PawBrowse:让 Agent 单次往返控制浏览器,工具调用近乎减半
Far-Round2092 · reddit · 2026-09-27
大多数浏览器 agent 靠截图驱动,每步动作都是「感知→再行动」两次模型推理,工具调用、延迟和 token 成本翻倍。开源项目 PawBrowse 改为向 agent 提供当前页面可点击元素的紧凑表格(真实名称、值、状态),每个引用稳定且每次动作后返回新表格,从而一次往返完成动作。
- 实测(同一任务、同一模型,在 Booking.com 订里斯本四星酒店):agent 往返次数 5 vs 10,约快一倍且更省 token
- 驱动用户真实登录态的 Chrome,无需远程调试端口、无需重启、无第二模型、无 API key
- MIT 开源,Chrome 商店 + npm 可装,作者用 Claude Code 构建,仓库完全可复现
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
- McGill-NLP 发布 WebArena-Pro:20 个应用 300 任务的多模态 Web Agent 基准 — McGill-NLP · 2026-11-16
- Continual-ARC:终身任务流测智能体技能习得,多数 harness 不敌简单缓存 — unifyai · 2026-11-16
- Filmworkbench v0.1.2:一条 prompt 让 LLM 自动拍出 3 分钟短片 — Eastern-Ad9515 · 2026-11-16
- 分类路由别再让 LLM 生成 JSON:PowerShell 老兵用决策模型一行搞定 — dfinke · 2026-11-16
- llama.cpp 用 HF Buckets 与 HF Jobs 重构 CI,应对日均 35 个 PR 的压力 — ggerganov · 2026-11-16
- 用决策日志取代每周 30 分钟站会:agent 每次运行前必读 — Humaux · 2026-11-16