之前的视频里我介绍过 Codex 官方的 Chrome 插件，通过它可以让 Codex 自动控制浏览器完成一些任务，比如抓取小红书等平台的数据、做产品调研时收集网页信息、自动填写表单和发布视频，前端开发者也可以用它做 UI 自动化测试。
除了 Codex 官方的插件，其他 Agent 也有类似的工具，比如我之前介绍过的 Agent Browser。Codex 插件解决的是更方便地接管我们日常使用的浏览器，产品化做得更好，但执行方式没有变化：不管是 Agent Browser 还是 Codex 插件，都是通过一次一次执行命令来完成浏览器操作。实际使用中它们的效率不算高，速度偏慢，大多数时候只能丢在后台执行，复杂任务的 token 开销也比较高。
最近我发现了一个新的浏览器自动化工具 Ego Lite，它的实现思路和这两类工具都不一样。
Ego Lite 的上手过程
Ego Lite 的产品形态是一个桌面端浏览器，也可以叫它 Ego Browser。在官网（lite.ego.app）点下载按钮就能拿到安装包。
下载完成之后，它的图标是这样的：
第一次打开会有一个上手流程，把原本 Chrome 里的历史记录和个人信息全部同步过来。同步完成后打开浏览器，界面和 Chrome 基本一样，只是产品上有一些不同。
接下来打开任何一个 AI Agent，比如 Codex 或者 Claude Code。在一个空话题里按斜杠输入 Ego，就能看到 Ego Browser 的 Skill。这个 Skill 和 Agent Browser 的作用类似，负责指导 Agent 如何控制 Ego Browser 完成自动化操作。
Claude Code 里同样有这个 Skill：
整个上手过程很顺：点一个按钮完成信息同步，Skill 也自动装到了各个 Agent 里。它不像 Codex 的 Chrome 插件那样绑定某个产品，用任何 Agent 都可以操控浏览器。
实际执行一个任务
我在 Codex 里触发 Skill 之后，直接发了一句话：帮我复盘一下最近小红书的数据。
任务开始执行后，浏览器右上角会出现一个小鼠标样式的图标，旁边的数字代表后台有多少个 AI Agent 正在进行浏览器自动化操作。
点击这个图标可以打开 Space 管理界面。Space 是 Ego Lite 的核心概念：人和 AI 各自有自己的工作空间。执行任务时 Agent 跑在自己的 Space 里，人继续在原来的空间操作，互不干扰。
进入 Agent 的 Space 还能看到实时进度。如果遇到验证码或者发布视频这类必须人工确认的操作，可以点击「接管」自己处理；想停止任务就点击「终止任务」。
任务完成后，Codex 返回了完整的复盘结果，数据是它用 Ego Browser 打开创作者中心拿到的：
使用流程就这么多：安装桌面端应用，在任何一个 AI Agent 里调用它的 Skill，Agent 就能自动执行浏览器相关的操作。
Space 和标签页的区别
之前 Codex 插件和 Agent Browser 都是控制浏览器创建新的标签页，这会带来几个问题：
- 操作可能互相冲突。比如一个 Agent 在某个页面执行退出登录，另一个 Agent 正在操作相关页面，登录状态就丢了，需要重新登录。
- 同一个浏览器里一个标签页卡死，整个浏览器都会跟着卡死。
- 并行任务多的时候，标签页会非常乱，不如多个空间管理起来方便。
Space 不是打开一个新的浏览器实例，那样内存占用会比较高。它仍然在同一个浏览器里，只是自己做了一层包装，隔离的是执行任务用的 Session、LocalStorage 和 ServiceWorker 注册表。有了这个资源概念之后，多个 Agent 可以真正并行执行，浏览器的资源开销也会比跑多个浏览器实例更低；如果只是和多标签页相比，资源差别不大，但在 Space 维度管理不同任务的资源，比在标签页上管理更清楚。
用写代码代替逐条执行命令
Ego Lite 更重要的一点差别是控制浏览器的方式：Agent 是写代码来控制的。
Agent Browser 这类工具的执行方式是通过 CLI 一步一步来：先调用 CLI 获取页面上的所有元素，判断需要点击哪里，点击之后再查看页面反馈，一小步一小步地推进。如果某一步点击后反馈错误，就要重新查看页面再执行，步骤又多又碎，一旦出错整个执行链路就变得很重。
Ego Lite 是让 Agent 写一段代码，在代码里调用它封装好的内置函数。
技术上它做得更彻底：Agent 可以直接启动一个完整的 Node.js 进程作为自己的运行时，这些函数默认注入为全局函数，不需要额外引用。AI 看完页面上的元素之后，可以把后面多步操作组织成一个脚本一次执行。比如发布视频时上传文件、打开原创开关、填写标签，可以一次性写完执行，而不是填完标题再查看一次页面元素、点完开关再查看一次。
一次写一大段代码能做的事情也更多：
- 分支判断：调用失败时用 if else 走不同的处理逻辑；
- 批量操作和循环；
- 错误判断和重试；
- 组合多个工具；
- 把重复用到的元素写成变量，不用重复写命令。
之前没人这样做，主要是因为大家想更方便地兼容 AI Agent，而写 Skill 或者浏览器扩展的方式不够原生，所以一直局限于用 CLI 让 Agent 执行操作。
效率上，写代码方式的下限和 Agent Browser 这类工具一样，因为有些任务确实只能点一下、看一下地推进；但它的上限更高，尤其在复杂任务里能有更好的效率，产品化的页面也做得更完整。
如果对浏览器自动化工具有要求，不满足于 Codex 的 Chrome 插件，或者根本没办法安装 Chrome 插件，可以试试 Ego Lite，目前还是免费的。