Browse.sh:给 AI 装上"记忆",token 成本直降 45%
浏览器 AI 代理在实际应用中面临一个核心瓶颈:健忘症。每次访问新的网站,代理都需要从头开始摸索按钮位置、API 调用方式以及潜在的逻辑陷阱。这种重复性的探索过程不仅降低了执行效率,还导致了大量 Token 的消耗与浪费。针对这一痛点,BrowserBase 开源了 Browse.sh 项目,旨在通过引入“记忆层”来提升代理效率。
01核心原理:技能即记忆
Browse.sh 的核心逻辑在于,浏览器代理的瓶颈往往不在于智能程度,而在于缺乏记忆。该项目构建了一个包含 100 多个精选技能的浏览器技能目录,AI 代理通过一条命令即可安装特定技能,从而“记住”该网站的操作逻辑。
- 技能文件格式
每个技能对应一个 SKILL.md 文件,采用纯 Markdown 格式,既方便人类阅读,也支持代理直接执行。 - 内容构成
文件中详细记录了分步操作流程、特定网站的常见陷阱、隐藏的 API 端点、CSS 选择器以及备用方案,部分技能还附带 Python 或 Shell 辅助脚本。 - 实例解析
以 Craigslist 技能为例,文件明确指出:搜索页面为纯 JS 渲染,Item 0 号并非 Posting ID 而是偏移量,API 会根据请求 IP 进行地理定位,需通过添加 postal 参数进行覆盖。这些细节若靠代理自行摸索,通常需要耗费多轮 Token。
02技术架构:Autobrowse 自动学习
Browse.sh 的技术架构核心是 Autobrowse 自动浏览学习引擎,它实现了从探索到固化的自动化闭环。人工编写的技能与 Autobrowse 生成的技能采用同一种格式,代理只负责读取文件,不区分来源。
- 真实任务执行
给代理下达真实任务(如在 OpenTable 预订餐厅),代理在真实浏览器环境中运行一遍。 - 日志分析
分析追踪日志,识别代理在何处卡顿、何处进行猜测以及何处浪费了 Token。 - 策略迭代
将观察结果写入 strategy.md,在下一轮迭代前读取该文件以改进策略。 - 技能毕业
经过 3-5 轮迭代,策略收敛后即“毕业”为正式的 SKILL.md 文件。
03实测数据与成本优化
引入技能机制后,由于代理无需反复试错,操作路径确定化,Token 消耗显著降低。在 Craigslist 基准测试中,未安装技能时单次运行成本约为 $0.22,安装技能后降至 $0.12,成本节省了 45%。
| 测试场景 | 未安装技能 | 安装技能后 | 成本变化 |
|---|---|---|---|
| Craigslist 基准测试 | 约 $0.22/次 | 约 $0.12/次 | 节省 45% |
Browse.sh 成本效益实测对比
04生态定位与竞品对比
Browse.sh 并不旨在取代现有的浏览器工具,而是作为叠加在各类工具之上的一层“记忆”。目前的技能库已覆盖房产、餐饮、旅游、政府网站、开发工具及企业 SaaS 等领域,Ramp、Lovable 等公司已提交验证过的技能。
| 工具类型 | 代表产品 | 核心特点 | 局限性 | 与 Browse.sh 关系 |
|---|---|---|---|---|
| 确定性脚本 | Playwright/Selenium | 无 AI 参与,逻辑确定 | 需人工编写逻辑,无记忆 | 技能可包含此类脚本作为辅助 |
| AI 浏览器代理 | browser-use | 完全依赖 AI 实时推理 | 每次重新摸索,无记忆积累 | Browse.sh 为其提供记忆层 |
| 计算机控制 | Claude CUA/OpenAI CUA | 纯实时推理 | Token 成本高,每次从零开始 | Browse.sh 可降低其操作成本 |
主流浏览器自动化工具与 Browse.sh 的对比
该项目适合浏览器自动化开发者、使用 AI 代理进行网页操作的团队,以及寻求降低 Token 成本的技术人员。Browse.sh 的 CLI 和技能目录完全免费开源,其云浏览器服务由 BrowserBase 提供付费支持。
当前文章无评论,是时候发表评论了