爱意满满的作品展示区。
helei

重生之我做了个浏览器 Agent,以为能火,结果 github 只有 50 star

  •  
  •   helei · 1 day ago · 2880 views

    只有 50 Star 的项目是啥

    基本上就是一个生活在浏览器里的 Claude Code ,人能干的他都能干。

    轻 的意思是所有功能都集成在 浏览器扩展 里,大小不到 5MB ,不需要额外安装东西,你自己配置模型接口

    舟 的意思就是提升你上网冲浪的速度,但你依然能把控船的方向(人能随时介入“自动化上网”过程)

    轻舟工作现场

    核心设计:把浏览器和 Coding Agent 杂交一把

    下表是轻舟从 Coding Agent 上借鉴而来的设计

    Coding Agent 轻舟( qz )
    读取代码 读取网页结构/提取正文(下图:提取页面表格信息) 提取页面表格
    运行代码 在网页上运行自定义 JS 自定义 JS
    多任务 / 子 Agent 并行 多任务 / 子 Agent 同时开多个 Tab 干活 多 Agent 运行
    支持 Skill 支持能在网页上运行的 Skill 比如去 arxiv 搜论文 Skill 复用
    交付代码系统 交付采集&整理好的页面信息 表格

    另外,由于轻舟运行在 你自己的浏览器,复用了你的登录态,所以一些难以进入的站点(这里不贴图了),对他来说如入无人之境。

    开发者友好性

    作为一个老登,我怀念远古时代那些不用登录的软件。

    比如 foobar2000 ,解压打开就能用,不要注册,不要账号,不会弹窗求你开会员。

    轻舟也想做成这样:

    • 不用注册账号:装上扩展就能用,没有服务器,会话、Skill 和数据全存在你本地。所有网络请求只有大模型 API 请求
    • 模型自己选:填上你自己的 API Key ,DeepSeek 、KIMI 都能接;有 ChatGPT 账号的话,也可以直接用 OpenAI Codex 登录。
    • 能被别的 Agent 调用:提供 CLI 和 MCP (npx skills add alibaba/qz-browser-agent -g),下图:PI Coding Agent 操作轻舟采集信息

    Agent 操作轻舟采集信息

    所以,为什么只有 50 Star ?

    我自己也想不通,所以来 V2EX 求个答案(以及 Star ,帮我脱离 50 俱乐部 🙏)

    • 可能原因 1:浏览器 Agent 这个方向本身就是伪需求?未来是 Grok Bot 的( Maybe )
    • 可能原因 2:个人营销能力太差 🤦 (各位给点意见)
    • 可能原因 3:单纯做得烂(个人不觉得!可以试用感受一下)
    67 replies  •  2026-10-21 23:30:16 +08:00
    helei
        1
    helei  
    OP
       1 day ago
    ![轻舟把杭州的维基百科图片整理成图集]( )

    ![多项任务,同时推进]( )
    helei
        2
    helei  
    OP
       1 day ago
    sorry 上面图破了,Codex 做的「宣传片」 👇

    https://github.com/user-attachments/assets/3203bc89-ef26-4f66-86cc-b602a912a1ab
    jamos
        3
    jamos  
       1 day ago
    这里多是程序员,他们有自己的 agent 们,所以浏览器扩展大概率无法替代现有的客户端吧
    lssvip
        4
    lssvip  
       23h 53m ago
    我没有想到有哪些使用场景,或许你可以聚焦一下。比如:采集金融类的信息,进行汇总,给出一定的消息输出,辅助金融行业的人及早发现,做出调整。 基本上就是一个生活在浏览器里的 Claude Code ,人能干的他都能干。兄弟你说的这句话,我不是抬杠哈,我能给你评论帖子,他能吗?如果不开心就当我瞎逼逼的。
    helei
        5
    helei  
    OP
       23h 44m ago
    我能评论帖子 - 发送自轻舟
    alphato1o
        6
    alphato1o  
    PRO
       23h 40m ago
    这个 agent 能控制几个互不干扰的浏览器 session 并行操作么
    jyeric
        7
    jyeric  
       23h 36m ago
    感觉会是推广问题?如果我没看到帖子也不会知道这个插件。理论 AI 类开源工具可以去 L 站推广,那边关注度可能会高些。

    我目前感觉这个定位更是处理浏览器页面能力的 agent ?因为 chat 已经有 edge 自带的 copilot 了。但是相比 codex 的 web use 更方便是在直接在浏览器内对话?
    helei
        8
    helei  
    OP
       23h 30m ago
    @lssvip 你的问题非常好。上面是他回的,其实只要你想,可以让他把整个 V2EX 的帖子都读一遍逐个回复。另外你提到的金融类信息,完全可以,还可以查一些企业工商信息(我有同事开了天眼查的会员,登陆之后天天用轻舟查人),你能用浏览器干的事情他都可以,而且可以综合多方信源,大批量操作。

    过程截图: https://github.com/user-attachments/assets/1a363d0b-0eed-4a0a-9d3a-1fbda076c848
    过程视频: https://github.com/user-attachments/assets/1a51c1ad-0952-4798-94ae-8a4df68cfc39
    helei
        9
    helei  
    OP
       23h 29m ago
    @alphato1o 当然,我录制 case 的时候同时开 10 多个毫不相干的 session ,tab 都满了。在实现 agent 框架的时候,实现了 session 和 tab 的互斥逻辑。
    helei
        10
    helei  
    OP
       23h 25m ago   ❤️ 1
    @jyeric 论操作浏览器,比 codex 以及 edge 的 copilot (包括 Chrome 自己的集成的 gemini )都敏捷一些,因为实现思路更宽广。

    Codex 是基于一个通用的 computer use 的框架来实现浏览器操作的,很多能取巧的时候(比如直接注入 JS )他不会干,导致操作慢,轻舟没这个障碍,基本上他都能找到最高效获取(破解)信息的方式。
    helei
        11
    helei  
    OP
       23h 24m ago
    @jyeric 感谢提醒,我去 L 站也看看
    jyeric
        12
    jyeric  
       23h 19m ago
    @helei 不过 L 站要求:项目内要链接认可 LINUX DO 社区。加在个人里面的项目加上没有问题,但是你项目是在 alibaba 下面的就不一定能允许加 L 站论坛链接。
    ruxuan1306
        13
    ruxuan1306  
       22h 56m ago
    12 个月前有点价值。现在 ego-lite 已经杀死比赛。
    helei
        14
    helei  
    OP
       22h 39m ago
    @ruxuan1306 你说的对,不过轻舟还是略有差异:比如不依赖外部 Agent 驱动它,很小的安装包( 5MB ),平常你在上网的时候,可以随时唤起做一些事情,比如“交叉多个信源验证当前页面信息”,“帮我填一下这个页面的表单”,而不用先启动一个 Agent 。

    总之,以浏览器为主的工作场景,轻舟会很有用(操作企业内部平台,信息采集调研),如果你的第一入口是 Agent 应用,轻舟价值有限。
    quxiaojuncuiyue
        16
    quxiaojuncuiyue  
       17h 13m ago via Android
    你是真不会宣传呀 看你说了半天 都不知道这玩意是啥 有啥用 所以这玩意跟 computer use 或者 ai agent cdp 调试操作浏览器 或者 playwright mcp 或者 Selenium driver 到底有啥区别 你得核心卖点是啥 都没说清楚呀
    helei
        17
    helei  
    OP
       16h 11m ago via iPhone
    @quxiaojuncuiyue 你批评得对!轻舟是一个浏览器侧边栏插件,包含了完整的 Agent 能力(不需要像你提到的 mcp 一样,需要再装一个外部 Agent 调用它),你可以在日常上网的过程中,随时唤起它干活(比如帮我把这个知乎作者的文章都整理到一个表里)。

    另外,computer use 只能根据浏览器画面来操作元素,轻舟不止可以看画面,还可以分析网络请求,并采用最高效的方式完成任务。( computer use 还在傻傻翻页的时候,轻舟已经破解页面 API 了)

    它内置的 skill 系统可以自动化学习一个网站,将其能力变成内置工具,一步完成复杂操作。比如搜索小红书帖子,查询公司法人风险,去 12306 查车票。
    helei
        18
    helei  
    OP
       16h 8m ago via iPhone
    @Hubs 图都是 github 外链,不知道有没有更好点的地方放图
    shanghj
        19
    shanghj  
       15h 26m ago via Android
    我不干代码有几年了,不讨论技术方面,但说功能,qz 和豆包、deepseek 这类网页端比有什么特长,能力和这类比怎么样?有什么吸引人尝试的地方?易用性如何?现在太多这类工具类的插件了,有的介绍写的挺好,实际上使用要么配置复杂,要么就是半成品。用来用去感觉简单的工作还不如用豆包、deepseek 网页端,复杂的用 opencode 这类客户端。
    helei
        20
    helei  
    OP
       15h 16m ago via iPhone
    @shanghj 感谢回复,易用性也是我重点投入的点,目前开源的这个版本,唯一涉及复杂配置的,就是一开始的模型 api key ,后面的使用体验我们在几百人的内部用户群体里测试&打磨了 2 个月。从我内部使用中,有一半是非技术岗位,使用场景包括重复浏览器操作提速,互联网爆点采集,商业信息调研等,从浏览器的专精程度上,远比豆包和 deepseek 好,对于更复杂的任务,如果不涉及开发/设计,它的能力也不弱。
    v2AKS
        21
    v2AKS  
       15h 7m ago
    @helei #17 为什么感觉你的回复这么 ai
    helei
        22
    helei  
    OP
       14h 59m ago via iPhone
    @v2AKS 是我手打的!!只能说被 gpt 反向影响了
    shanghj
        23
    shanghj  
       14h 53m ago via Android   ❤️ 1
    @helei 您的回复中提到了 agent 的优点,但是也提到了受众集中在非技术人群,那在打磨功能的同时,也应该精准定位到宣发人群,毕竟非技术人群主动去 GitHub 这类网站找工具的概率很低,加上国内网络环境,GitHub 基本等于断连。看看 qz 挂上插件商店如何?还有介绍 qz 时尽量简洁明了,短视频时代,好多人没耐心论文式介绍(可以把详细的放在一个链接,感兴趣的自会跳转查阅)。
    helei
        24
    helei  
    OP
       14h 38m ago via iPhone
    @shanghj 感谢建议!如何高效分发触达是个问题,我还在探索方法。目前已经在 Chrome 插件商店上架( https://chromewebstore.google.com/detail/dknbdgkgoinlgjpfebapkklbmjjgdblm , 不过这个也是被墙的),说实话“需要配置 api key”对非技术人员本身也是一大使用阻碍
    czcola
        25
    czcola  
       14h 20m ago via Android   ❤️ 1
    已 star ,个人觉得非常有创意,也完成的非常好,很有用!!!
    helei
        26
    helei  
    OP
       14h 5m ago via iPhone
    @czcola 感动!!
    weixind
        27
    weixind  
       13h 40m ago   ❤️ 1
    “阿里开源 browser-agent:比 cloud code 更准,比 codex 更快”。

    再找一些营销号宣传。5k star 保底。

    star 约等于流量,你流量越高 star 自然越高。
    catinsides
        28
    catinsides  
       13h 20m ago   ❤️ 1
    支持一下,之前是一直想做一个类似的插件来的。
    一点建议,当前时间点看,这种对话总结的 Agent 功能看起来有点过时了,我觉得应该向更强的自动化能力 Agent 的发展。而且我现在用的浏览器,已经内置了右侧对话功能,也可以根据标签组总结/做报告,动态跟踪页面内容,已经不需要这样的插件了。
    lizhiping886
        29
    lizhiping886  
       13h 18m ago
    helei
        30
    helei  
    OP
       13h 16m ago
    @weixind 啊,这!好的,近期安排起来。
    helei
        31
    helei  
    OP
       13h 9m ago
    @catinsides 感谢支持!不过轻舟不只是总结,对话总结+页面操作,完成复杂批量任务(“查询从春秋战国以来中国所有古钱币的图片“)
    jzhm
        32
    jzhm  
       12h 46m ago   ❤️ 1
    我用过你这个,挺好用的,你发了这个是实名上网了兄 dei
    helei
        34
    helei  
    OP
       12h 21m ago
    @jzhm 同事你好!我爱实名上网!
    helei
        35
    helei  
    OP
       12h 16m ago
    @Hubs 收到,我看下,可以先去 chrome://extensions/ 点击重新加载一下扩展试试。你是在 Chrome Store 安装的还是 github 上的 release 包?
    Hubs
        36
    Hubs  
       11h 38m ago   ❤️ 1
    @helei #35 在 Chrome Store 安装的
    ExeterMinne
        37
    ExeterMinne  
       10h 9m ago   ❤️ 1
    让我理解一下,这个东西实际上就是一个可以完全控制浏览器的 agent ,优点就是你不同鼓捣大量登陆或者配置,你浏览网页,就可以顺手问他?
    JeffGe
        38
    JeffGe  
       9h 44m ago   ❤️ 1
    以前 OpenClaw 刚火没多久站内有人做了个 ChromeClaw 和轻舟理念有点像,现在看 GitHub 已经没什么动静了
    helei
        39
    helei  
    OP
       9h 43m ago
    @ExeterMinne

    1 )安装个 Chrome 插件就能独立运行,只要配置下模型 API KEY
    2 )你浏览网页,就可以顺手问他
    3 )将日常的浏览器工作自动化,且同时能开多 tab 完成不同任务。
    helei
        40
    helei  
    OP
       9h 42m ago
    @Hubs 问题已确认修复,更发布了 Chrome Store 0.1.4 版,老板再给我个机会。
    lululau
        41
    lululau  
       9h 37m ago   ❤️ 1
    NB!👍 正在找这样的工具,已 star
    songpingwang198
        42
    songpingwang198  
       9h 37m ago   ❤️ 2
    现在 Codex 、Claude cowork 都有 chrome 插件版本,我想知道你这个和他们的差异化在哪里?
    cctrv
        43
    cctrv  
       9h 32m ago
    @helei 能做的事情和我的 SwiftChat 有什麼區別?

    SwiftChat 已經有內置瀏覽器,可以訪問 X 這類網站做資料收集:
    https://x.com/llqoli/status/2112212550708523460?s=20

    也支持 CDP ,可以和當前正在使用的瀏覽器一起工作:
    https://x.com/llqoli/status/2112427834761441391?s=20
    helei
        44
    helei  
    OP
       9h 28m ago
    @JeffGe 感谢回复!给浏览器装上 Agent 能力是一个很直接的想法,这个赛道也有不少定位接近的产品。我刚下载用了一下 ChromeClaw ,它产品上基本没怎么打磨过,基本的文字对齐都还没搞好,估计蹭一波热度就不玩了。

    虽然都是“浏览器 Agent”,轻舟追求的是体验的丝滑,以及“更通人性”(你看到他用浏览器,会觉得“换我也会这么干”)。核心的 Agent 框架很简单,大量的时间花在了体验打磨上。目前 Chrome Store 刚更新了一版,您可以试用体验下: https://chromewebstore.google.com/detail/qz/dknbdgkgoinlgjpfebapkklbmjjgdblm?hl=en
    helei
        45
    helei  
    OP
       9h 14m ago
    @songpingwang198

    1. 使用「场合」不同,Codex 他们的目标是托管整个「工作」,浏览器只是工作的一环,如果你日常的第一入口是 Codex ,那么轻舟确实不如它。轻舟的目标场合,是「浏览器使用过程中」,假设你正在上网,比如刷个帖子,突然想把这个页面内容转成 markdown ,那么可以用快捷键从侧边栏唤起轻舟直接操作。

    2. 对网页浏览的理解深度不同,轻舟不仅能像 Computer Use 那样查看界面+点选+填充文字,还能直接通过往网页注入 JS 来提高任务完成效率,轻舟的脚本能力不仅包含了基本的 DOM 操作,用户自身沉淀的 Skill 都能以工具函数的形式,被轻舟的脚本调用。 比如我让轻舟总结了一个 12306 查询到达列车的 Skill(工具),然后就能直接用脚本让它查询全国所有城市的到达列车,玩法很多。
    MoGeJiEr
        47
    MoGeJiEr  
       7h 53m ago
    能自动输入验证码吗?
    helei
        48
    helei  
    OP
       7h 43m ago
    @MoGeJiEr 开源版的系统提示词禁止了这一行为,遇到验证码会让用户来处理,而且即便系统提示词不禁止,现在大部分的模型服务的内部安全机制,都会倾向于拒绝这一请求。
    cowcomic
        49
    cowcomic  
       7h 16m ago
    有两个疑问
    1 ,会向远程发我的操作数据么?
    2 ,他的本地工作目录在哪儿?我切换了 chrome 的个人资料之后,这个数据会隔离么?
    huihushijie1996
        50
    huihushijie1996  
       7h 9m ago
    我试试可不可以让他测试网页的各种功能 我先拿来让 ai 玩我做的网页游戏 让给我反馈
    DreamingCTW
        51
    DreamingCTW  
       7h 8m ago
    额....逆向圈不是早就有类似的项目了吗 浏览器旁边开一个 Agent 会话窗口,也是可以操作浏览器,直接分析一些加密参数 https://github.com/WhiteNightShadow/firefox-reverse
    helei
        52
    helei  
    OP
       7h 7m ago
    @cowcomic
    1. 会向你配置的大模型服务商发送对话上下文,这是唯一的网络请求(可以打开 Network 验证)。
    2. 没有本地工作目录,存储在 chrome.storage.local 里,不同个人资料,数据隔离。
    helei
        53
    helei  
    OP
       7h 7m ago
    @huihushijie1996 可以试试,我们前端同事是这么用的,生成单元测试。
    huihushijie1996
        54
    huihushijie1996  
       7h 4m ago
    卡到第一步了 你的模型配置为啥会自动加一截地址
    helei
        55
    helei  
    OP
       7h 3m ago
    @DreamingCTW 感谢宝贵信息。轻舟能逆向,但逆向不是目的。产品定位是日常信息工作效率的提升。
    DreamingCTW
        56
    DreamingCTW  
       7h 2m ago   ❤️ 1
    @helei #55 是的,思路是一样的,只是产品方向不一样
    helei
        57
    helei  
    OP
       7h 1m ago
    @huihushijie1996 指的是 v1/chat/completions 这个吗?如果你的接口不需要这一串,可以它填上后你自己删掉这串就行。大部分 OpenAI compatible 接口都有这个。
    qci133
        58
    qci133  
       6h 34m ago
    已经在公司内部试用过了,体验很好。虽然开源流程耽误了挺长时间才发布到外网,但我感觉使用体验与丝滑程度仍然没有对手,包括 codex 等在内的 browser use 都没有轻舟的轻便与快捷。
    zwlinc
        59
    zwlinc  
       6h 15m ago   ❤️ 1
    试用了下,很好用,UI 风格也是好看耐看的那种,这真的挺重要的
    yisier
        60
    yisier  
    PRO
       6h 13m ago
    Alibaba ?
    Hubs
        61
    Hubs  
       5h 46m ago
    @helei #40 可以了
    helei
        62
    helei  
    OP
       5h 45m ago
    @zwlinc 感谢肯定!
    helei
        63
    helei  
    OP
       5h 43m ago
    @yisier 嗯呢,不过不是什么战略性产品,主打一大小而美。
    helei
        64
    helei  
    OP
       5h 42m ago
    @yisier sorry 打错字,「主打一个小而美」。
    imdoge
        65
    imdoge  
       1h 6m ago
    建议适配上文件系统,对标 code agent 的 bash 执行
    helei
        66
    helei  
    OP
       23 mins ago via iPhone
    @imdoge 哈哈有道理,我想想
    cowcomic
        67
    cowcomic  
       11 mins ago
    @helei 哦,不会发遥测数据好评
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   2822 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 88ms · UTC 15:41 · PVG 23:41 · LAX 08:41 · JFK 11:41
    ♥ Do have faith in what you're doing.