计算机操作
引爆让智能体直接操作桌面、网页与手机界面的工具
About
Hot Projects
7Hot Articles
1472026 年 1 月 11 日,vercel-labs 建了一个新仓库,描述只有六个词:Browser automation CLI for AI agents。十个月后,这个仓库拿到 46,004 个 star、3,151 个 fork,npm 上月下载量 745 万次,版本号还停在 0.41.2。
一个叫 terminal-mac 的仓库在 24 小时内把关注数推到接近四位数,峰值时段大约每小时新增 66 个。这个速度在工具类项目里不算顶流,但放在一个"终端"品类里就值得琢磨了——过去十年,这个赛道的关键词是配色、字体、分屏和 SSH 管理,几乎没有人再试图改变"终端里能装什么"。
一个名为 Mika 的安卓项目,建仓第二天就把 star 数推到了四位数。它做的事情可以用一句话概括:你说一句话,它在你手机上一块你看不见的后台屏里打开 App、点按钮、打字、翻网页,把事办完,而你照常刷自己的手机。
过去一年,"给 Agent 配一个浏览器"从可选项变成了基础设施。但真正把这件事做过一遍的人都会撞上同一堵墙:模型调用是按 token 计费的,浏览器是按 GB 计费的。当你的 Agent 一天要打开几千个页面,Chrome Headless 的内存账单和冷启动时间很快就会超过模型本身的开销。
Grok Bot 公测、Meta Muse 上线、OpenAI dots 发布之后,“个人智能体”(Personal Agent)在 2026 年下半年从概念变成了产品竞赛。几乎在同一时间窗里,一个叫 OpenMausBot 的开源项目出现在 GitHub Trending 上:单日新增 1190 颗星,而仓库创建时间是 2026 年 8 月 11 日——到那天为止,它才活了两个多月。
一个仓库在 24 小时内多了 86 个 star,其中一个小时的贡献就有 18 个。这个数字单独看并不惊人——它只有大盘热榜项目的零头——但它出现在一个 8 月建仓、10 月才第一次进入中文技术社区视野的项目上,就值得拆开来看。
一个开源项目真正进入"被认真对待"的阶段,往往不是它发布 1.0 的时候,而是社区开始把它和别的工具放进同一张表格里逐项打分的时候。agent-browser 在 2026 年经历的就是这个过程:1 月是"Vercel 凌晨突发"式的发布热度,3 月是安装教程与实战教程的扩散期,到了 10 月,内容形态明显变成了横评——四款工具对比、五款工具对比、Playwright 与 CDP 与 Agent Browser 三方实测。横评的出现意味着读者的问题已经从"这玩意能干什么"变成"我这个场景到底该不该用它"。
一个终端项目,一小时新增 66 个 star,小时均值 62.2。这两个数字放在今天动辄几千 star 的开源叙事里并不算炸裂,但它们的绝对值接近,差额只有 6.1%,这一点比"66"本身更值得看:它指向的是一条平稳的平台型曲线,而不是一次被某个大 V 转发的脉冲。
过去两年,手机上的 AI 助手大多停在"对话框"这一层:你问,它答;你贴一张截图,它给你一段建议。真正的分水岭是另一件事——它能不能自己去点。当一句话可以变成"打开美团、搜店、加购物车、停在提交订单前",讨论的性质就变了:这不再是模型能力的展示,而是把手机的控制权交出去一部分。Mika 这个开源项目正好卡在这条线上:它宣称在"一块看不见的后台屏"上替你操作 App,你照常刷自己的手机。
关于 Lightpanda 的传闻里,最容易被误读的一条是“它没有渲染引擎,所以做不了截图”。前半句是设计,后半句曾经是事实。而在当前仓库的 HEAD 上,Page.captureScreenshot、Page.printToPDF、--dump png、--dump pdf 都已经实现——只不过实现方式和 Chrome 完全不同:它把页面文本按 reader-mode 的块模型重新排版,再交给 Rust 侧做字形整形与光栅化。这恰好解释了标题里的“最后一块拼图”:不是把砍掉的渲染引擎装回去,而是用另一条路径补上“机器需要一张图”这个需求。