conversation eligible again.</p>+ <p>Unless you disable <strong>Help Improve WebBrain</strong> in Settings → Advanced, WebBrain may retain eligible Compass text, responses, relevant page text, tool calls, agent actions, feedback, usage, and outcomes and use them to evaluate, develop, improve, fine-tune, and train WebBrain's models, systems, safety mechanisms, and browser-automation capabilities. Help Improve WebBrain is on by default. Screenshots and uploaded images may be processed for inference, but WebBrain strips image URLs, base64 media, and image bytes before writing an interaction to its improvement database.</p>+ <p>Older WebBrain Compass clients that do not send a Help Improve preference are treated as using the default-on setting. WebBrain derives a best-effort opaque session for those clients so related generations can be grouped without retaining the raw device or conversation fingerprint used for that derivation. To disable collection of future Compass interactions, install the latest WebBrain client and turn off Help Improve WebBrain in Settings → Advanced. An explicit disabled preference always opts out. Once a conversation receives an opt-out request, that conversation is permanently ineligible for further collection. If you turn Help Improve WebBrain back on, collection begins with your next new conversation and cannot make the current conversation eligible again.</p><p>WebBrain MySQL is the canonical store for eligible completed generations. Stored request and response payloads are compressed and encrypted, and related calls are grouped with an opaque session identifier derived from the device and conversation identifiers. Raw identifiers are not stored with the payload or sent to OpenRouter for grouping. Failed generations and interrupted streams are not stored as improvement content.</p><p>Before retained interactions are used for model development, WebBrain applies technical measures designed to remove or mask direct identifiers, credentials, secrets, and other sensitive information. These measures reduce privacy risks but may not eliminate every possibility that information could be associated with an individual.</p><p>WebBrain does not use the following for model training:</p>@@ -247,7 +247,7 @@<li>Data from accounts that WebBrain knows belong to children.</li></ul><p>You should not submit confidential information or personal information about another person unless you are authorized to do so.</p>- <p>You may disable the use of future Compass interactions for model improvement at any time through Settings → General in the latest WebBrain client. Disabling this option prevents new interaction content from being added to improvement or training datasets and routes the conversation through an OpenRouter workspace where content logging is disabled. It does not prevent the minimal metadata-only processing and retention needed to provide the service, enforce quotas, prevent abuse, maintain security, or debug failures. It may not be possible to remove information already incorporated into a trained model, but WebBrain will honor applicable deletion and objection rights for retained source data.</p>+ <p>You may disable the use of future Compass interactions for model improvement at any time through Settings → Advanced in the latest WebBrain client. Disabling this option prevents new interaction content from being added to improvement or training datasets and routes the conversation through an OpenRouter workspace where content logging is disabled. It does not prevent the minimal metadata-only processing and retention needed to provide the service, enforce quotas, prevent abuse, maintain security, or debug failures. It may not be possible to remove information already incorporated into a trained model, but WebBrain will honor applicable deletion and objection rights for retained source data.</p><p>Raw Compass interactions selected for improvement are retained for no longer than <strong>12 months</strong> before deletion or de-identification, and may be deleted or de-identified earlier when no longer needed. De-identified datasets may be retained for up to <strong>5 years</strong> for model development, evaluation, security, and reproducibility.</p><p>Eligible interactions are also stored privately in an isolated OpenRouter Logs workspace with Input & Output Logging enabled as a redundant review copy. <a href="https://openrouter.ai/docs/guides/features/input-output-logging" target="_blank" rel="noopener noreferrer">OpenRouter documents</a> a minimum retention of three months and says data may be retained longer unless deletion is requested. OpenRouter's separate “Use Inputs/Outputs” training and discount option is disabled. OpenRouter logging is not permanent storage or a guaranteed image backup.</p>diff --git a/web/pt/index.html b/web/pt/index.htmlindex 8fe6abd57..d822c3630 100644--- a/web/pt/index.html+++ b/web/pt/index.html@@ -289,7 +289,7 @@"name": "Como funciona o preenchimento automático do perfil e é seguro?","acceptedAnswer": {"@type": "Answer",- "text": "O preenchimento automático do perfil é um recurso opcional no Configurações → Perfil. Você insere uma breve biografia - nome, e-mail comercial, empresa e um descartável 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. O texto é armazenado em texto simples no armazenamento local do seu navegador. É não transmitido para o projeto WebBrain, mas é enviado para qualquer provedor LLM que você configurou a cada turno, como parte do prompt do sistema. Desativado por padrão. Não coloque senhas para contas importantes (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."+ "text": "O preenchimento automático do perfil é um recurso opcional no Configurações → Memória. Você insere uma breve biografia - nome, e-mail comercial, empresa e um descartável 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. O texto é armazenado em texto simples no armazenamento local do seu navegador. É não transmitido para o projeto WebBrain, mas é enviado para qualquer provedor LLM que você configurou a cada turno, como parte do prompt do sistema. Desativado por padrão. Não coloque senhas para contas importantes (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Não – reduz a exposição, não é uma garantia. Quando ativado (Configurações → Avançado → 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 Provedores → Visão (consulte \"Como o WebBrain mantém as contas do Cloud LLM sob controle?\" acima)."}},{@@ -337,7 +337,7 @@"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 → Modelos auxiliares → 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 Provedores → Visão. Resultado líquido: longas sessões com provedores de nuvem permanecem previsíveis. Para controle total, use llama.cpp localmente – custo zero por token."}},{diff --git a/web/ru/index.html b/web/ru/index.htmlindex b342f6554..40b65941c 100644--- a/web/ru/index.html+++ b/web/ru/index.html@@ -289,7 +289,7 @@"name": "Как работает автозаполнение профиля и безопасно ли это?","acceptedAnswer": {"@type": "Answer",- "text": "Автозаполнение профиля — опциональная функция в Настройки → Профиль. Вы пишете короткое био — имя, рабочий email, компанию и одноразовый 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. Текст хранится в открытом виде в локальном хранилище браузера. Он не отправляется в проект WebBrain, но отправляется тому LLM-провайдеру, которого вы настроили, на каждом ходу как часть системного prompt. По умолчанию выключено. Не вводите сюда пароли важных аккаунтов (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."+ "text": "Автозаполнение профиля — опциональная функция в Настройки → Память. Вы пишете короткое био — имя, рабочий email, компанию и одноразовый 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. Текст хранится в открытом виде в локальном хранилище браузера. Он не отправляется в проект WebBrain, но отправляется тому LLM-провайдеру, которого вы настроили, на каждом ходу как часть системного prompt. По умолчанию выключено. Не вводите сюда пароли важных аккаунтов (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Нет — она снижает риск, но не является гарантией. При включении (Настройки → Расширенные → 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 Провайдеры → Зрение (см. «Как WebBrain держит счета за облачные LLM под контролем?» выше)."}},{@@ -337,7 +337,7 @@"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 → Вспомогательные модели → 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 Провайдеры → Зрение. В итоге: длинные сессии с облачными провайдерами остаются предсказуемыми. Для полного контроля — поднимайте llama.cpp локально, цена за токен нулевая."}},{diff --git a/web/th/index.html b/web/th/index.htmlindex a34b4b6d6..945fa4fdf 100644--- a/web/th/index.html+++ b/web/th/index.html@@ -289,7 +289,7 @@"name": "การกรอกโปรไฟล์อัตโนมัติทำงานอย่างไร และปลอดภัยไหม?","acceptedAnswer": {"@type": "Answer",- "text": "การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน การตั้งค่า → โปรไฟล์ คุณกรอกประวัติย่อ — ชื่อ อีเมลที่ทำงาน บริษัท และรหัสผ่าน ใช้แล้วทิ้ง สำหรับการสมัครเสี่ยงต่ำ — แล้วเปิดใช้งาน เมื่อเปิดใช้ WebBrain จะเพิ่มข้อความนั้นต่อท้าย system prompt ของเอเจนต์ เพื่อให้มันกรอกฟอร์มสมัครได้โดยไม่ต้องถามทุกครั้ง ข้อความถูกเก็บ เป็นข้อความธรรมดา ใน local storage ของเบราว์เซอร์ มัน จะไม่ ถูกส่งไปยังโปรเจกต์ WebBrain แต่ จะถูกส่ง ไปยังผู้ให้บริการ LLM ที่คุณตั้งค่าไว้ในทุกเทิร์น ในฐานะส่วนหนึ่งของ system prompt ปิดเป็นค่าเริ่มต้น อย่าใส่รหัสผ่านของบัญชีสำคัญ ที่นี่ (Google, Apple, iCloud, ธนาคาร, SSO ที่ทำงาน, อีเมลหลัก) บัญชีเหล่านั้นควรใช้ 2FA และไม่ควรมอบให้เอเจนต์อยู่แล้ว กรณีใช้งานที่ตั้งใจคือรหัสผ่านใช้แล้วทิ้งที่คุณใช้ซ้ำสำหรับการสมัครจดหมายข่าวและการทดลองใช้ฟรี"+ "text": "การกรอกโปรไฟล์อัตโนมัติเป็นคุณสมบัติเลือกได้ใน การตั้งค่า → หน่วยความจำ คุณกรอกประวัติย่อ — ชื่อ อีเมลที่ทำงาน บริษัท และรหัสผ่าน ใช้แล้วทิ้ง สำหรับการสมัครเสี่ยงต่ำ — แล้วเปิดใช้งาน เมื่อเปิดใช้ WebBrain จะเพิ่มข้อความนั้นต่อท้าย system prompt ของเอเจนต์ เพื่อให้มันกรอกฟอร์มสมัครได้โดยไม่ต้องถามทุกครั้ง ข้อความถูกเก็บ เป็นข้อความธรรมดา ใน local storage ของเบราว์เซอร์ มัน จะไม่ ถูกส่งไปยังโปรเจกต์ WebBrain แต่ จะถูกส่ง ไปยังผู้ให้บริการ LLM ที่คุณตั้งค่าไว้ในทุกเทิร์น ในฐานะส่วนหนึ่งของ system prompt ปิดเป็นค่าเริ่มต้น อย่าใส่รหัสผ่านของบัญชีสำคัญ ที่นี่ (Google, Apple, iCloud, ธนาคาร, SSO ที่ทำงาน, อีเมลหลัก) บัญชีเหล่านั้นควรใช้ 2FA และไม่ควรมอบให้เอเจนต์อยู่แล้ว กรณีใช้งานที่ตั้งใจคือรหัสผ่านใช้แล้วทิ้งที่คุณใช้ซ้ำสำหรับการสมัครจดหมายข่าวและการทดลองใช้ฟรี"}},{@@ -297,7 +297,7 @@"name": "การตั้งค่าเบลอภาพหน้าจอรับประกันหรือไม่ว่าข้อมูลส่วนตัวของฉันจะไม่มีวันไปถึงโมเดลวิชั่นบนคลาวด์?","acceptedAnswer": {"@type": "Answer",- "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)"+ "text": "ไม่ — มันช่วยลดความเสี่ยง ไม่ใช่การรับประกัน เมื่อเปิดใช้งาน (การตั้งค่า → ขั้นสูง → 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 ผู้ให้บริการ → การมองเห็น (ดู \"WebBrain ควบคุมบิล LLM บนคลาวด์อย่างไร?\" ด้านบน)"}},{@@ -337,7 +337,7 @@"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 → โมเดลเสริม → 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 ผู้ให้บริการ → การมองเห็น ผลลัพธ์สุดท้าย: เซสชันยาว ๆ กับผู้ให้บริการคลาวด์ยังคาดเดาได้ หากต้องการการควบคุมเต็มที่ ใช้ llama.cpp ภายในเครื่อง — ต้นทุนต่อโทเค็นเป็นศูนย์"}},{diff --git a/web/tl/index.html b/web/tl/index.htmlindex ff476ef3e..3267ead0d 100644--- a/web/tl/index.html+++ b/web/tl/index.html@@ -289,7 +289,7 @@"name": "Paano gumagana ang Profile auto-fill, at ligtas ba ito?","acceptedAnswer": {"@type": "Answer",- "text": "Ang Profile auto-fill ay isang opsyonal na tampok sa Settings → Profile. Maglalagay ka ng maikling bio — pangalan, work email, kumpanya, at isang isahang-gamit 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. Ang text ay nakaimbak bilang plain text sa local storage ng iyong browser. Hindi ito ipinapadala sa proyektong WebBrain, ngunit ipinapadala ito sa kung anong LLM provider ang iyong na-configure sa bawat turn, bilang bahagi ng system prompt. Naka-off bilang default. Huwag maglagay ng mga password para sa mahahalagang account (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."+ "text": "Ang Profile auto-fill ay isang opsyonal na tampok sa Settings → Memory. Maglalagay ka ng maikling bio — pangalan, work email, kumpanya, at isang isahang-gamit 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. Ang text ay nakaimbak bilang plain text sa local storage ng iyong browser. Hindi ito ipinapadala sa proyektong WebBrain, ngunit ipinapadala ito sa kung anong LLM provider ang iyong na-configure sa bawat turn, bilang bahagi ng system prompt. Naka-off bilang default. Huwag maglagay ng mga password para sa mahahalagang account (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Hindi — binabawasan lang nito ang exposure, hindi ito garantiya. Kapag naka-enable (Settings → Advanced → 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 Mga Provider → Bisyon (tingnan ang \"Paano kinokontrol ng WebBrain ang singil sa cloud LLM?\" sa itaas)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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 Mga Provider → 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."}},{diff --git a/web/tr/index.html b/web/tr/index.htmlindex 63138827e..a11c1268e 100644--- a/web/tr/index.html+++ b/web/tr/index.html@@ -289,7 +289,7 @@"name": "Profil otomatik doldurma nasıl çalışır ve güvenli mi?","acceptedAnswer": {"@type": "Answer",- "text": "Profil otomatik doldurma, Ayarlar → Profil altında isteğe bağlı bir özelliktir. Kısa bir biyografi girersin — ad, iş e-postası, şirket ve düşük riskli kayıtlar için tek kullanımlık bir parola — ve açarsın. Etkinleştirildiğinde WebBrain bu metni ajanın sistem istemine ekler, böylece kayıt formlarını her seferinde sormadan doldurabilir. Metin tarayıcının yerel depolamasında düz metin olarak saklanır. WebBrain projesine iletilmez ama yapılandırdığın LLM sağlayıcısına her turda sistem isteminin bir parçası olarak gönderilir. Varsayılan kapalı. Önemli hesapların parolalarını (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."+ "text": "Profil otomatik doldurma, Ayarlar → Bellek altında isteğe bağlı bir özelliktir. Kısa bir biyografi girersin — ad, iş e-postası, şirket ve düşük riskli kayıtlar için tek kullanımlık bir parola — ve açarsın. Etkinleştirildiğinde WebBrain bu metni ajanın sistem istemine ekler, böylece kayıt formlarını her seferinde sormadan doldurabilir. Metin tarayıcının yerel depolamasında düz metin olarak saklanır. WebBrain projesine iletilmez ama yapılandırdığın LLM sağlayıcısına her turda sistem isteminin bir parçası olarak gönderilir. Varsayılan kapalı. Önemli hesapların parolalarını (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Hayır — maruziyeti azaltır, bir garanti değildir. Etkinleştirildiğinde (Ayarlar → Gelişmiş → 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 Sağlayıcılar → Görme altından yapılandırın (yukarıdaki \"WebBrain bulut LLM faturalarını nasıl kontrol altında tutar?\" bölümüne bakın)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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. Sağlayıcılar → Görme altında yapılandırılır. Net sonuç: bulut sağlayıcılarıyla uzun oturumlar öngörülebilir kalır. Tam kontrol için yerel llama.cpp'yi kullan — token başına sıfır maliyet."}},{diff --git a/web/uk/index.html b/web/uk/index.htmlindex 2bff61cad..cc954637f 100644--- a/web/uk/index.html+++ b/web/uk/index.html@@ -289,7 +289,7 @@"name": "Як працює автозаповнення профілю і чи це безпечно?","acceptedAnswer": {"@type": "Answer",- "text": "Автозаповнення профілю — опціональна функція в Налаштування → Профіль. Ви пишете коротке біо — ім'я, робочий email, компанію та одноразовий 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. Текст зберігається у відкритому вигляді в локальному сховищі браузера. Він не надсилається в проєкт WebBrain, але надсилається тому LLM-провайдеру, якого ви налаштували, на кожному ходу як частина системного prompt. За замовчуванням вимкнено. Не вводьте сюди паролі важливих акаунтів (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."+ "text": "Автозаповнення профілю — опціональна функція в Налаштування → Пам’ять. Ви пишете коротке біо — ім'я, робочий email, компанію та одноразовий 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. Текст зберігається у відкритому вигляді в локальному сховищі браузера. Він не надсилається в проєкт WebBrain, але надсилається тому LLM-провайдеру, якого ви налаштували, на кожному ходу як частина системного prompt. За замовчуванням вимкнено. Не вводьте сюди паролі важливих акаунтів (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Ні — воно зменшує ризик, але не є гарантією. Після ввімкнення (Налаштування → Розширені → 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 Провайдери → Зір (див. «Як WebBrain тримає рахунки за хмарні LLM під контролем?» вище)."}},{@@ -337,7 +337,7 @@"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 → Допоміжні моделі → 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 Провайдери → Зір. Підсумок: довгі сесії з хмарними провайдерами лишаються передбачуваними. Для повного контролю — підіймайте llama.cpp локально, ціна за токен нульова."}},{diff --git a/web/vi/index.html b/web/vi/index.htmlindex ea51f0239..03f497eb1 100644--- a/web/vi/index.html+++ b/web/vi/index.html@@ -289,7 +289,7 @@"name": "Tính năng tự động điền hồ sơ hoạt động như thế nào và có an toàn không?","acceptedAnswer": {"@type": "Answer",- "text": "Tự động điền hồ sơ là một tính năng tùy chọn trong Cài đặt → Hồ sơ. Bạn nhập một tiểu sử ngắn gọn — tên, email công việc, công ty và địa chỉ đồ bỏ đi 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. Văn bản được lưu trữ trong bản rõ trong bộ nhớ cục bộ của trình duyệt của bạn. Đó là không được truyền tới dự án WebBrain, nhưng nó là 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. Không đặt mật khẩu cho những tài khoản quan trọng (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."+ "text": "Tự động điền hồ sơ là một tính năng tùy chọn trong Cài đặt → Bộ nhớ. Bạn nhập một tiểu sử ngắn gọn — tên, email công việc, công ty và địa chỉ đồ bỏ đi 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. Văn bản được lưu trữ trong bản rõ trong bộ nhớ cục bộ của trình duyệt của bạn. Đó là không được truyền tới dự án WebBrain, nhưng nó là 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. Không đặt mật khẩu cho những tài khoản quan trọng (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."}},{@@ -297,7 +297,7 @@"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 → 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)."+ "text": "Không - nó làm giảm mức độ phơi nhiễm, nó không phải là sự đảm bảo. Khi được bật (Cài đặt → Nâng cao → 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 Nhà cung cấp → Tầm nhìn (xem \"WebBrain làm cách nào để kiểm soát hóa đơn LLM trên đám mây?\" ở trên)."}},{@@ -337,7 +337,7 @@"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 → 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."+ "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 Nhà cung cấp → 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."}},{diff --git a/web/zh/index.html b/web/zh/index.htmlindex 845f5889a..4a33cac64 100644--- a/web/zh/index.html+++ b/web/zh/index.html@@ -289,7 +289,7 @@"name": "个人资料自动填写如何工作?它安全吗?","acceptedAnswer": {"@type": "Answer",- "text": "个人资料自动填写是 设置 → 个人资料 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一次性密码 —— 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。 该文本以明文保存在浏览器的本地存储中。它不会被传送到 WebBrain 项目,但会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。 不要在此放置重要账户的密码(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。"+ "text": "个人资料自动填写是 设置 → 记忆 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一次性密码 —— 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。 该文本以明文保存在浏览器的本地存储中。它不会被传送到 WebBrain 项目,但会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。 不要在此放置重要账户的密码(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。"}},{@@ -297,7 +297,7 @@"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 → 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?\")。"+ "text": "不能——它只是降低了暴露风险,并不是保证。启用后(设置 → 高级 → 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。请在提供商 → 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?\")。"}},{@@ -337,7 +337,7 @@"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 → 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。"+ "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 提供商 → 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。"}},{