Agent 帮你查资料、填表单、下载报表,听着挺美。

真用起来最烦的是它跟你抢浏览器:标签页被切走,鼠标突然飞过去,正在看的页面被它 reload 掉。

ego(lite) 就是冲这个来的。它是个完整的 Chromium 浏览器,你用一个窗口,Agent 用里面的 Space,各开各的标签页,登录状态还是同一套。

不是广告,软件免费,我也没拿谁的钱。下面按我实际用的顺序说。

先把它是个什么东西说清楚

ego(lite) 不是插件,也不是某个 IDE 里嵌的浏览器。装完就是一个能日常用的 Chromium,地址栏、标签页、书签、扩展、密码管理都有,mac 和 Windows 能装,Windows 目前还标着 beta。

第一次打开会问要不要从 Chrome 迁数据。书签、密码、Cookie、登录状态、扩展、标签页、Profile 都能带过来。是复制,不是搬家,Chrome 原来那套不动。

这一步是重点。Agent 能直接开你的 Gmail、Notion、公司后台,不是因为它偷偷存了密码,而是因为它就在你这个已经登录的浏览器里。

省掉的是每次任务重新登录、被 2FA 和 SSO 卡住的那些破事。

Agent 在 Space 里,不碰你的标签页

Space 是 ego(lite) 里的工作区。不是新窗口,不是无痕模式,也不是另开一个浏览器。

所有 Space 都在同一个 ego(lite) 里,共用你的登录状态,但标签页和控制权是分开的。

你开一个 Space 给 Agent,它在里面导航、点击、填表;你在自己的窗口里看视频、写东西,鼠标不会突然飞走,当前标签页也不会被切走。

想看它在干嘛,点开 Space 就行;遇到登录、验证码,你也可以直接接管。

ego(lite) 的 Space 管理面板

图来自官网。蓝色发光那个就是 Agent 正在跑的 Space。

我同时开过两个:一个去 Hacker News 抓前五条,一个去 GitHub Trending 抓前五。两个 Space 各跑各的,三秒多两边都回来了。

官方说能开多少看内存和 CPU,我没测极限,日常两三个够用。

接 Agent 不用写 SDK

装完 ego(lite),它会扫一遍机器上的 Agent,把 ego-browser 这个 skill 写进 Claude Code、Codex、Cursor 这些工具的目录。之后在对话框里打 /ego-browser,后面直接用大白话提要求。

在 Codex 里输入 /ego-browser 接任务

图来自官网。

Agent 干活的流程不复杂:开一个 Space,page.goto() 打开网址,page.snapshot() 把页面读成带编号的文本,再按编号点按钮、填输入框,最后把结果拿回来。

它一次可以写一整段 Node.js 脚本,把好几步串起来跑,不用一个命令一个命令地等。

1
2
3
4
const task = await taskSpace("查资料");
const page = task.page("p1");
await page.goto("https://news.ycombinator.com/");
console.log(await page.snapshot());

这也是它比传统 CLI 快的原因之一。传统方式经常是「执行一条、看结果、再执行一条」,每一步都要模型转一圈。

ego(lite) 让 Agent 把能确定的部分一次写完,少转几圈,token 也少烧点。

有个坑先说:ego-browser 要在本机跑命令、拉起 ego(lite),所以 Codex 一般得开 Full access,Claude Code 要放开对应权限。

不给权限,它连浏览器都起不来。这不是软件耍流氓,是本机 Agent 调本机程序必须过的门。

反过来,网页版 ChatGPT、Claude 那种聊天框用不了。它控制不了你电脑上的浏览器,必须是在本机跑、能执行命令的 Agent。

Snapshot 才是它跟别家拉开差距的地方

Agent 看不懂网页,它读的是一份文字版的页面结构,ego(lite) 叫 Snapshot。按钮、输入框、链接都会被编上号,Agent 直接按号操作。

大部分工具也能生成类似的东西,区别在实现方式。常见做法是往页面里注入一段脚本再抓 DOM,碰到跨域 iframe、shadow DOM、Stripe/Salesforce 这类第三方组件就容易抓瞎。

ego(lite) 是在 Chromium 内核里改的,Snapshot 能进跨域 iframe 和开放的 shadow root。官方文档里有对应的测试页,我只试了普通页面,没复现这些复杂场景,这里按官方说法记。

官方在 31 个真实网站任务上跑过一轮基准,ego-browser 平均 398 秒、单任务 1.64 美元、93.5% 的任务完全成功,比另外四个工具快 47% 到 63%。

这是厂商自己跑的数据,模型、任务和评分标准都写在 GitHub 上,信不信自己判断。我自己的体感是快,但没做严格对比。

适合拿来干什么

  1. 登录后的后台和内部工具。公司 admin、CRM、报表页,很多没有 API,或者 API 只开了一半,Agent 用你的登录态直接读,比申请接口快。
  2. 竞品和社媒调研。要登录才能看的内容,批量抓帖子、价格、评论,再让它整理成表。
  3. 填表类重复劳动。招聘申请、报销、发票下载,让它填到提交或付款前停下,你确认最后一步。
  4. 测自己开发的 Web 应用。带着登录态把流程点一遍,比 Playwright 重新登录、重新造数据省事。
  5. 一次性的小任务。让它去某个网站查个东西,不用为这一次装 Playwright、写选择器。

丑话说前面:不是所有网站都欢迎自动化。别拿它去刷接口、发垃圾信息、薅羊毛,账号被封自己负责。

缺点也得说

  1. 只有 mac 和 Windows,Windows 还是 beta,Linux 在路线图上。主力用 Linux 的可以先收藏,暂时别装。
  2. Space 不是账号隔离。它隔离的是任务和标签页,几个 Space 默认还是同一个 Profile 的登录状态。要换账号,得换 Profile 或换浏览器。
  3. 验证码、登录、2FA 还是得你上。Agent 遇到这些会停下来把控制权交给你,它不绕过,也绕不过。
  4. 页面内容会发给模型。数据存在本地,不等于页面内容不离开电脑;用哪个模型、发什么内容,自己权衡。敏感后台别乱开。
  5. 迁移之后两边不同步。Chrome 和 ego(lite) 各存各的,新登录不会自动同步。要么以后都用 ego(lite),要么记得两边都登。
  6. 免费的是浏览器。Agent 和模型的费用照付,免费不等于零成本。
  7. 自动积累经验还是 limited beta。别指望用几次它就自己变聪明,官方也没把话说满。
  8. 如果你只是偶尔在 Chrome 里填个表,装个插件更轻。ego(lite) 适合天天用 Agent 跑网页的人。

和插件、Playwright、云浏览器比

ego(lite) 浏览器插件 Playwright/CLI 云浏览器
沿用你的登录状态 √ √ 自己配 要上传或重新登
不抢当前标签页 √ × 看配置 √
多任务并行 √ × 自己起进程 √
数据留在本地 √ √ √ ×
免费 √ 看插件 √ 按量收费

插件胜在轻,装完就能在当前的 Chrome 里用,适合「就这一下」;缺点是它跟你在同一个窗口里干活,任务一长就容易互相干扰。

Playwright 适合写死的流程和 CI,稳定、可控,但登录态、验证码、页面改版都得自己维护。

让 Agent 临时去一个没见过的网站,写选择器的时间比干活还长。

云浏览器适合大规模、无人值守、电脑关机也要跑的活。

要拿你的账号登录,就得把 Cookie 或密码交出去,还得按小时付费,IP 不在本地也更容易碰验证码。

ego(lite) 卡在中间:本机运行、用你的登录态、能看着它干活,也能多开。代价是它是个新浏览器,你得真的搬过来用。

下载

不用注册,下载就能用。


装完先别研究设置,随便让 Agent 查个东西。看它自己在 Space 里点来点去,你这边网页纹丝不动,就明白这东西是干嘛的了。