前情提要： https://www.v2ex.com/t/1231668 有开发 browser agent 这个想法的时候，是想做一个细分领域的工具，做具体的细分领域工具之前要先把外围的一些通用能力做好，从技术选型到具体实现，耗费了我大量的精力。 最开始 vibe 的时候是基于自己过往的编程经验以及一些 spec 开源项目加持，就让 codex 和 Claudecode 开启目标模式，最后在 review 代码的时候发现很多功能实现都是点到为止，薄薄一层，甚至有些方向性的问题，这也浪费大量时间精力和 token ，很多次推倒重来，后来我学会来做规划，拆分目标，不被带偏，那时候真的很上头，凌晨 2 点睡觉的时候都想着自己再跑的任务，以及要实现的功能。 我认为浏览器 agent 分为两种，一种是基于地图的自动驾驶（基于 dom+工具），一种是经验主义的长驱直入（泛指 browser-herness 这类直接让 llm 写代码控制浏览器的），我想做一个任务结果稳定、交互顺畅、友好人际协同的 browser agent ，我目前自己也在长期使用我开发的这个 agent ，1-10...