什么值得买App下载 App ›
连续签到专享现金活动

ZeroToken:通过“录制一次、永久回放”重构AI浏览器自动化

在AI Agent的浏览器自动化任务中,存在一个长期被忽视的资源浪费问题:对于重复性任务,传统框架要求AI每天重新进行完整的推理流程。例如,每日登录后台抓取报表的操作,需要经历从推理打开网站到点击下载的每一个步骤。这不仅产生了高昂的Token消耗成本,也违背了自动化应当具备的“一次设定、重复执行”的高效原则。ZeroToken项目应运而生,旨在通过“录制一次、永久回放”的机制,解决AI Agent在重复任务中的推理冗余与执行稳定性问题。
01传统模式的痛点:重复推理的高昂成本
现有的AI Agent浏览器自动化框架通常遵循“推理-调用”的循环模式。每一次浏览器操作——无论是打开页面、输入账号还是点击按钮——都需要调用一次大语言模型(LLM)进行推理。如果某个高频任务每天执行100次,系统将不得不重复进行成百上千次本质上完全相同的逻辑思考。这与人类处理重复任务的方式背道而驰:人类在首次执行时会思考步骤,但在后续执行中则会直接调用肌肉记忆进行操作。传统模式让AI每次都“重新思考”,导致了Token资源的极大浪费和执行效率的低下。
02核心方案:Record once, automate forever
  1. 录制阶段
    AI 使用 ReAct 模式控制浏览器,系统在后台完整记录下操作轨迹。
  2. 轨迹生成
    将上述操作过程保存为结构化的脚本数据。
  3. 脚本回放
    后续执行任务时,直接调用脚本运行,不再需要 LLM 介入推理。
在该模式下,Agent仅在首次执行时进行正常的推理与操作,同时完成轨迹的“悄悄记录”。此后,仅需一个 run_script(task_id) 指令,浏览器即可开始回放整个流程。这也是该项目命名为“ZeroToken”的原因——在首次录制后的执行过程中,Token消耗直接降为零,极大地优化了成本结构。
03关键技术:平衡自动化与灵活性

复杂场景处理策略对比

模糊点标记机制

解决需要人工判断或动态生成的步骤

  • 系统自动或开发者手动标记轨迹中的“模糊点”(fuzzy_point)。
  • 遇到验证码识别、数据确认、文案生成等非确定性步骤时暂停。
  • 暂停时向 AI 或人类提供提示(hint),等待决策后继续执行。
  • 确保了流程在关键节点仍具备必要的智能干预能力。
元素指纹定位

解决网页改版导致的元素失效问题

  • 记录元素的多维指纹:选择器、DOM 路径、位置、文本、尺寸。
  • 当传统选择器因动态 ID 或 CSS 变更失效时,自动启用自适应匹配。
  • 基于指纹相似度重新定位元素,提升脚本在不同网页版本下的存活率。
通过结合这两种技术,ZeroToken 形成了一套自然的工作流:首次执行时完成“AI 推理 + 浏览器操作 + 轨迹记录”;后续执行时则转为“确定性回放 + 遇到模糊点暂停 + AI/人类决策”。这种设计确保了 AI 只需要在关键时刻进行一次思考,而系统则负责后续的稳定、高效执行。

评论

评论区空态插画

当前文章无评论,是时候发表评论了