一个 Skill 让 Agent 自动操作浏览器：ego lite 保姆级教程（告别重复枯燥任务）

ego lite 是专为 人机协同 设计的 Chromium 浏览器：Agent 在独立 Space 中并行工作，继承你的 Chrome 登录状态、Cookie、扩展，但不会干扰你正在使用的标签页。任务完成更快、Token 消耗更低（内部基准最高提速约 3.45 倍）。目前仅支持 macOS（评论中也多次确认 MAC ONLY），免费、零配置、数据本地存储。

1. 引言：为什么需要这个工具？

传统浏览器自动化（Playwright、Puppeteer、browser-use 等）痛点明显：

需要单独启动浏览器，登录状态难以干净继承。
你和 Agent 争抢同一套标签页，互相干扰。
一轮工具调用 → 观察 → 再调用，往返多、Token 贵、速度慢。
复杂页面（嵌套 iframe 等）快照质量差。

ego lite 的解决思路：

同一浏览器，独立 Space：Agent 在隔离工作区操作，你的日常标签页完全不受影响。
直接继承 Chrome 数据：一键导入登录态、Cookie、扩展、历史，Agent 可操作需要登录的网站（如 X、小红书、后台系统）。
语义快照 + 一次性脚本：高质量压缩 Snapshot（整页通常只要 200–400 Token），Agent 写一段 Node.js 代码一次性完成导航、观察、点击、填表。
任意 Agent 可用：通过 ego-browser Skill 接入，不锁定特定厂商。

适用场景：自动关注账号、抓取社媒内容、批量填表、监控网页更新、登录后数据查询、重复性网页操作等，告别手动重复劳动。

2. 基础使用

安装 ego lite

访问 https://lite.ego.app/ 下载 Mac 版 DMG。
打开 DMG，将 ego (lite) 拖入「应用程序」文件夹。
启动应用，完成 onboarding（引导）。
- 首次启动会自动扫描本机已安装的 Agent，并把 ego-browser Skill 写入它们的技能目录（如 ~~/.agents/skills、~~/.claude/skills/ 等）。
- 可选一键导入 Chrome 数据（登录状态、扩展等），强烈推荐。

安装 / 确认 Skill

如果自动安装未成功，手动执行：

1	npx skills add citrolabs/ego-lite

或更精确：

1	npx skills add github:CitroLabs/ego-lite/skills/ego-browser

重启你的 Agent（Claude Code / Codex 等），确保 Skill 被加载。

第一次任务

在 Agent 对话框中输入（以 Codex 为例）：

1	/ego-browser follow @ego_agent on x.com for me

或更自然语言：

1	使用 ego-browser 打开 OpenAI 和 Anthropic 的博客，检查是否有值得关注的新信息，并快速总结最新文章的核心内容。

Agent 会：

激活 ego-browser Skill。
在独立 Space 中打开页面。
获取 Snapshot（语义化页面结构，带 ref 编号）。
执行点击、滚动等操作。
回报结果。

你自己的浏览器标签页全程不受影响，可随时观察或接管。

权限提示：如果 Agent 有沙箱权限设置，建议设为 Full access（因为需要启动本地 ego lite 应用）。

3. 技术原理

核心架构：

ego lite 浏览器：基于定制 Chromium，嵌入 Node.js 运行时（体积仅增加约 10MB）。
Space：同一浏览器内的隔离工作区（不是新窗口、不是新 Profile、不是 headless）。多个 Agent 可并行运行多个 Space，互不干扰。

ego-browser 运行时

：通过 Chrome DevTools Protocol (CDP) 控制真实会话。Agent 以 Node.js heredoc 形式一次性提交完整脚本：

ego-browser nodejs <<'EOF'
await useOrCreateTaskSpace('follow-ego-agent')
await openOrReuseTab('https://x.com/ego_agent', { wait: true })
await snapshotText()
await click('@92')  // Snapshot 返回的 Follow 按钮 ref
cliLog('Done.')
EOF

Snapshot：高质量语义快照（无障碍树 + 简短 ref），远比原始 HTML 节省 Token，对嵌套 iframe 处理更好。
辅助函数：snapshotText()、click()、fillInput()、js()（页面内 JS 注入）、cdp()（原始 CDP）、browserFetch() 等，全部预注入脚本作用域。

对比优势（官方对比表）：

能力	ego lite	Browser-Use	agent-browser	ChatGPT Atlas 等
并行多任务	✓	—	—	—
可复用 Skills	✓	—	—	—
继承 Chrome 数据	✓	—	—	✓
同浏览器独立工作区	✓	—	—	—
压缩语义输入	✓	—	✓	—
外部 Agent 可控	✓	✓	✓	—
数据本地存储	✓	✓	✓	—
无登录摩擦	✓	—	—	✓

一次往返完成多步操作，而不是“命令 → 输出 → 再命令”的循环，速度和成本优势明显。

4. 进阶实战

常用命令模式

创建/复用任务 Space：useOrCreateTaskSpace(‘任务名’)
打开/复用标签：openOrReuseTab(url, { wait: true, timeout: 20 })
获取快照：snapshotText() 或更详细版本
交互：click(‘@ref’)、填表、滚动、等待
输出：cliLog(…)

真实场景示例

自动关注 / 互动：让 Agent 在 X 上关注指定账号、点赞、评论（继承登录态，无需重新登录）。
内容抓取与总结：打开多个博客/社媒页面，提取最新文章核心并总结（适合每日信息流）。
批量操作：多 Space 并行处理多个网站（如同时监控竞品、填多个后台表单）。
复杂流程：登录后台 → 查询数据 → 导出/截图验证 → 回报结果。
与其他 Skill 结合：配合知识库、文件读写等，形成完整工作流。

进阶技巧

Experience / Learnings：Skill 支持按站点积累经验包（manifest + notes + tools），让 Agent 对特定网站越来越聪明。
观察与接管：在 ego lite 中可随时查看 Agent 的 Space，手动干预。
多 Agent 并行：不同 Agent（Claude + Codex）同时驱动不同 Space，互不冲突。
安全注意：复用真实登录态意味着 Agent 能访问你的登录数据。仅在可信环境使用，避免过度自动化触发平台风控。反爬检测仍需注意（官方建议“别太过分”）。