用 Ego lite & ChatGPT 复盘自己的 B 站账号

这两天，我试用了一个叫 Ego lite 的 AI 原生浏览器。它吸引我的地方，是可以让我们已经在用的 Agent，比如 Codex、Claude Code，直接进入浏览器，帮我们完成实际工作。

我先拿自己的 B 站后台做了一个测试：把最近发布的 10 个视频的数据整理出来，再分析一下这些视频的表现。

一次用时 2 分 44 秒的实测

我调用了 ego-browser 技能，然后直接提出任务，没有再告诉它我是谁。Ego lite 已经有我的 B 站登录态，它可以接着这个浏览器环境工作，找到对应的账号和数据。

这次任务显示的用时是 2 分 44 秒。它整理出了数据，也给出了相应的分析。

就这一次体验来说，我感觉比之前用 Codex 浏览器工具时更快。不过，这个时间先作为一次实测记录。严格比较速度，还需要在相同条件下多跑几次。

比起一次任务快了多少，我更想知道：它是怎么组织这些操作的？

用代码组织操作，用 Snapshot 读取页面

ego-browser 提供了一个运行环境，Agent 可以写一段 JavaScript，把打开页面、点击、等待、读取数据这些步骤组合起来，再交给它执行。底层通过 Chromium 的调试协议控制浏览器。

这类任务的耗时，除了网页加载，还有模型和工具之间的来回交互。如果每完成一个小操作，都要把结果交给模型，再决定下一步，就会产生很多轮调用。

用代码组织流程以后，已经确定的步骤可以放进同一次调用；读取表格时，也可以批量提取多条数据，再统一处理。遇到需要判断的新页面，Agent 再读取结果，决定下一步。这种设计有机会减少调用次数和重复处理的内容。

另一个设计，是 Snapshot。它把网页整理成比较紧凑的结构化文本，页面上的按钮、输入框和链接可以带上对应编号，Agent 读完以后，就能根据编号操作。处理复杂视觉内容时，也可以结合截图。

通过代码控制浏览器，已经有 Playwright 等成熟方案。评价 Ego lite，还是要看这些能力组合起来以后，在真实任务里的速度、稳定性和使用成本。

已有登录态，让任务更容易开始

ego-browser 通过 Skill 的方式接入，可以配合不同的 Agent 使用。在这次任务里，Codex 负责理解任务、规划和写代码，Ego lite 提供浏览器环境，Skill 则告诉 Codex 怎么调用这个环境。

第一次初始化时，Ego lite 会询问是否迁移 Chrome 浏览器数据。确认以后，可以把登录状态、Cookie、书签和扩展等带过来。

这对 Agent 很有用。我们真正想交给它的工作，经常发生在已经登录的账号里，比如 B 站后台、邮箱、在线文档，或者公司的业务系统。如果每次都要重新登录和配置，任务开始前就会多出不少步骤。

这次账号复盘让我感受到：接上已有的工作环境，本身就是一种很实际的能力。

Space 把人与 Agent 的协作过程放到眼前

Agent 会在自己的 Space 里运行任务。它在那里打开页面、读取数据，我们可以继续使用自己的标签。

想知道它在做什么，就切过去看一下。遇到验证码、扫码登录等需要我们处理的步骤，也可以接管，处理完再让它继续。

一个任务可能需要运行几分钟，甚至更久。我们需要继续自己的工作，也需要随时看到 Agent 的进度，在必要的时候介入。Space 把这个协作过程做得比较直观。

个人 Agent 要接上真实的工作上下文

Ego 官网把 Ego lite 定位为浏览器，而把 Ego 的方向描述为跨设备的个人 Agent。按照我录制这期视频时看到的介绍，他们希望进一步实现长期记忆、跨设备接续和持续执行任务。那时 Ego 仍然是候补名单入口，这些能力还需要等实际开放后再体验。

这也让我想到，个人 Agent 要成为长期使用的助理，都会遇到一个问题：怎么接上我们真实的工作上下文。

我们正在研究什么、打开了哪些资料、自己的账号里有哪些数据、之前做过哪些尝试，这些信息分散在浏览器、文件和不同的应用里，并不都在聊天框中。

浏览器本来就是日常工作的一个重要入口。在获得授权以后，让 Agent 进入这些实际场景，拿到完成任务所需的信息，是 Ego 从浏览器切入值得观察的地方。