ego lite：7900 Star 的 AI 浏览器，人和 Agent 共用一个浏览器
ego lite：7900 Star 的 AI 浏览器，人和 Agent 共用一个浏览器
先收藏，回头一定用得上。
AI Agent 操控浏览器这件事，现有方案都有个尴尬的问题：要么开一个全新的浏览器实例，登录态全丢了；要么 Agent 和你抢同一个浏览器，鼠标打架。Browser-Use 需要单独的浏览器驱动，ChatGPT Atlas 只能用它自带的 Agent。
ego lite 换了个思路：一个浏览器，人和 Agent 同时用，互不干扰。Agent 在后台的 Space 里干活，继承你已有的登录、Cookie 和插件，你的标签页一个都不动。上线 4 个月，7900 Star，MIT 协议，免费。
本文提纲
- ego lite 是什么
- 核心设计：不是 CLI 驱动，是代码驱动
- Task Space：Agent 的独立工作区
- 三种操作模式：语义、视觉、CDP
- Site Skills：越用越快的经验积累
- 和主流方案对比
- 上手体验
ego lite 是什么
ego lite 是 Citrolabs 开发的 Chromium 内核浏览器，专为人和 AI Agent 协同使用而设计。
项目关键数据：
| 项目 | 值 |
|---|---|
| 仓库 | citrolabs/ego-lite |
| Stars | 7,924 |
| Forks | 392 |
| License | MIT |
| 语言 | TypeScript (Node.js 22+) |
| 创建时间 | 2026-04-16 |
| 平台 | macOS（Windows/Linux 在 roadmap） |
| 官网 | https://lite.ego.app |
它不是一个浏览器自动化框架，而是一个真正的浏览器。你日常用它上网，Agent 在后台用它干活。区别在于这个浏览器从底层就为 Agent 预留了接口。
核心设计：不是 CLI 驱动，是代码驱动
这是 ego lite 和其他方案最大的区别。
传统的 Agent 浏览器工具（Browser-Use、agent-browser 等）是 CLI 驱动的：Agent 发一条命令，看结果，再发一条命令，反复来回。每一步都是一次 LLM 调用，token 消耗大，速度慢。
ego lite 用的是代码驱动。Agent 直接写一段 JavaScript，一次执行完成多步操作，不需要反复 round-trip：
ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('follow ego on X')
await openOrReuseTab('https://x.com/ego_agent', { wait: true })
cliLog(await snapshotText())
await click('@21', { label: 'follow button' })
await completeTaskSpace(task.id, { keep: true })
EOF这段代码做了四件事：创建任务空间、打开页面、读取页面快照、点击关注按钮。全部在一次执行中完成，而不是四轮 LLM 对话。
官方基准测试显示，和 Vercel 的 agent-browser 相比，ego lite 在复杂任务上快 2.5 倍，token 消耗大幅降低。任务越复杂，差距越大。
背后的原理是 ego-browser 这个连接层。它通过 CDP（Chrome DevTools Protocol）和浏览器通信，把浏览器操作封装成 JavaScript 函数注入到 Agent 脚本里：
snapshotText()- 读取页面语义快照click('@21')- 按引用点击元素fillInput()- 填充输入框js()/cdp()- 执行任意 JS 或 CDP 命令captureScreenshot()- 截图
所有 helper 都预加载好了，Agent 不需要 import 任何东西，写完直接跑。输出通过 cliLog() 返回给 Agent。
Task Space：Agent 的独立工作区
Task Space 是 ego lite 的核心概念。每个 Space 是一个隔离的浏览上下文，有自己的标签页，但默认继承当前用户的登录状态。
一个浏览器里可以同时跑多个 Space：
- Claude Code 在 10 个 Space 里批量处理 10 个线索
- Codex 在另外 5 个 Space 里抓取 5 个竞品网站
- 你在前台正常浏览，鼠标该在哪在哪
它们互不干扰，不抢标签页。你可以随时查看哪个 Space 有 Agent 在跑，也可以接管或停止它。
Task Space 有一个所有权模型控制谁能操作：
| 所有权 | 含义 |
|---|---|
agent |
Agent 拥有控制权 |
user |
用户拥有控制权 |
agentDelegatedToUser |
Agent 委托给用户（比如需要人工验证） |
典型任务流程是：创建/复用 Space -> 导航 -> 观察 -> 操作 -> 验证 -> 完成。状态在 Space 里持久化，不依赖 Node.js 运行时（每次 heredoc 执行后 Node 进程就退出了）。
三种操作模式：语义、视觉、CDP
ego lite 提供三种方式让 Agent "看"和操作页面，适配不同场景：
| 模式 | 主要工具 | 适用场景 |
|---|---|---|
| Semantic | snapshotText() + @N 引用 |
普通网页，有真实 DOM 控件 |
| Visual | captureScreenshot() + 坐标点击 + 键盘 |
Canvas 应用、富文本编辑器、虚拟化 UI |
| Direct CDP | js() / cdp() |
数据提取、自定义 DOM 遍历、原始协议操作 |
Semantic 模式是默认的。snapshotText() 生成页面的语义快照，每个可交互元素带一个 @N 引用号。Agent 读快照后用 click('@21') 点击对应元素，不需要写 CSS 选择器。
官方宣称 ego lite 的页面快照是"市面上最强的"，能可靠处理深层嵌套 iframe 这种其他方案经常翻车的场景。这得益于 kernel 级别的定制--虽然浏览器本身是闭源的，但这个能力是实打实的。
Visual 模式用于那些没有标准 DOM 控件的页面，比如 Figma、Google Docs 这种 Canvas 渲染的应用。Agent 截图后用坐标点击。
Direct CDP 模式给 Agent 最大自由度，可以直接在页面上下文执行任意 JavaScript，或发原始 CDP 命令。适合数据抓取和复杂 DOM 操作。
Site Skills：越用越快的经验积累
这是 ego lite 最有想象力的功能（官方标注 coming soon）。
Agent 在浏览器任务上花的时间，大部分消耗在试错上--找按钮在哪、表单怎么填、流程怎么走。ego lite 的 Site Skills 把每次成功的操作提炼成可复用的工具和工作流：
skills/ego-browser/learnings/
github/
manifest.json
google/
manifest.json
x-com/
manifest.json每个 Site Skill 是一个 manifest.json，包含域名匹配规则、知识笔记、Node 端工具和浏览器端工具。下次在同一个域名上做类似任务时，Agent 直接复用这些经验，跳过试错环节。
官方说这个能力可以让同类任务快 5 倍。想象一下：第一次让 Agent 在 GitHub 上创建 PR 可能要试好几次，第二次就直接一步到位。
和主流方案对比
ego lite 和现有的浏览器自动化工具不是同一类东西：
| 能力 | ego lite | Browser-Use | agent-browser | ChatGPT Atlas | Perplexity Comet |
|---|---|---|---|---|---|
| 并行多任务 | ✓ | - | - | - | - |
| 可复用 Skills | ✓ | - | - | - | - |
| 继承 Chrome 数据 | ✓ | - | - | ✓ | ✓ |
| 同浏览器独立工作区 | ✓ | - | - | - | - |
| 压缩语义输入 | ✓ | - | ✓ | - | - |
| 外部 Agent 可驱动 | ✓ | ✓ | ✓ | - | - |
| 数据本地存储 | ✓ | ✓ | ✓ | - | - |
| 无登录摩擦 | ✓ | - | - | ✓ | ✓ |
| 日常使用浏览器 | ✓ | - | - | ✓ | ✓ |
| 免费 | ✓ | ✓ | ✓ | - | - |
两类方案的定位完全不同：
- Browser-Use / agent-browser：自动化框架，没有自己的浏览器，需要驱动一个独立的浏览器实例，登录态很难传递
- ChatGPT Atlas / Perplexity Comet：AI 浏览器，但只能用内置的 Agent，外部 Agent 无法驱动
ego lite 是唯一一个既是日常浏览器，又能被任意外部 Agent 驱动的方案。你用 Claude Code 也行，用 Codex 也行，用 Cursor 也行，甚至自己写的 Agent CLI 也行。
上手体验
安装
三种方式任选：
方式一：下载 macOS 应用（推荐）
Apple Silicon 和 Intel 都有 DMG 包，下载安装即可。首次启动会问你要不要迁移 Chrome 数据，选是，Agent 就能继承你的登录态、Cookie、插件和书签。
方式二：npx 安装 Skill
npx skills add citrolabs/ego-lite只装 ego-browser skill，首次运行时引导你安装 ego lite 应用。
方式三：让 Agent 自己装
在 Claude Code 或 Codex 里说：
Set up ego lite for me: https://github.com/citrolabs/ego-lite
Read skills/ego-browser/references/install.md and follow the steps to install ego lite.运行第一个任务
在 Agent CLI 里：
ego-browser follow @ego_agent on x.com for meAgent 会自动加载 ego-browser skill，在独立 Space 里打开页面、读取快照、执行操作、报告结果。你的标签页完全不受影响。
技术栈
开源部分是 ego-browser harness，用 TypeScript 写的 Node.js 单文件构建：
- 运行时：Node.js 22+，ESM 模块
- 自动化协议：Chrome DevTools Protocol (CDP)
- Agent CLI 支持：Claude Code、Codex、Cursor、自定义
- npm 包名：
ego-browser-v2
浏览器本身是闭源免费下载的，开源的是连接层 harness。核心架构是 helperContext()（在 src/helpers.ts 里）作为单一真相来源，CLI 路径和 SDK 路径都汇聚到这里，保证两个入口不会产生偏差。
文档站有完整的工具参考和集成指南：https://lite.ego.app/document/
如果你在做 Agent 自动化，经常需要操作浏览器，ego lite 值得一试。尤其是"继承登录态"和"并行 Space"这两个能力，解决了现有方案最痛的点。代码驱动的设计也让复杂任务的 token 消耗降了一个量级。
参考文档与链接
- GitHub: citrolabs/ego-lite - 7900 Star，MIT 协议，AI Agent 专用浏览器
- ego lite 官网 - 产品主页
- ego lite 文档站 - 完整工具参考、集成指南和教程
- ego-browser SKILL.md - Agent 面向的使用指南，helper API 完整列表
- 安装指南 - 详细安装步骤
- Discord 社区 - 问题解答、安装帮助、Skill 分享
- @ego_agent on X - 更新和发布通知
- zread.ai 文档 - 架构概览和 API 参考
试过了？评论区说说你的体验。还没试？收藏起来周末折腾。
作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
