从六个浏览器标签到一个多模型工作台
一个很常见的场景：你想问一个稍微有点分量的问题——一段代码为什么慢、一篇论文靠不靠谱、一个产品决策该往哪走——于是打开 ChatGPT、Gemini、Kimi、Qwen、DeepSeek、豆包，把同一个问题复制粘贴六遍，等它们各自答完，再在六个窗口之间来回切，对比谁说得对、谁在胡说、谁给的例子能直接用。
这件事我干了几个月。最后决定写个东西终结它。
这就是 CrossChat。
它干什么
CrossChat 是一个桌面应用，把上面那几个（以及更多）大模型的网页塞进同一个窗口里。三件事：
- 画布：多个模型并排铺开，你聚焦其中一个，其余的留在余光里。左右箭头或滑动切换焦点，不用再开六个浏览器标签来回切。每个模型都还是它自己网页原本的样子，登录态、历史、插件都在。
- 广播：底下输入框写一次问题，一键发给所有正在用的模型。点完发送，你能看着六个页面同时开始打字——有人秒回，有人转圈，有人答到一半自己改主意。这种同时性，是开六个标签页给不了的。
- PK：答完后点一下，选一个裁判模型（或用 API），让它给所有答案打分、排名、给出胜负理由，结果卡片按冠军在前展示。裁判会先判断这是代码题、事实题、还是写作题，再用对应标准打分——代码看正确性和边界，事实看证据和幻觉，写作看是否切题。
仅此而已。它不替你决定哪个答案最好，只是把”开六个标签页复制六遍”压成一两次点击，再帮你把对比这件事结构化。
为什么是桌面应用
我没把它做成网页服务，也没做成 SaaS。原因很朴素：这些大模型的网页本身就需要登录态，把它嵌进一个本地窗口里，登录态、Cookie、历史都还是你自己的，CrossChat 不经手任何对话内容，也不存数据。PK 的结果关掉就没了。
它不是一个平台，不是一个评测网站，就是一个跑在你自己电脑上的工具。
真正难的部分
听起来简单，做起来全是坑。
坑不在”把网页嵌进来”，而在”让网页听话”。CrossChat 要替你往输入框里填问题、点发送、抓回答、切侧边栏——这些都是和第三方网页的 DOM 打交道。而每个大模型的网页底层都不一样。
输入框有的是普通文本框、有的是可编辑区域；有的用了 React，你模拟的输入事件它当没看见，非得走系统级键盘事件才会响应。侧边栏按钮在 A 模型上能正常开合，同一个动作在 B 模型上却打开了上传历史。
最让我长记性的一次：我想修一个模型的侧边栏切换，顺手用了一条”看起来差不多”的通用选择器，想着能省一段分支代码。结果在另一个模型上，这条规则没点到侧边栏，反而点到了”新建对话”——页面当场跳走了。
更隐蔽的是，有几家模型长得几乎一样（都是国产、布局类似），行为却相反：A 模型的侧边栏点一下”开”是真的开，B 模型同一个位置点”开”其实是关。我连续修好一家、弄坏另一家好几次，才承认”长得像”不等于”行为像”。
从那以后我给自己定了一条死规矩：没有 DOM 证据，不写选择器。改任何一家页面的交互前，先抓真实 DOM 结构，看清楚标签、属性、坐标、可见性，再动手。每家模型的逻辑单独隔离，谁也不连累谁。
这条规矩不是洁癖，是疤。
还有一件事我最终没做：自动判断”模型答完了没”。第三方网页的加载状态千奇百怪，误判比不判更烦人——你正想看答案，它啪地帮你开了 PK。所以第一版手动来，你觉得答完了就点。
现在到哪了
版本 0.1.0。手动 PK——由你决定什么时候答完了、可以开判了。已接入 ChatGPT、Gemini、Kimi、Qwen、Grok、DeepSeek、豆包、Kiro 等。
后面想做的：自动检测回答完成、PK 历史记录、更多模型。但都不急，先把现在的体验打磨稳。
写在最后
CrossChat 不打算取代任何一个模型，也不想做评测平台。它就是一个个人工具，解决一个我自己的、每天都会遇到的小烦心事：把同一个问题问六遍，然后人肉对比。
如果你也天天在六个标签页之间切，可以试试。
从六个浏览器标签到一个多模型工作台