Ego Lite - 专为AI Agent设计的浏览器，实现人与AI协同工作

Ego Lite是什么

简单说，Ego Lite 是 Citro Labs 专门为 AI Agent 打造的一款 Chromium 浏览器。它解决的是传统自动化工具（比如 Playwright、Puppeteer）驱动浏览器时的那几个老大难问题：登录态动不动就丢了、资源占用高得离谱、还总是干扰用户正常浏览。它的核心设计思路，是实现人类用户和 AI Agent 在同一台机器上的协同工作。Agent 可以通过 CLI 在一个独立的“任务空间”里静默驱动浏览器，执行页面读取、点击、API 探测、截图验证这些操作，并且能直接借用用户的登录态，完全不影响你正在用的正常窗口。

Ego Lite的主要功能

• 语义快照提取
  ：通过 snapshotText() 获取页面的文本、按钮、链接等可点击元素的语义化结构。这招很实用，Agent 能直接“看懂”页面的交互骨架，而不是面对一堆原始 HTML 标签。

• 元素交互操作
  ：支持 click、fillInput 等指令，Agent 可以精准点击按钮、填写表单，就像真人操作一样。

• 底层脚本执行
  ：通过 js() 在页面上下文中执行 Ja vaScript，直接读取 DOM 状态与前端数据。这意味着能绕过很多限制，拿到渲染后的真实结果。

• 浏览器协议调用
  ：通过 cdp() 调用 Chrome DevTools Protocol，实现网络请求拦截与深度调试。这给了 Agent 接近“浏览器内核”级别的控制力。

• 截图视觉验证
  ：captureScreenshot 支持视觉工作流，特别适合富文本、地图、白板这类非标准 DOM 场景的验证。

• 网络请求抓取
  ：browserFetch 可直接发起或拦截浏览器内部请求，获取前端真实 API 返回的数据。

• 任务空间隔离
  ：每个任务拥有独立的 task space（标签页组），复用登录态且互不干扰。

Ego Lite的技术原理

它的技术架构可以拆解为三个层面：

• 基于 Chromium 的 Agent 驱动层
  ：Ego Lite 在 Chromium 内核之上构建了一套面向 Agent 的 CLI 操作层。安装后系统会暴露一个 Node.js 运行时，Agent 通过 ego-browser nodejs 执行预置脚本，脚本里封装了 snapshotText、click、js、cdp、browserFetch 这些 helper 函数。

• 三层工作流架构
  ：

  • 语义工作流
    ：优先使用 snapshotText() 提取页面可交互元素的语义信息，适合标准网页结构。这是最快、最高效的方式。

  • 视觉工作流
    ：当 DOM 和真实界面不一致时（比如 Canvas、SVG、地图），回退到截图 + 坐标 + 键盘动作进行验证。

  • 底层工作流
    ：通过 js() 注入页面上下文执行代码，或通过 cdp() 直接调用 Chrome DevTools Protocol，读取前端状态、探测隐藏 API 接口、解析前端 bundle。这是最底层的保底方案。

• Task Space 隔离机制
  ：每个任务空间是一个独立的浏览上下文，拥有专属标签页，默认继承当前用户的 Cookie 与登录态。Agent 可以在需要登录的站点内自由操作，但完全不会抢占你正在使用的浏览器窗口。

如何使用Ego Lite

• 下载安装
  ：访问官网 https://lite.ego.app/ 下载 Ego Lite 应用，安装后可以一键迁移 Chrome 数据——书签、扩展、Cookie、登录态都能直接带过来。

• 安装 Agent 技能包
  ：在 Agent 工具里运行 npx skills add citrolabs/ego-lite，自动安装 ego-browser CLI 技能。

• 重启 Agent
  ：安装完成后重启 Agent，确保技能包被正确加载。

• 下发浏览器任务
  ：在 Agent 对话中输入 @ego lite 或直接输入 ego-browser 开头的指令，描述需要浏览的网页与操作目标。

• Agent 静默执行
  ：Agent 自动创建 task space，打开目标页面，读取语义快照或执行 Ja vaScript，获取数据后关闭任务空间并返回结果。

• 人工介入（可选）
  ：当任务需要人工确认时，Agent 可以暂停并交还控制权，用户确认后继续执行。

Ego Lite的核心优势

• 不干扰用户窗口
  ：Agent 在独立 task space 中运行，不会抢占用户当前浏览器标签页，也不会触发前台弹窗。这一点体验非常好。

• 继承登录态
  ：无需额外配置账号密码，Agent 可直接访问需要登录的站点，比如邮箱、内部系统。

• 三层工作流覆盖
  ：语义 + 视觉 + 底层协议，适配从标准网页到复杂富媒体页面的全场景。

• 前端状态可读
  ：通过 js() 直接读取 React/Vue 等框架的内部状态，探测真实 API 接口，这一点突破了传统爬虫的诸多限制。

• 现场验证能力
  ：Agent 可以执行真实操作并读取真实返回，将模型判断与浏览器现场校准结合，有效减少幻觉。

Ego Lite的项目地址

• 项目官网
  ：https://lite.ego.app/

• GitHub仓库
  ：https://github.com/citrolabs/ego-lite

Ego Lite的同类竞品对比

对比维度	Ego Lite	Browser-use
定位	基于 Chromium 的 Agent 专用浏览器 ，浏览器本身即基础设施	基于 Playwright 的 AI 网页自动化库 ，是 Agent 的浏览器工具包
架构方式	独立浏览器应用 + CLI 技能包，安装后 Agent 通过 ego-browser 调用	Python 库，开发者通过 API 调用，需自行搭建运行环境
登录态处理	一键迁移 Chrome 数据， 自动继承用户登录态 （Cookie、书签、扩展）	需手动配置 Cookie 或独立登录流程，无浏览器数据迁移能力
用户干扰	Task Space 隔离 ，Agent 在后台静默运行，完全不抢占用户标签页	通常作为独立进程运行，无原生用户界面，但需开发者管理浏览器实例
视觉理解	内置三层工作流（语义/视觉/底层），captureScreenshot 原生支持视觉验证	支持截图 + 多模态模型理解，但需额外配置视觉模型 API
使用门槛	非技术人员 通过 Agent 自然语言即可驱动（如 Codex、Claude Code）	面向 开发者 ，需编写 Python 代码并理解 Playwright 基础
底层协议	原生暴露 cdp() 和 js()，可直接调用 Chrome DevTools Protocol	通过 Playwright 封装间接访问，底层可控性较弱

Ego Lite的应用场景

• 信息聚合与监控
  ：Agent 可以设定周期定时访问多个订阅站点，提取最新文章标题、链接与摘要，自动生成日报。

• 竞品动态追踪
  ：自动访问竞品官网、应用商店、社交媒体，抓取版本更新、定价变动、用户评论等信息。

• 内部系统自动化
  ：在继承登录态的前提下，Agent 操作企业内部后台，查询数据、填写报表。

• Web 应用验收测试
  ：在 Vibe Coding 场景下，Agent 自动打开开发中的 Web 应用，执行功能点击流并截图验证 UI 状态。

• 深度资料调研
  ：访问需要登录的学术数据库、付费内容站点，Agent 读取页面结构、探测 API、下载或整理资料。