这个月，Web自动化这个圈子罕见地挤在了一起。
腾讯今夏开源了BrowserSkill，让AI智能体直接"借用"你已经登录的Chrome；一个叫ego-lite的AI专用浏览器，一条介绍视频在B站拿下31万播放、3.5万收藏。哔哩哔哩老牌项目browser-use拿下Felicis领投的1700万美元种子轮，Star数已在9.5万以上。知乎Vercel的agent-browser、微软的Playwright CLI，也被各路博主反复拉出来横向对比。哔哩哔哩
如果你印象里的浏览器自动化还停留在"写Playwright脚本、调元素定位"，可能要更新一下认知了：现在大家争的已经不是"脚本怎么写更稳"，而是一个更根本的问题——AI到底该怎么用你的浏览器。
而且这几条路线抢的是同一样东西：你的登录态。
为什么"登录态"成了兵家必争之地
先看一个真实测试。知乎博主"土木AI提效大古"想让AI去自己有权限的内容后台整理评论，他先用Playwright方案跑，同一个任务烧掉了11万Token；后来换成能复用已登录状态的路径，同样的活只花了2万7。知乎
差了4倍，差在哪？差在"AI要不要从零开始证明自己是谁"。
传统自动化方案面对登录页基本是跪的：要么手写登录流程，遇到验证码、滑块、二次验证直接歇菜；要么把账号密码塞进环境变量，安全隐患拉满。而你的日常浏览器里，GitHub、飞书、公司内网全都是登录状态，Agent打开这些网站直接就是登录态——Cookie、Session、LocalStorage全都现成的。知乎谁能让AI"无痛继承"这身登录态，谁就省掉了自动化里最脏最累的那段活，顺便还把Token消耗打了下来。
所以这轮混战的本质，是四方在用不同的架构回答同一道题。我把它们拆成四条路线，每条都有人已经替你踩过坑了。
路线一：扩展桥接——AI借用你的浏览器
代表选手：腾讯BrowserSkill，以及BrowserToolsMCP这类"扩展+本地服务"的方案。
思路很直接：不换浏览器，装一个扩展当中间人。BrowserSkill的做法是Rust写的CLI加一个Chrome扩展，AI的操作在一个带橙色高亮边框的独立窗口（Agent Window）里进行——复用的是你浏览器的登录态，但碰不到你正在用的标签页。它预置了Cursor、Claude Code、Codex、WorkBuddy等主流智能体的skill模板，遇到验证码、支付确认这类必须人工出手的环节，会主动暂停弹窗等你接管。知乎
根据知乎评测文章，它到8月初Star数约900+，社区贡献者有限。知乎而7月25日时这个数字还是638。知乎涨得不算慢，但和Playwright的6.8万+、browser-use的9.5万+比起来，生态还很小，遇到问题能搜到的答案有限。
这条路的代价也很清楚：整套方案强依赖Chrome Web Store上的扩展，装它等于交付一份信任；目前只正式支持Chrome和Edge；而且它的设计哲学就是"可见可控"，天然做不了无头运行。知乎你需要7×24小时挂机采集、或者在CI里跑E2E，这条路走不通。
路线二：Agent专用浏览器——给AI单独安个家
代表选手：ego-lite（citrolabs）、BrowserOS、国内团队做的SeekBrowser。
思路反过来：既然人和AI抢一个浏览器别扭，干脆为AI造一个新浏览器。ego-lite基于Chromium内核，核心设计理念是让Agent和人类共用同一个Chrome。哔哩哔哩AI在独立的Space里干活，你的标签页还是你的，多个Space还能并行跑任务。知乎
这条路线热得烫手：技术区UP主"技术爬爬虾"7月21日那条视频，31万播放、2.7万点赞、3.5万收藏，评论区直接变成大型真香与劝退现场。哔哩哔哩
真香党说，最核心的优势不是省资源，而是登录状态可以被保留，相比Playwright CLI确实很方便。哔哩哔哩也有UP主已经把它配套的Skill接进Codex，一句话就能抓完视频数据。哔哩哔哩
但劝退的声音同样真实，而且值得逐字读。
第一，没有Windows版。一句"讲了半天，看了半天，准备下载。居然没有windows版，只有macos版。白看了。"成了评论区最高频的抱怨。哔哩哔哩ego-lite目前只有macOS版，Windows支持还没落地。
第二，复杂任务扛不住。一位装完体验了半小时就卸载的用户直言，只适合2-3步的简单任务。哔哩哔哩
这条路线赌的是未来。评论区有条高赞判断很清醒：这个创意很容易被复制，Chrome之类的传统浏览器巨头过一阵子可能就会开放这种能力。哔哩哔哩
路线三：独立实例+Agent框架——老牌正统路线
代表选手：browser-use、Playwright MCP/CLI、Vercel agent-browser。
这是目前生态最厚的一条路。browser-use让大模型自主理解网页、执行自然语言任务，"帮我查5月10日北京飞东京最便宜的机票"这种指令可以直接跑。知乎
技术上它还在快速演进：从v0.6.0开始移除Playwright依赖，改用自研的cdp-use。知乎它还发布了自研模型，据B站视频介绍，在100个真实浏览器任务上达到78%成功率，超过所有通用大模型。哔哩哔哩微软的Playwright CLI/MCP则是把测试框架封装给Agent调用；agent-browser用Rust写成极速守护进程，内存开销极低。哔哩哔哩
优势是成熟：能无头、能上Docker、能进CI、跨浏览器测试，生产级场景目前只有这条路挑得起大梁。
短板也还是那个：默认起的是全新浏览器实例，没有你的登录态。想复用，要么导Cookie、要么挂浏览器Profile，每一步都有坑。一位同时试过两者的开发者说得直白：用browser-use抓公开数据很爽，但一旦要操作自己登录着的账号，就得重新登录一遍，验证码、二次验证全来一遍。知乎
路线四：录制回放——让AI看一遍就照着干
代表选手：BrowserWing、BrowserSkill自带的操作录制、Playwright codegen+AI的组合。
思路最朴素：别让AI每次都重新理解网页，你操作一遍，把流程录下来固化成脚本或skill，之后直接复用。知乎上有作者专门写文拆解这种玩法：先在浏览器里自己点一遍，让AI把路径记下来。知乎B站也有UP主发过WorkBuddy录屏操作一遍就蒸馏成Skill的教程。哔哩哔哩
这条路的价值是降低不确定性——AI每次"现想"既费Token又不稳定，固化的流程是确定性资产。缺点同样明显：页面一改版，录的流程就可能失效，它解决不了开放式的临时任务。
社区踩过的坑，比路线本身更值钱
这轮混战里最有信息量的不是各家发布会，而是真实用户翻出来的坑：
性能数字要看参照物。 之前刷屏的"比Playwright快784倍的Python库"（Scrapling），被较真的博主扒出来：那个784倍对标的是BeautifulSoup的HTML解析，不是Playwright的浏览器渲染，纯属偷换概念。知乎以后看到"快N倍"，先问一句：跟谁比、比的是什么。
登录态越真，权限边界越要看清。 这是B站一条BrowserSkill解读视频的原话。哔哩哔哩AI能碰到你登录态的那一刻，prompt injection（网页里藏一句"忽略之前指令"）、误点、误提交的风险就都存在了。知乎多位实测者的共识是：涉及发布、发送、付费、删除、改权限的动作，必须交给人确认。知乎BrowserSkill的"暂停等人"设计之所以被反复点赞，就是因为它把这个边界做成了产品机制。
反爬盯的是"你是不是人"，不是你用什么工具。 一条2.3万阅读的知乎回答说得透：从navigator.webdriver被直接封，到现在对方连你鼠标怎么拐弯都想起来了，对面盯的从来不是你用什么工具，而是你是不是人。知乎想拿采集当生产用途的，先想清楚账号成本和合规问题，别指望换个工具就能隐身。
到底怎么选：一张表说清
个人效率小活（整理后台评论、跨平台发文、填重复表单）：扩展桥接（BrowserSkill）或录制回放最划算，登录态现成，窗口可见，风险可控。前提是你用Chrome/Edge，且接受扩展权限。
Mac用户、想尝鲜前沿：可以试ego-lite，但只建议跑2-3步的简单任务，复杂流程别指望。
自动化测试、CI/CD、跨浏览器兼容：别折腾了，Playwright还是标准答案，这四条新路线没有一条是为它设计的。
数据采集：先想合规，再想反爬，最后才是工具。登录态复用能省钱，但账号风险也跟着放大。
企业生产环境：建议观望。这批项目最老的也就一岁多，API还在变，Star数几百到几千量级，现在把核心流程压上去不划算。
接下来值得盯的三个信号
第一，Windows支持什么时候补齐。评论区有人翻出官方路线图，Windows和Linux都在计划里。哔哩哔哩这决定了这波工具是"Mac用户的玩具"还是真生产力。
第二，Chrome官方会不会亲自下场。这个判断不是空穴来风：评论区已经有人预判，传统浏览器巨头过一阵子可能就会开放这种能力。哔哩哔哩真到那天，现在这批桥接方案的护城河会被瞬间填平。
第三，浏览器与大模型厂商的原生能力。大古实测过，Chrome DevTools的autoConnect能直接接进平时用的浏览器，登录状态也都在。知乎官方能力每进一步，第三方工具的生存空间就变一次。
最后说句大实话：对个人效率场景，现在下场玩玩正当时——挑一件30分钟内能验收的小事开始，别一上来就做"全自动运营后台"。知乎但对要稳定、要合规、要7×24跑的生产系统，这轮热闹看看就好，还没到能托付的时候。
毕竟这个赛道的现状，被一条评论总结得最到位：浏览器自动化终于从"能不能做"，进入了"怎么低成本稳定做"的阶段。哔哩哔哩
