YOHO AI

标签： AI浏览器

  • Cloudflare 造了个专门给 AI 用的浏览器：不要好看，只要省钱

    AI 智能体这两年最大的变化，是从“回答问题”变成了“替你干活”。订个座、填张表、把网页上的价格比一比，这些事都绕不开一个东西——浏览器。可现在的浏览器，从 Chrome 到 Edge，全都是给人设计的。Cloudflare 这次跳出来做了件不一样的事：它给 AI 造了个浏览器，名字叫 Kitesurf。

    当 AI 要自己上网

    8 月 7 日，这家做 CDN 起家的公司发布了 Kitesurf。它不打算替换你电脑上的 Chrome，而是跑在 Cloudflare 自己的服务器上，专门给跑自动任务的 AI 智能体用。开发者不用再自己折腾一套无头浏览器，直接调用接口，就能让 AI 去打开网页、填表单、把需要的内容抓回来。

    给人用的浏览器在意主题、标签页和扩展插件；给 AI 用的浏览器，在意的是上下文窗口、性能、token 成本和能不能规模化。两者面对的威胁模型也完全不同——AI 浏览器得防的是提示词注入这类攻击。

    为什么不直接用 Chrome

    说到底，Chromium 是给人类眼睛和手指优化的。它能平滑滚动、能跨设备同步、能装一堆插件，这些对 AI 来说全是没用的包袱，反而白白吃内存和算力。Cloudflare 的思路很直接：把人不需要的那层全砍掉，只留下“读页面、提取内容、偶尔截个图”这几件正事。

    十二周拼出来的轻量引擎

    有意思的是，这个项目从拍板到上线只用了 12 周。它本身也不是从零写起的：渲染靠 Blitz 的模块化引擎，CSS 解析用了 Firefox 的 Stylo，JavaScript 跑在 Rust 写的 Boa 引擎上，剩下的一切都塞进了 Cloudflare 的 Workers 无服务器平台。整套东西是无状态的，跑完一个任务就扔掉，不留尾巴，特别适合“要用的时候开一个、用完就关”的场景。现在它正在 Browser Run 里免费公测。

    • 截图任务的 CPU 耗时 380 毫秒，Chromium 要 1173 毫秒
    • 同样任务内存只吃 57.8 MiB，Chromium 是 271 MiB
    • 提取网页 HTML 用时 229 毫秒，Chromium 是 877 毫秒
    • 内存进一步压到 39.4 MiB，Chromium 则要 273.7 MiB

    数字比情怀更有说服力

    光喊“更轻”没人信，Cloudflare 把测试摆出来了：在上面这些常见智能体任务里，Kitesurf 的 CPU 和内存消耗都明显低于 Chromium，目前已经有超过 21.5 万项 Web Platform Tests 通过，而且每周还在以几百项的速度增加。代价是单任务耗时目前还略慢一点，主要卡在把屏幕转成图片那一步，官方说后续会优化。

    这背后是一场成本战争

    把视角拉远一点，Kitesurf 真正想解决的，是 AI 自动化那笔算不清楚的账。今天让一个智能体去点网页，主流做法就是租一个无头 Chromium 实例，等于“每个 agent 配一整台浏览器”，资源消耗就是实打实的毛利。如果轻量引擎这条路走通，同样预算能跑的 agent 数量会多出一截。只是这里有个微妙的悖论：Cloudflare 一边给智能体发浏览器，一边又是全球最大的爬虫拦截方，将来网站运营者要操心的，恐怕不再是“挡不挡爬虫”，而是“哪些 agent 是付费放行的”。

    Cloudflare Kitesurf 浏览器界面
    Cloudflare 发布的 Kitesurf，一个完全跑在 Workers 上的无状态浏览器。

  • Cloudflare 推出 Kitesurf：一款给 AI 智能体用的浏览器

    过去几年，我们习惯把“AI 会自己上网办事”当成科幻片里的桥段。可现实推进得比剧本快——智能体要查价、填表、抓数据，每一步都得有个浏览器替它打开网页。问题来了：市面上所有的浏览器，Chrome、Edge、Firefox，从第一行代码起就是为人眼设计的。标签页、主题、扩展、丝滑滚动，这些对 AI 来说全是没用的负担。Cloudflare 这周在 Agents Week 上甩出一个叫 Kitesurf 的东西，干脆把“人”这个用户从浏览器里拿掉了。

    不是 Chrome 的替代品，是另一种东西

    Kitesurf 的定位很明确：它是给 AI 智能体用的无状态浏览器，整个跑在 Cloudflare Workers 的 V8 隔离环境里，而不是传统的 Chromium 引擎。Cloudflare 说这个项目是 12 周前才拍板上马的，跑在自家 serverless 平台上，现在通过 Browser Run 公测，免费给开发者用（每个账号有调用上限）。

    为什么不直接拿 Chromium 改改？因为 Chromium 太重了。给每个智能体配一个浏览器实例，内存和算力开销大得让中小团队根本玩不起，结果就是只有最贵、最强的模型才用得起网页能力，一大批轻量智能体被挡在门外。Kitesurf 的思路是：AI 不在乎像素级渲染漂不漂亮，它只在乎 token 数量、上下文窗口、扩展性和成本。

    Cloudflare 在公告里写得很直白：在截图、HTML 提取这类常见的智能体任务上，Kitesurf 的 CPU 和内存消耗明显低于 Chromium。

    内核是“拼”出来的

    有意思的是，Kitesurf 的引擎不是从零写的天书，而是把几个开源模块拼到了一起：Blitz 的模块化渲染引擎、Firefox 的 CSS 解析器 Stylo，以及用 Rust 写的 JavaScript 引擎 Boa JS，其余部分全跑在 Workers 里。灵感来自一个叫 Obscura 的 Rust 无头引擎，Cloudflare 先把它移植到 Workers 上跑通了概念验证，然后让团队放手去做。

    对开发者来说迁移成本低得惊人——它兼容 Chrome DevTools Protocol，Puppeteer、Playwright 这些熟面孔直接能用，只要在 Browser Run 的端点里加一个 browser=kitesurf 参数就行。它还接入了 MCP 协议，能直接被各种智能体编排框架调用。目前 Kitesurf 已经通过了 21.5 万项 Web Platform Tests，Wikipedia、Hacker News、Cloudflare 自己的博客和仪表盘都能正常渲染。

    省下的资源和付出的代价

    账要分开算。官方和第三方测试都显示，在截图和 HTML 提取上，Kitesurf 的内存占用只有 Chromium 的 1/4.7 到 1/7，CPU 也低了 3.1 到 3.8 倍。多智能体并发时，这笔成本账非常好看。

    但便宜是有代价的。同一个任务，Kitesurf 完成时间比 Chromium 长了大约 70% 到 80%，因为它用的是冷启动的软件渲染，不是 warmed-up 的 JIT 编译器。换句话说，你要不在“快但贵”和“慢但便宜”之间做选择。

    • 尚不支持视频播放和 WebGL，依赖 GPU 加速的富媒体页面吃不开
    • 对依赖 TLS 指纹的反机器人验证支持有限，强防护网站难啃
    • 长时间持久登录会话暂时做不到，需要保持身份态的场景还是得靠 Chromium

    浏览器正在变成基础设施

    把镜头拉远看，Kitesurf 折射的是一件更大的事：Web 的使用者正在从人变成机器。Cloudflare 描绘的“Agentic Cloud”里，浏览器不再是人类入口，而是 AI 工作流里的一层基础设施，成功指标从“界面好用”变成了“token、延迟、成本”。在无头 Chrome 统治多年的当下，一个脱离 Chromium、还深度绑在边缘计算平台上的浏览器进场，对成本敏感的智能体应用是个实打实的新选项。Cloudflare 也放话，测试期过后打算把 Kitesurf 开源，让社区一起补能力。

    Cloudflare Kitesurf 为 AI 智能体设计的无状态浏览器
    Cloudflare 发布的 Kitesurf：一款专为 AI 智能体重写、跑在 Workers 上的无状态浏览器
    📎 原文来源：Introducing Kitesurf: The agent-first browser that runs in V8 isolates on Cloudflare Workers | Cloudflare Blog（TechCrunch 同期以 “Cloudflare launches Kitesurf, a browser built for AI agents” 进行报道）
  • ego lite：为 AI 智能体打造的最快浏览器，你和 AI 并行工作互不打扰

    ego lite：为 AI 智能体打造的最快浏览器，你和 AI 并行工作互不打扰

    ego lite

    一、项目简介

    ego lite 是一个”人和 AI 智能体并行工作”的浏览器——你在前台正常浏览，你的 AI 智能体（Claude Code、Codex、Cursor 等）在后台各自独立的 Space 里跑网页自动化任务，两者互不抢标签、互不干扰，而且任务完成更快、消耗的 token 更少。

    与 browser-use、Vercel agent-browser 这类”浏览器自动化框架”不同，它们本身不带浏览器、需要另开一个浏览器来驱动，登录态往往带不过去；ego lite 则是一整个为”你和智能体共用”而设计的浏览器，无需额外配置，智能体通过 ego-browser 就能直接用上你真实的登录态和标签页。

    二、安装要求与快速上手

    环境要求：目前仅支持 macOS（Apple Silicon / Intel 均可），Windows 与 Linux 已在路线图中；需要一个支持 skills 的智能体 CLI（Claude Code、Codex、Cursor 或自定义）。

    三种安装方式（任选其一）：

    1. 直接下载 macOS 应用：从官网下载 .dmg，打开安装即可。安装后会自动把 ego-browser 技能加到每个智能体的 skills 目录。
    2. 用 npx 只装技能： 
      npx skills add citrolabs/ego-lite

      首次运行浏览器任务时，会引导你完成 ego lite 应用的安装。

    3. 让智能体自己装：把仓库地址粘给智能体，让它读取 skills/ego-browser/references/install.md 按步骤安装。

    首次启动时它只问一个问题：是否迁移 Chrome 数据。选”是”，你的智能体就继承了现有登录态、Cookie、扩展和书签。运行第一个任务时，在智能体 CLI 里输入 /ego-browser 加空格，然后用自然语言描述需求即可：

    ego-browser follow @ego_agent on x.com for me

    三、核心功能

    • 代码驱动而非命令行驱动，复杂任务更快更省 token：能力以 JavaScript 函数暴露给智能体，让它一次写出完整的多步脚本，而不是”调两个命令→看结果→再调两个”地反复循环。官方称复杂工作流比传统 CLI 方式快达 2.5 倍，工具调用次数大幅减少。
    • 每个智能体独享一个 Space：完全隔离的工作区，你在前台浏览、智能体在后台干活，互不干扰；随时可以查看哪个 Space 正在运行、接管或停止它。
    • 同一浏览器内多 Space 并行：Claude Code 在 10 个并行 Space 里丰富 10 条线索、Codex 在另外 5 个 Space 里抓取 5 个竞品网站，彼此不冲突，也不会抢走你的鼠标和标签页。
    • 业界最强的页面 Snapshot：得益于内核级定制，能可靠处理深层嵌套 iframe 等其他方案常常翻车的场景，为文本模型提供高质量的”页面视觉”输入。
    • 任何智能体都能通过 ego-browser 驱动：它是连接层，把浏览器暴露成一组页面内 JavaScript 工具（snapshot、fill、click、wait、navigate、capture），智能体写一段片段即可一次执行。

    四、典型使用场景

    1. 批量线索丰富 / 数据抓取：让 Claude Code 在多个并行 Space 里同时处理几十条销售线索，或让 Codex 并行抓取多个竞品站点信息，全程不打断你手头的浏览。
    2. 需要登录态的网页操作：因为继承了 Chrome 的 Cookie 与登录，智能体可以直接在你已登录的 X、后台系统、SaaS 面板里执行操作，省去每次重新登录的摩擦。
    3. 日常自动化小任务：像”帮我在 x.com 上关注某账号””填个表单””等页面加载完再截图”这类零散操作，一句自然语言交给智能体后台完成。

    五、性能对比

    官方在四个复杂网页自动化任务上，把 ego lite 与 Vercel 的 agent-browser 做了对比：每个任务最快提速达 2.5 倍，token 消耗显著更低，且任务越难差距越大。

    ego lite 与 agent-browser 性能对比

    六、推荐理由

    市面上大多数工具都能”自动化一个浏览器”，真正的区别在于：智能体拿到的是什么浏览器、你能否同时继续工作、以及它是为你已有的智能体服务还是绑死一个内置智能体。ego lite 的巧妙之处在于把”日常浏览器”和”智能体自动化”合二为一——你不用为了让 AI 干活而牺牲自己的浏览体验，也不必再维护一套独立的自动化环境和登录态。对于已经在用 Claude Code / Codex / Cursor 的人来说，一条 npx skills add 就能接上，几乎零迁移成本。目前它是免费、开源（MIT）、数据本地存储的，隐私上也更让人放心；唯一的门槛是暂时仅支持 macOS，Windows/Linux 用户可以先关注路线图。

    七、下载地址

    项目数据（截至发布时）：⭐ 3,387 Stars ｜ 🍴 164 Forks ｜ 语言 JavaScript ｜ 许可证 MIT

  • OpenAI把自家AI浏览器Atlas关了：它想明白了，浏览器不是终点

    OpenAI关停Atlas AI浏览器概念图
    OpenAI把Agentic浏览能力拆进ChatGPT，而不是再做一个独立浏览器

    OpenAI把自家AI浏览器Atlas关了。这款去年10月才跟着ChatGPT一起亮相的产品，原本被寄望于跟Chrome抢用户的上网时间，结果上线还不到一年，就定在8月9日正式退役。消息是跟着这波”ChatGPT Work”的发布一起放出来的。

    一场还没人赢的”浏览器战争”

    过去大半年，AI公司其实都在打同一场仗——抢占人们上网的那个入口。Perplexity推了Comet，Browser Company做了Dia，谷歌和微软也没闲着，不停给Chrome和Edge塞新的AI功能。大家赌的是同一件事：谁占住了浏览器，谁就握住了下一代的操作系统。Atlas的卖点很直白，它不只是个浏览器，还能替你干活——订机票、填表格、跨页面整理资料，自己在后台点来点去。

    可惜愿意为了”一个会自己上网的浏览器”换掉Chrome的人，远比OpenAI想的少。理想很丰满，现实里大多数人还是习惯用顺手的那一个。

    真正让Atlas下课的，是OpenAI自己

    atlas的退场，根子上是OpenAI战略上的转向。去年底，应用业务一把手Fidji Simo就要求团队砍掉那些”副业项目”，把精力收回来。同一波清理里，连Sora视频生成工具都被关了。对眼下的OpenAI来说，把生产力和办公场景做扎实，比到处开花重要得多。

    OpenAI内部像是想明白了一件事：浏览器是一个功能，不是终点。与其逼用户换掉用了十几年的Chrome，不如把AI代理直接送进他们已经在用的地方。

    浏览器死了，里面的能力留下了

    有意思的是，Atlas虽然关了，但里面试出来的那些能力没浪费。OpenAI把它们拆开，重新塞进了几个用户已经在用的地方：

    • ChatGPT桌面App：内置了更完整的浏览器，能登录账号、下载文件、直接在ChatGPT里逛网页；
    • Chrome插件：能读取你正在看的页面，帮你提问、总结、甚至启动长任务——这明显是冲着谷歌的Gemini侧边栏去的；
    • 云端浏览器：跑在OpenAI的服务器上，让代理替你远程完成各种活儿。

    所以这回Atlas的关闭，不等于OpenAI放弃了”帮人上网”。它只是换了一种更务实的打法：ChatGPT正在变成一个连续的工作空间，横跨Chrome、桌面端和云端代理。对用户来说，可能反而是件好事——不用为了用AI，专门去适应一个全新的浏览器。

    这场AI浏览器大战到现在还没人真正赢。Comet和Dia都还在小圈子里转，Atlas先退了场。接下来要看的，是谷歌和微软能不能把AI真正做进每天几亿人离不开的Chrome和Edge里。

  • 【开源推荐】Skyvern：21.8K+ Stars！AI视觉浏览器自动化，让网页操作像对话一样自然

    【开源推荐】Skyvern：21.8K+ Stars！AI视觉浏览器自动化，让网页操作像对话一样自然

    Skyvern：21.8K+ Stars！AI 视觉浏览器自动化，让网页操作像对话一样自然

    基于 LLM + 计算机视觉 · 告别脆弱的 XPath 选择器 · 自适应任意网站布局

    📌 项目简介

    Skyvern 是一款基于大语言模型（LLM）和计算机视觉的开源浏览器自动化工具。与传统依赖 XPath/选择器的脆弱自动化脚本不同，Skyvern 通过 AI 视觉理解网页结构，自动适配任意网站布局变化，真正实现了”一次编写，随处运行”的浏览器自动化体验。项目在 GitHub 已获得 21,880+ Stars，是 AI RPA 领域的热门开源项目。

    21.8K+
    GitHub Stars

    64.4%
    WebBench 准确率 SOTA

    AGPL-3.0
    开源协议

    Playwright
    兼容增强 SDK

    ⚙️ 安装要求和过程

    方式一：pip 安装（推荐）

    环境要求：Python 3.11 / 3.12 / 3.13；Windows 用户需安装 Rust 运行时和 VS C++ 开发工具

    # 安装 Skyvern
pip install "skyvern[all]"

# 快速启动（默认 SQLite）
skyvern quickstart

# 如需 PostgreSQL
skyvern quickstart --postgres

    方式二：Docker Compose（完全容器化）

    git clone https://github.com/Skyvern-AI/skyvern.git
cd skyvern
cp .env.example .env   # 编辑 .env 填入 LLM API Key
docker compose up -d
# 访问 http://localhost:8080

    方式三：Skyvern Cloud（免维护）

    直接访问 app.skyvern.com 注册使用，自带反机器人检测、代理网络、验证码破解等高级功能。

    ⭐ 核心功能

    ① AI 增强的浏览器操作
    通过 4 个核心 AI 指令（act / extract / validate / prompt）用自然语言驱动浏览器，无需手写选择器。同时兼容所有 Playwright 原生操作，支持”传统选择器 + AI 定位”混合模式。

    ② 可视化工作流编排
    提供无代码工作流构建器，支持浏览器任务、数据提取、循环、条件判断、HTTP 请求、自定义代码块等能力，非技术用户也能搭建复杂自动化流程。

    ③ 强大的认证与 2FA 支持
    内置密码管理器集成（Bitwarden / 1Password / LastPass），支持 TOTP 双因素认证（Google Authenticator / Authy）、邮件 2FA、短信 2FA，可自动化登录各类需认证的网站。

    ④ 多 LLM 兼容 + MCP 协议支持
    支持 OpenAI、Anthropic Claude、Azure OpenAI、AWS Bedrock、Gemini、Ollama、OpenRouter 及任何 OpenAI 兼容端点；同时支持 MCP 协议，可对接 Zapier、Make.com、N8N 等平台。

    ⑤ 实时浏览器直播与本地 Chrome 控制
    可实时直播浏览器视口画面便于调试；支持接入本地已安装的 Chrome（通过 CDP 调试协议），复用已有 Cookie、登录态和浏览器扩展，真正实现”人机协同”自动化。

    🚀 典型使用场景

    场景一：跨网站发票自动下载
    企业需要定期从多个供应商网站下载发票，传统 RPA 脚本逢网站改版即失效。使用 Skyvern，只需描述”登录各供应商网站，下载上月发票并保存到指定目录”，AI 即可自动适配不同网站布局完成任务，网站改版也无需维护脚本。

    场景二：批量联系表单提交
    市场团队需要在上百个网站的”联系我们”表单提交产品咨询。Skyvern 通过 AI 视觉理解每个表单的字段含义，自动填写并提交，无需为每个网站单独编写填表规则，效率提升 10 倍以上。

    场景三：求职申请自动填写
    在多个招聘平台投递简历时，Skyvern 可自动识别各平台的简历上传入口和表单字段，自动填写个人信息并提交申请，大幅减少重复性操作，让求职者专注于准备面试。

    💡 推荐理由

    作为一名经常需要与多个网站打交道的开发者，我深刻体会过传统浏览器自动化的痛点——XPath 一改，脚本全挂。Skyvern 最打动我的是它”用 AI 视觉理解网页”的思路：不再依赖固定的 DOM 选择器，而是由 LLM 实时分析页面视觉结构，真正做到了”布局无关”。

    另一个亮点是它与 Playwright 的深度兼容——你可以在同一个脚本里混合使用传统选择器（高性能）和 AI 操作（高适配），这种渐进式采用策略对已有自动化代码库的团队非常友好。加上对工作流编排、多 LLM 支持和企业级认证能力的覆盖，Skyvern 正在重新定义”AI + RPA”的边界。

    ⚠️ 注意：核心代码以 AGPL-3.0 开源，但反机器人检测等高级功能仅在托管云服务中提供。如果只是内部使用，完全够用；如果用于商业产品，建议评估云服务的许可方案。

    📌 更多 GitHub 热门 AI 开源项目介绍，请持续关注本站「开源项目」栏目