Usted le describe la pantalla a su modelo. Él responde con seguridad — a partir de su descripción, no de la pantalla. El día en que olvide un detalle, la respuesta mantiene exactamente la misma seguridad.
Con Diwall, abre la página por sí mismo, actúa sobre ella y después relee el resultado. La respuesta ya no se basa en su relato, sino en lo que ha comprobado.
Primero, la prueba
Este escenario se entrega con Diwall. Puede ejecutarlo tal cual, hoy, antes de leer cualquier otra cosa en este sitio.
diwall-rpa --scenario /opt/diwall/scenarios/exemples/sondage_fast.json --guide-version 1.3
{"succes": true, "http_status": 200, "url_finale": "https://example.com/",
"evaluations": [{"index": 1, "script": "document.title",
"valeur": "Example Domain"}],
"boussole": {"titre_page": "Example Domain", "dernier_code_http": 200,
"respect": {"actions_executees": 2, "duree_totale_ms": 2742,
"indice_agressivite": 0.5}}}
Ese archivo está en el repositorio. Ese comando es el que usted escribirá. Ese resultado procede de una ejecución del 4 de agosto de 2026 con Diwall 1.23.0, y los valores son los que imprimió. Está abreviado: la respuesta real contiene quince claves más — duraciones, la ruta de la captura, la consola JS, una lista de latencias acción por acción. Las duraciones cambian de una ejecución a otra; todo lo demás es idéntico. Si su directorio cifrado está configurado pero no montado, antes aparecen dos avisos del diario en stderr — el JSON sale por stdout en cualquier caso.
--guide-version no es un adorno. Sin esa opción obtiene
{"succes": false, "erreur": "guide_non_lu"}, y no ocurre nada más. Así es como
un agente dice he leído la guía — y por eso todos los comandos de este sitio
la llevan. Por qué existe ese cerrojo →
Qué es Diwall
Diwall da a su modelo ojos en la web, un teclado y un ratón, desde su terminal.
En lugar de limitarse a conversar con él en una caja de texto, Diwall le da lo necesario para percibir y para actuar: navega, hace tareas reales en su lugar — configurar sitios, buscar, comprobar — y al final le redacta documentos aprovechables. Todo ello sin salir de su propio ordenador.
Cualquier modelo capaz de ejecutar un comando de shell puede manejarlo — alojado (Claude, GPT, Gemini) o local (Ollama, vLLM). Diwall no sabe, ni necesita saber, cuál lo está llamando; solo importa lo que ocurre con sus datos. Local por defecto, remoto solo si usted lo decide →
Una sesión, de ver a actuar
$ diwall-shot --url http://localhost:8765/demo_som_en.html --som --guide-version 1.3 → 10 elementos interactivos numerados → captura: /tmp/diwall/…/state_som_….png [4] INPUT « operator » [5] INPUT « •••••••• » [7] BUTTON « Sign in » $ diwall-rpa --scenario conexion.json --guide-version 1.3 {"type": "remplir_som", "id": 4, "valeur": "depuis_secrets"} {"type": "cliquer_som", "id": 7} → succes: true — 2 acciones, 1 página
Lo esencial está en las tres líneas de color. El modelo no recibe una imagen
que interpretar: recibe un número. {"id": 7} es Sign in, sin selector
que adivinar y sin nada que describir.
Esa página de prueba está versionada en el repositorio: los números de arriba son, por tanto, también los que usted obtendrá. Ver la misma página de tres formas →