Brave浏览器URL栏智能建议功能升级:从"Top sites"到"Top suggestions"
Brave浏览器在1.77版本中对URL栏的自动补全功能进行了重要升级,将原有的"Top sites"(热门网站)功能扩展为更全面的"Top suggestions"(热门建议)功能。这项改进显著提升了用户在地址栏输入时的搜索体验。
功能演进背景
传统浏览器在地址栏的自动补全功能通常分为两类:一类是基于用户历史访问记录的网站建议,另一类是与搜索引擎集成的搜索建议。Brave浏览器原先采用这种分离的设计,但用户反馈表明,这种分离式体验不够连贯。
在1.77版本中,Brave团队决定将这两类建议进行更紧密的整合。原先的"Top sites"功能仅提供用户经常访问的网站建议,而新的"Top suggestions"功能则同时包含本地设备上的热门网站和搜索建议,为用户提供更全面的输入辅助。
功能实现细节
新的"Top suggestions"功能通过以下方式工作:
-
本地设备建议:系统会基于用户本地的浏览历史和搜索记录生成建议,这些数据不会离开用户设备,符合Brave的隐私保护原则。
-
搜索建议整合:当用户输入查询词时,系统不仅会显示可能的完整URL,还会提供相关的搜索建议。
-
智能优先级排序:系统会根据用户的使用习惯自动调整建议的显示顺序,最相关的建议会优先显示。
用户控制选项
为了满足不同用户的偏好,Brave提供了精细的控制选项:
-
"Top suggestions"开关:位于浏览器设置的"外观"部分,控制是否显示本地设备生成的建议(包括热门网站和搜索建议)。
-
"改进搜索建议"开关:位于搜索设置中,控制是否从默认搜索引擎获取搜索建议。
这两个设置可以独立配置,形成四种组合:
- 两者都开启:显示完整的建议(本地+搜索引擎)
- 仅开启"Top suggestions":只显示本地生成的建议
- 仅开启"改进搜索建议":只显示来自搜索引擎的建议
- 两者都关闭:完全禁用所有自动补全建议
技术实现考量
这项改进在技术实现上有几个关键点:
-
本地处理优先:所有基于本地的建议生成都在用户设备上完成,不依赖外部服务器,确保用户隐私。
-
性能优化:建议生成算法经过优化,即使在大量历史数据的情况下也能快速响应。
-
资源占用控制:系统会定期清理过时的建议数据,保持数据库的高效运行。
用户体验提升
这项升级带来的主要体验改进包括:
-
更连贯的输入体验:用户不再需要在网站建议和搜索建议之间切换思维模式。
-
更智能的预测:系统能更好地理解用户的真实意图,无论是想访问特定网站还是进行搜索。
-
更个性化的结果:建议会随着使用不断优化,越来越符合用户的个人习惯。
升级注意事项
对于从旧版本升级的用户:
-
原有设置中的"Top sites"选项会自动转换为"Top suggestions"并保持原有状态。
-
用户的历史数据会被保留并用于生成新的综合建议。
-
如果用户之前关闭了"Top sites",升级后需要手动开启"Top suggestions"才能使用扩展后的功能。
这项改进体现了Brave浏览器在保持隐私保护核心原则的同时,不断优化用户体验的承诺。通过将本地智能与用户控制完美结合,为用户提供了既强大又尊重隐私的浏览体验。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00