@bkingfilm 富文本确实是最难的一块。我的做法是不去跟编辑器抢 DOM,而是用它自己的输入协议跟它说话。

先把 selection 放到目标位置(替换就 selectNodeContents 全选,追加就 collapse 到末尾),然后派一个合成的 beforeinput,带 inputType: 'insertText' 和 data 。Lexical / Slate / ProseMirror / Draft 这些受控编辑器都靠这个事件更新自己的 model 。关键是看它有没有 preventDefault():取消了就说明编辑器打算自己把内容写进去,那我什么都不做,不去 clobber 它;没取消才自己写 innerText 再补一个 input 。你说的 execCommand 那条路留着当兜底,合成事件被 isTrusted 挡掉的站确实还有。

普通 input 也有个类似的坑:直接 el.value = 会被 React 的脏值检测吃掉,得 HTMLInputElement.prototype 上取原生 setter 来调,再补 input + change 。

我目前只验证到单段文本,你说的多段 + 两次 insertParagraph 那种没专门处理。所以 type_into 会把写完之后的实际内容 final_value 返回给 agent,让它自己看得见有没有写进去,而不是默默失败。要是你手上有能打穿它的站,欢迎丢给我。

@nanyong0627 claude for chrome 是挺好用的,我自己也在用. 我自己做一个一方面是为了学习,一方面也是想做一个所有 agent 都能使用的,还有一个原因是目前这种通用工具真正去执行的时候既费时又耗 tokens,我想在目前 generic 工具的基础上再套一层适配各个站点的能力,比如让 agent 使用 generic 能力为 V2EX 生成一个适配脚本,以后直接调用执行,不需要额外 tokens. @bkingfilm 刚刚也提到了这一点

@adm4n 对,Codex 官方那个扩展做的是同一件事,重度用 Codex 的话它更顺手。我这个的区别是不绑定 agent ，25 个操作走本地 daemon 暴露,Claude Code 、自己写的脚本、cron 都能调。最初做它其实就是想自己学一遍，过几天打算开源出来。

经常去母校食堂蹭饭吃, 以前阿姨都是问同学你要吃点什么, 突然有天阿姨问我: 老师你要吃点什么

不要看他们说什么, 看他们做什么.