过去让AI操作浏览器,经常会遇到三件烦人的事:它另开一套浏览器,登录状态全没了;它和你抢同一批标签页;遇到扫码、验证码和提交按钮时,人机来回切换得一团乱。
这几天,我们用 Ego Lite 连续做了公开资料调研、多页面采集和公众号移动端排版回读。
最明显的感受不是“它会点网页”,而是:
AI终于可以在自己的浏览器工作区里干活,我还能继续做我的事。
这正是Ego Lite真正拉开差距的地方。
先说结论:什么人值得马上试,什么人暂时不需要
● 值得试
如果你已经在用Codex、Claude Code、Cursor或其他AI Agent,并且经常想让它:
- •打开登录后的网页后台;
- •连续搜索、翻页、整理多个页面;
- •填表、上传文件、下载报表;
- •在CRM、邮箱、招聘系统、社交平台或内部系统里重复操作;
- •遇到验证码、扫码和最终提交时,把控制权交回给你;
Ego Lite很值得试。
● 暂时不需要
如果你只是偶尔打开一个公开网页,让AI总结一篇文章,那就没必要为了“自动化”把流程搞复杂。
Ego Lite官方文档也明确说:纯公开信息检索,普通搜索通常更轻。它真正有优势的地方,是真实登录、连续操作、多个页面和人机接管。
● 千万别一开始就交出去的任务
- •付款、转账和下单;
- •群发、公开发布和代表公司作出承诺;
- •删除、归档和批量修改;
- •给第三方应用授权账号;
- •任何不可轻易撤销的操作。
这些任务可以让AI做到“最后一步之前”,但最终确认应该由人完成。
Ego Lite到底是什么?先别被“AI浏览器”四个字带偏
更准确地说,Ego Lite是一个为AI Agent重新设计的Chromium浏览器。
它不是只允许浏览器自带的AI工作,而是让你已经在使用的Codex、Claude Code、Cursor或自定义Agent,进入浏览器完成任务。
官方GitHub仓库由 citrolabs 维护。截至2026年7月30日,页面公开显示 6.2k stars、304 forks、239次提交;仓库采用MIT许可证,最新稳定Release为 v1.2.5。
Ego Lite官方GitHub仓库
*截至2026年7月30日,Ego Lite官方GitHub仓库公开显示6.2k stars、304 forks。*
这里需要补一个容易误解的边界:GitHub仓库内容使用MIT许可证,不等于Ego Lite浏览器的全部代码都在这个仓库里。 官方README写得很清楚,浏览器本身是单独提供的免费下载。
目前官方支持macOS,Windows和Linux仍在路线图中。
我们这台Mac安装的App版本是 0.4.5.8,内置ego-browser Skill元数据版本是 1.2.3;而官方仓库最新Release是 1.2.5。它们不是同一条版本编号,不能混着比较。
它真正好用的第一点:AI有自己的Space,不再和你抢浏览器
Space可以理解成:同一个浏览器里,专门给AI划出的独立工作区。
AI在里面打开页面、点击、填写、翻页和下载文件;你的前台页面、鼠标和焦点仍然属于你自己。
它也不是另外启动一个隐藏Chrome,更不是把任务放到云端。官方文档的定义是:同一个Ego Lite浏览器进程里,每个任务获得独立的浏览环境,包括自己的Cookies和页面存储。
这解决了过去浏览器自动化里最烦人的矛盾:
- •人想继续浏览;
- •AI也要操作页面;
- •两边却共用一套标签页和焦点。
Ego Lite把两者分开了,但你随时能看见Agent正在控制哪个Space,也可以接管或终止任务。
这不是一个炫技功能,而是决定AI能否在真实工作里长期使用的基础。
第二点:Snapshot让AI“看懂页面”,而不是吞下整页代码
一个网页在人的眼里,是标题、按钮、表格和输入框。
但在AI眼里,原始网页可能包含几万行HTML、脚本、样式和隐藏元素。如果每做一步都重新阅读整页,不仅耗费上下文,也很容易被无关代码淹没。
Ego Lite使用 Snapshot(页面快照),把网页压缩成一份结构化的“页面说明书”:
- •页面标题和当前地址;
- •读者真正能看到的文字;
- •哪些是按钮、输入框和链接;
- •每个可操作元素对应一个临时编号。
例如,AI看到的不是一大段网页代码,而更像:
- •@1 搜索框
- •@2 提交按钮
- •@3 下一页
于是它可以直接决定下一步点击什么、填写什么。
这也是为什么Ego Lite在多页面研究中用起来很顺:AI可以先读取页面结构,再决定抽取标题、链接、日期还是正文,而不是每次都从屏幕坐标猜按钮位置。
当然,Snapshot不是万能的。官方文档也承认,图片里的文字、复杂Canvas画布、屏幕外内容和部分受限制的跨域页面可能读取不完整。这时需要结合截图、页面代码或人工确认。
第三点:它不是让AI反复敲命令,而是一次写出一段完整浏览器流程
Ego Lite与Agent之间的连接层叫 ego-browser。
如果把浏览器比作一间办公室,ego-browser就是Agent手里的操作台。它提供了打开页面、读取Snapshot、点击、输入、等待、上传、下载、截图和读取页面数据等能力。
真正关键的是,它采用JavaScript流程,而不是让AI不断执行一条命令、看一次结果、再执行下一条。
Agent可以把一段任务组织成完整流程:
创建或复用一个Task Space;
打开指定页面;
读取页面结构;
提取需要的标题、链接和数据;
翻页或打开下一批页面;
验证结果;
返回文件、截图或结构化清单。
这更符合Codex、Claude Code这类Agent的优势:它们本来就擅长写代码、拆步骤和处理长任务。
官方公布了一些速度和Token节省数据,但这些属于厂商自己的测试,不应直接当成独立跑分。对我们而言,更可靠的判断是:同一个任务需要多少次返工、能不能稳定复用、最后是否交出可检查的结果。
第四点:真正拉开差距的不是浏览器,而是那份Skill
我们本机安装的ego-browser Skill,并不只是一份“怎么点击网页”的说明书。
它还规定了很多真实工作里非常重要的协作规则:
- •同一任务必须复用同一个Task Space;
- •页面变化后重新读取Snapshot,不能拿旧编号硬点;
- •遇到登录、验证码、付款和最终确认时,把控制权交给人;
- •用户接管以后,Agent不能偷偷抢回控制权;
- •任务完成后要明确关闭或保留Space;
- •富文本编辑器和复杂页面,先做很小的写入测试,再决定用语义操作还是截图操作。
这些规则看起来不“酷”,却决定了自动化是否可靠。
很多浏览器Agent失败,不是因为不会点按钮,而是因为没有处理清楚:谁拥有控制权、什么时候停、页面变了怎么办、结果如何复核。
Skill把这些经验变成Agent必须遵循的流程,这才是它能持续好用的原因之一。
Ego Lite四层协作结构
我们实际用它做了什么?
这篇文章本身,就是一次Ego Lite任务。
我们让它在独立Space里:
- •打开官方GitHub仓库;
- •核对stars、forks、提交数、许可证和最新Release;
- •连续阅读Quick Start、Space、Snapshot、ego-browser和Skills文档;
- •把官方说法、我们的判断和不能确认的部分分开;
- •保留真实GitHub页面截图作为文章证据。
在上一轮公众号选题研究中,我们还用它搜索“普通人学AI”“AI培训班靠谱吗”“AI副业是否真实”等问题,在同一个Task Space里打开多篇权威报道和搜索页面,再提取标题、URL和内容缺口。
在文章排版阶段,它又打开本机生成的公众号HTML,检查430像素手机宽度下的标题、段落、图片和乱码。
这些任务有一个共同点:
不是打开一个网页就结束,而是在多个页面之间连续读取、判断、保存和验证。
这正是Ego Lite最适合的任务类型。
它和普通浏览器自动化、内置AI浏览器,到底有什么不同?
不要简单理解成“谁更强”,它们解决的是不同问题。
● 浏览器自动化框架
例如一些基于Playwright、Puppeteer或独立Chromium的方案,适合开发者构建测试与固定流程,但登录状态、浏览器实例和人与Agent共用页面,需要自己处理。
● 内置AI的浏览器
浏览器自带一个Agent,普通人开箱即用,但通常只能由这个内置Agent控制,不一定能接入你已经在用的Codex或Claude Code工作流。
● Ego Lite
它选择的是第三条路:先做一台适合人与外部Agent共享的浏览器,再通过ego-browser Skill让不同Agent来操作。
所以它最有吸引力的人,不是只想“问浏览器一个问题”的用户,而是已经有一个主Agent,希望这个Agent获得真实网页执行能力的人。
登录态越真实,越要把边界写清楚
Ego Lite的优势是能复用真实登录环境,这也意味着它获得的不是一个玩具浏览器,而是真正可能接触邮箱、后台、客户资料和账号权限的浏览器。
官方Skills文档专门提醒:使用者必须信任自己选择的Agent。
我们建议第一次不要挑战“全自动运营”。先给它一个低风险、只读、能核对的任务。
可以直接复制下面这份任务单:
请使用Ego Lite,在独立Task Space打开【目标网站】。
只读取【时间范围/页面范围】内的【目标信息】。
允许操作:搜索、筛选、翻页、打开详情、截图、整理。
禁止操作:点赞、回复、发送、提交、删除、发布、付款、授权。
遇到登录、验证码、二维码或最终确认页面时立即停下,把控制权交给我。
最后交付:【字段清单】、原始URL、缺失项和一张验证截图。
Ego Lite第一个任务怎么交
先验证它能不能稳定“读和整理”,再逐步开放填写、上传和修改。不要一开始就把最贵、最危险的权限交出去。
最后:Ego Lite真正改变的,不是浏览器速度,而是人机分工
过去我们总在问:AI什么时候能像人一样操作网页?
Ego Lite给出的答案不是再做一个更会聊天的浏览器,而是把浏览器变成一个人和Agent可以并行工作的空间:
- •AI负责打开、读取、整理和重复执行;
- •人负责登录、授权、判断和最终确认;
- •双方不抢页面,过程可以查看,必要时可以接管。
这套分工一旦成立,浏览器就不再只是AI获取信息的窗口,而会变成Agent真正完成工作的执行环境。
我们已经把Ego Lite接进日常研究和公众号生产流程。接下来更值得测试的,不是它能不能“自动点击”,而是它能否把一个重复网页任务稳定做十次,并且每次都留下可核对的结果。
这才是一个浏览器Agent从好玩走向好用的标志。
资料来源
- •Ego Lite官方GitHub仓库
- •Ego Lite Quick Start
- •Space官方文档
- •Snapshot官方文档
- •ego-browser官方文档
- •Skills官方文档
- •v1.2.5 Release
*本文中的使用体验来自本机真实任务;官方性能数字未作为独立测评结论。*
#EgoLite #AI浏览器 #Codex #ClaudeCode #AI自动化
炭圭合体 CS Fusion|把AI变成真实任务的交付能力

