Skip to content

Ego Lite — 让 AI Agent 自动操作浏览器的 Skill 化方案

一个基于 Chromium 内核、专为「人机并行协作」设计的浏览器。Agent 在独立 Space 中后台执行网页任务，人类前台浏览不受干扰；操作流程可固化成 Skill 甚至 0 Token 的纯脚本。

目录

痛点：传统浏览器自动化为什么难用

视频开篇直击三个经典痛点（对应时间码 00:58 基础使用、02:37 技术原理）。

痛点 传统工具（Playwright / Puppeteer / browser-use）的表现 根因
登录地狱 每次启动干净的无头浏览器，需重新登录；遇到 2FA、验证码、反爬直接卡死 无浏览器复用用户的 Cookie/Session
资源暴涨 多任务需启动多个浏览器实例，内存与 CPU 消耗极大 一任务一实例的进程模型
Token 黑洞 Agent 需逐步「点击→截图→判断→再点击」单向交互，每步都消耗 Token 缺少批次指令封装，依赖高延迟的回合制交互
DOM 盲区 深层 iframe、Shadow DOM、React Portal 对纯文本大模型不可见 缺少内核级语义快照 
┌─ 传统自动化的「点读机」模式 ────────────────────────────┐
│                                                         │
│  Agent ──click──> 浏览器 ──snapshot──> Agent            │
│    ▲                                          │          │
│    └──────────── 判断 + 下一步 <────────────┘          │
│                                                         │
│  每一步都要 Token + 网络往返，10 步任务 = 10 次交互      │
└─────────────────────────────────────────────────────────┘

Ego Lite 核心定位

Ego Lite 由 Citro Labs 开发，口号是「The fastest browser for AI agents to run web automation」。它的核心不是「浏览器 + 侧边栏 AI 助手」，而是把浏览器本身改造成一个人机联合工作区（workspace）。

关键区分：Edge Copilot、Arc、Perplexity Comet 是「助理型 / 搜索型」AI 浏览器，服务于阅读和写作；Ego Lite 是「AI 执行器（Executor）」，让外部 Agent（Claude Code、Codex 等）真正去操控网页。

              ┌─────────────────────────────────┐
              │       Ego Lite 浏览器壳          │
              │  ┌───────────┐  ┌─────────────┐ │
              │  │ 用户 Space │  │ Agent Space │ │
              │  │ (你的标签) │  │ (后台任务)  │ │
              │  │           │  │  ┌────────┐ │ │
              │  │  前台浏览  │  │  │并行的  │ │ │
              │  │  不受干扰  │  │  │10+标签 │ │ │
              │  │           │  │  └────────┘ │ │
              │  └───────────┘  └─────────────┘ │
              │       共享登录态 / Cookie        │
              └─────────────────────────────────┘

关键技术亮点

1. Space 多工作空间架构（02:35）

每个 Agent 任务运行在完全隔离的 Space 中。视频中演示蓝色 Space 为 Agent 后台控制，其余为用户手动操控。

  • 单一浏览器内并行多个独立空间，不需要多开浏览器实例
  • Agent 可同时开 10+ Space 并行绘图或搜索（05:19）
  • 用户前台浏览零干扰，鼠标焦点不会被抢占
  • 用户可随时切入后台 Space「监工」，手动接管
资源对比（示意）：

传统方式：  [浏览器A][浏览器B][浏览器C] → 内存 ×3
Ego Lite：  [浏览器壳 [Space1][Space2][Space3]] → 内存共享
            内核/进程开销降低几十倍

2. 登录态无缝迁移（01:14）

首次启动时，Ego Lite 扫描本地 Chrome 数据，一键迁移： - 书签（Bookmarks） - Cookie / Session（所有已登录站点的状态） - 扩展程序（Extensions） - 密码

Agent 直接拿着用户的「通行证」进后台干活，彻底终结登录卡壳。离线安全——数据不经过云端。

3. JS 批次指令封装（03:28）

配套的 ego-browser skill 把网页操作（点击、截图、导航、填充）封装成 JavaScript 函数。Agent 可以直接写一段 JS 代码，一次性执行复杂任务。

┌─ 批次执行模式 ──────────────────────────────────────┐
│                                                     │
│  Agent ──写一段JS──> 浏览器内核 ──一次性执行──> 结果  │
│                                                     │
│  10 步任务 = 1 次交互，Token 与延迟大幅下降           │
└─────────────────────────────────────────────────────┘

官方实测：比传统 CLI 工具快约 2.5 倍，视频实测导入 Skill 后效率提升近 4 倍（05:02）。

4. 内核级语义快照（Semantic Snapshot）

从 Chromium 内核层面定制网页快照，把复杂 DOM（iframe、Shadow DOM、React Portal）清洗成 AI 最易理解的逻辑骨架。Agent 通过 @N 引用直接定位元素，无需手写 selector。

实战场景演练

视频展示了四个代表性场景（05:26 进阶实战起）。

场景一：批量 AI 图像生成（01:54）

维度 操作
指令 开启 ChatGPT 网页版，按 prompt 生成 16:9 深色背景信息图
自动化 生成后自动下载存至桌面，按时间命名
进阶 利用 10 个 Space 并行生成 10 张图供挑选，效率 ×10

场景二：电商竞品评论分析（05:59）

在 Workbody（办公 Agent 平台）中载入 ego-browser skill： 1. 自动滚动加载前 100 条最新评论 2. 结构化提取 3. 导出为 CSV

场景三：流程脚本化——0 Token 自动化（06:40）

这是视频中最具价值的进阶玩法：将 Agent 试错后的重复流程，让 Agent 自动编写成独立 JS 脚本。后续直接命令行调用，不消耗任何 Token，零模型成本。

自动化进化路径：

  [Agent 执行]  ──试错、确认流程──>  [提炼为 Skill]  ──固化──>  [纯 JS 脚本]
   消耗 Token      可复用、仍需 Agent      0 Token、零成本、极速

场景四：地理位置 + 多平台整合（08:18）

整合百度地图 + 招聘网站： 1. 抓取 Java 职缺列表 2. 调用地图 API 算出每个职缺离家的真实距离 3. 筛选最近的 20 个职缺 4. 输出结构化报告

┌─ 多源数据协同 ─────────────────────────────────┐
│  招聘网站 ──> 职缺列表 ──┐                      │
│                          ├──> 距离计算 ──> 排序 │
│  百度地图 ──> 地理 API ──┘     │                │
│                                └──> Top 20 报告 │
└─────────────────────────────────────────────────┘

横向对比与适用判断

与其他 AI 浏览器 / 自动化方案对比

方案 定位 登录态 人机并行 模型绑定 适合人群
Ego Lite AI 执行器 ✅ 一键迁移 ✅ Space 隔离 ❌ 开放（任意 Agent） 极客、开发者、重度自动化用户
Edge Copilot / Arc 助理型（侧边栏 AI） ✅ 原生 ❌ AI 不操控页面 自家模型 普通用户、阅读写作
Perplexity Comet / ChatGPT Atlas 搜索型 部分 ❌ 强绑定自家模型 搜索、消费内容
Playwright / Puppeteer 脚本框架 ❌ 需重新登录 ❌ 无头浏览器 无 测试、固定脚本
browser-use / Vercel Agent Browser Agent 框架 ❌ ❌ 独立实例 开放 程序员

选型决策树

你的需求是什么？
│
├─ 总结网页 / 侧边栏写作 ──────> Edge Copilot / Arc
│
├─ AI 搜索、答案式问答 ────────> Perplexity Comet
│
├─ 固定脚本、自动化测试 ───────> Playwright / Puppeteer
│
├─ 让 Agent 自主操控真实网页
│   │
│   ├─ 需要复用登录态 + 人机并行 ──> Ego Lite  ✅
│   │
│   └─ 纯代码、不需人机共存 ──────> browser-use
│
└─ 多任务并行 + Skill 固化 ────> Ego Lite  ✅

局限与注意事项

基于多方评测汇总（非视频中明示）：

局限 说明
平台受限 目前仅 macOS 客户端，Windows / Linux 暂不支持
上手门槛 虽简化了环境配置，但与 Agent 框架串联仍需技术基础
隐私风险 Agent 持有全部登录态（Cookie），运行来路不明的恶意脚本可能导致账号权限泄露

⚠️ 安全最佳实践：仅运行可信来源的 Agent 脚本；对敏感账号（银行、支付）考虑使用独立浏览器 Profile；定期审查 Space 中的活动。

快速开始

# 1. 下载 Ego Lite（macOS）
#    官网 https://lite.ego.app/

# 2. 首次启动会扫描本地 Agent 并写入 ego-browser skill
#    支持 Claude Code、Codex、Cursor 等

# 3. 或手动添加 skill
npx @citrolabs/ego-browser-skill add

# 4. 在 Agent 中直接使用，例如 Claude Code
#    "用 ego browser 打开 ChatGPT 生成一张图"

安装后，ego-browser skill 会自动写入本机所有检测到的 Agent 的 skills 目录。

参考资料

相关笔记

  • [[Playwright 与浏览器自动化]]
  • [[AI Agent 工具链]]
  • [[Claude Code 实战]]