删掉 13 万行代码,AI 浏览器反而更强了

删13万行代码、24个动作换REPL后,跑分更高成本更低

开源浏览器自动化库 browser-use,在 0.x 上磨了两年。据官方 release,2026-11-10 发布 1.0,11-16 追到 1.0.6。这版没堆功能,反而大瘦身:删掉 136,905 行,新增 29,601 行;178 个 Python 文件缩成 43 个,八成库被删。

更反直觉的在后头:据官方基准,瘦身后的 1.0 跑分更高、成本低了一大截。删掉 13 万行代码,AI 浏览器反而更强了——凭什么是它?这篇把答案拆开讲。无论你是天天写自动化脚本的用户,还是想给自家框架减负的维护者,这套取舍都值得读一遍。

先说拆解的路线:先看动作菜单怎么长出来的,再看 REPL 怎么顶掉它,接着用官方基准校一遍分数,最后落回专用工具还剩什么活。路线不长,但每一步都值得较真——这次删的不是小补丁,是整个库的底层假设,也是两年工程债的一次总清算。

代码与浏览器

代码与浏览器

一句话:把菜单换成了一张纸

一句话:1.0 没加新玩法。据官方 release,它把 0.x 攒下的 24 个浏览器动作,换成一个主工具加两种结束方式,工具总数从 24 缩到 3。这就是「删掉 13 万行反而更强」的答案所在。听起来像标题党,但拆完你会发现,这套减法逻辑是顺的。

把「动作菜单」换成一张白纸,是我的理解:菜单是写死的选项,白纸是任你发挥的环境。据官方 release,剩下的那个主工具叫 python——一个持久 REPL,预置 browser-harness 帮助函数,还开放裸 CDP 访问,即 cdp()。

它跑在 Pydantic AI 上,MIT 许可,安装就一行 uv add browser-use,官方给了三行 hello world。两种结束方式给 REPL 画好出口:正常收工,或主动停下。先记住这个形状:删菜单、留 REPL、放裸协议。

工具越堆越多

29 个动作是怎么长出来的

这套菜单不是一天长出来的。据作者复盘,团队两年来的修法就一句:卡住就加一个动作。于是有了 0.1.1 的 9 个工具,2025-06 冲到峰值 29 个,0.13.14 收敛到 24 个,直到 1.0 都没摘掉。这条曲线,是大多数 agent 框架的真实写照:先求能用,再求用全。

划重点:据作者复盘,峰值那 29 个工具里,有 6 个是 Google Sheets 动作——填单元格、读表格都要单独开按钮。工具越加越细,模型每次操作都得在选项里挑,挑错就推倒重来。

代价很快露馅。据作者复盘,他们用 7 个任务、50 分钟跑自家测试,就发现一半辅助函数没人调用——死代码占了一半。动作越多,维护越隐形,每个动作都要测、都要跟模型对齐。这是我判断这次重构「砍得对」的第一条理由:动作是堆出来的,不是设计出来的。

命令行编程

一个 REPL 顶掉全部动作

1.0 的解法,是撤掉整张菜单。据官方 release,24 个动作被收成 1 个主工具 python:一个持久 REPL,环境里预置 browser-harness 帮助函数,并开放裸 CDP 访问,也就是 cdp();另留两种结束方式。

说白了,模型不再「选动作」,而是「写代码」。要滚动、要填表,自己调 browser-harness;界面够不到的,直接下 CDP 命令。据官方 release,554 个文件里,178 个 Python 文件缩成 43 个——一条通道打到底,比维护 24 个动作便宜得多。

据官方 release,代码通道还解锁了新能力:agent 会自己解卡死的页面,能调用界面里没暴露的私有 API。背后的判断很朴实——浏览器里的事,大多能归结为「读状态、写指令」,一份 REPL 能表达的,就不该拆成一摞动作。

评分曲线

分数涨了,但别全算它的功

先把数字摆出来。据官方 release,BU Bench v2.1 上,同样的三个模型,1.0 比 0.x 高 14 到 33 分,成本低 2.7 到 5.2 倍。这组数字,是官方敢喊「1.0 更强」的底气。

再看 BU Bench v2:据官方 release,60 个任务各跑 3 次,1.0 的 ultrafast 模式拿 62.5 分、每任务 0.070 美元、650 秒;对照的 Browser Use Pi 是 56.3 分、0.082 美元、743 秒。快、省、准,全占了。

但作者先泼了冷水。据作者复盘,这次发布同时改了默认值——模型、云浏览器都换过,而且一个模型只跑一次,所以分数提升不能全记在「换工具」头上。我的判断是:方向大概率对,幅度要打折扣。官方数据可信,归因要留余地。

1.0.4 那个修复倒是干净利落。据官方 release,截图裁剪破坏了 prompt 缓存,修完后同分——76.1 对 76.0——每任务模型成本却从 0.434 美元降到 0.208 美元。这类修复最不起眼,却直接改写每条任务的性价比,白捡的便宜最能说明工程细节值钱。

什么时候还是专用工具赢

动作换成了代码通道,专用工具就该进历史了吗?据作者复盘,验证码场景就是反例:把解 hCaptcha 的说明写进提示词,3 次全败;换专用的 solve_captcha 工具,6 次全过。同一场景、两套工具、九次实验,结论一边倒。

差别在通道。专用工具能在浏览器内部下自定义 CDP 命令,页面里的 agent 够不到那个位置——提示词说不清的事,工具一伸手就够着了。通道决定能力边界,这句话值得每个 agent 框架的维护者抄下来。

作者留的规则很干脆:agent 已有原语,就写提示词;没有原语,就造工具。按这个标准,代码通道覆盖了大多数场景,但够不到「浏览器内部」的少数场景,还得靠专用工具补位。在我常写的自动化任务里,直接写代码比在菜单里找按钮直观得多。

但这里有个前提:这套结论出自官方自己的基准和复盘,样本是一次发布、一个模型各跑一轮,验证码也只有 9 次实验。删 13 万行换来更强,我信一半;另一半,等社区跑几个月再下结论。至少,「先删再证」比「先堆再说」体面得多——这也许是这次重构最实在的遗产。

往 AI 供应链撒了 200 万把钥匙,全漏了
下一篇
往 AI 供应链撒了 200 万把钥匙,全漏了
研究者投放两百万假密钥,测出 AI 供应链在漏东西
继续下滑 或 点击阅读下一篇
下一篇 往 AI 供应链撒了 200 万把钥匙,全漏了 →
站长照片
“

1

”
联系二维码
微信:扫码加企业微信
邮箱:15611497360@aqq.com
手机:15611497360

私信站长

申请退款