PawBrowse 开源:用元素表替代截图,浏览器 Agent 提速约 2 倍
Far-Round2092 · reddit · 2026-09-27
开发者 ItaiZeilig 发布开源项目 PawBrowse:多数浏览器自动化驱动依赖截图,每个动作都要「感知→行动」两次往返,每次往返都是一次完整模型推理。PawBrowse 改为向 Agent 提供当前页面可点击元素的紧凑表格(真实可访问名称、值、状态),每次动作后直接返回更新的表格,一个动作只需一次往返。
在相同任务、相同模型下与 Claude-in-Chrome 对比(在 Booking.com 预订里斯本四星酒店):5 次 Agent 往返 vs 10 次,往返受限场景下约快 2 倍,token 也更省。作者强调每边各跑一次、任务与渲染脚本全部随 repo 可复现,结论仅限于往返次数。
形式为 Chrome 扩展 + 单文件零依赖 MCP 服务器,MIT 开源,可驱动真实登录态 Chrome,无需远程调试端口、重启、第二模型或 API key,已上架 Chrome Web Store 和 npm。
所属事件:开源项目 PawBrowse 用元素表替代截图驱动浏览器 Agent(2 条相关)→
「编程与Agent」频道最新
- Google 开源 PaperOrchestra:多 Agent 自动写 AI 研究论文 — google-research · 2026-11-16
- ffmpeg-skill 爆火:42 个 FFmpeg 工具让编码 Agent 本地剪视频 — kajisho5 · 2026-11-16
- 团队让 Agent 自动回复 Slack,网友直呼「和所有人的幽灵版聊天」 — iamrobotbear · 2026-11-16
- AI 求职面试复盘法:让 Claude 指出你哪段回答最没说服力 — brandon_galang · 2026-11-16
- DeepSeek 开源官方 App 前端 chat-demo,3.9k 星 — NielsRogge · 2026-11-16
- lemire:AI 改变编程的不是速度,而是扩大工程师的「认知半径」 — lemire · 2026-11-16