深入ego-lite的Learnings机制AI Agent越用越快的5倍加速原理【免费下载链接】ego-liteThe fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.项目地址: https://gitcode.com/GitHub_Trending/eg/ego-liteego-liteego lite是一款专为 AI Agent 设计的浏览器让 Claude Code、Codex 等 Agent 在你真实的浏览器环境中自动执行网页任务。它的核心亮点是Learnings 机制站点技能经验积累Agent 每成功完成一次浏览器自动化任务就会把踩坑经验沉淀为可复用的站点技能让同类任务下次直接加速最多 5 倍——零成本、零配置越用越快。为什么需要 Learnings试错在偷走 Agent 的时间 用 AI Agent 做浏览器自动化时一个反直觉的事实是Agent 的大部分时间并不花在操作上而是花在摸索上。第一次在 X (Twitter) 上抓推文Agent 要反复截图、试探选择器才搞清楚推文正文藏在哪个 DOM 节点里第一次在 Google 上搜索提取结果Agent 要试错div.g这样的内部结构是否还在页面一改版之前学到的经验全部作废又要从零摸索。ego-lite 的官方 Skill 把每次成功操作蒸馏成可复用的工具和知识库即 Learnings让后续同类任务跳过试错阶段直接调用验证过的代码路径。这就是越用越快的本质。上图为官方基准测试在 4 个真实浏览器自动化任务中ego-lite 全部跑赢 agent-browser任务越复杂差距越大。Learnings 长什么样站点技能的三件套每个网站的经验都被组织成一个**站点技能Site Skill**目录仓库中已内置了两个官方示例Google 搜索与 X (Twitter)可直接作为模板参考。以 X 的技能为例目录结构非常简洁详见 learnings/x-com/组成部分路径作用清单文件manifest.json声明站点 id、匹配的域名、知识笔记与工具清单知识笔记notes/overview.md等页面结构、关键选择器、避坑经验可复用工具tools/、browser-tools/验证过的 JavaScript 函数直接调用manifest.json是整个技能的索引卡核心字段一眼看懂{ id: x-com, domains: [x.com, *.x.com, twitter.com], notes: [notes/overview.md, notes/timeline.md], nodeTools: { get_timeline_posts: { path: tools/timeline.js } }, browserTools: { post_from_active_element: { path: browser-tools/extract-post.js } } }知识笔记存的是人话版经验例如 X 技能的 notes/overview.md 记录了推文正文在[data-testidtweetText]、搜索框在[data-testidSearchBox_Search_Input]、点击要落在卡片而非文本节点上……这些都是第一次试错换来的宝贵信息。域名匹配Agent 如何秒查作业Agent 打开任意页面时ego-browser会先用当前 URL 的域名去 Learnings 目录里查作业核心逻辑在 check-domain-learning.ts取主机名— 从 URL 解析出 hostname支持带*.前缀的通配域名如*.x.com匹配任意子域遍历技能目录— 读取每个站点技能的manifest.json比对domains列表命中即加载— 由 loadLearnedContext() 一次性加载该站点的知识笔记 工具签名含参数说明和调用示例。也就是说当 Agent 第二次访问 x.com 时它不再是盲fold的实习生而是带着完整作业上岗的老手。两类学习资产知识笔记 vs 可执行工具Learnings 区分两种资产对应两种加速方式 知识笔记Knowledge NotesAgent 直接读取 Markdown 内容获得该网站长什么样的先验知识跳过反复截图试探。⚙️ 可复用工具Reusable ToolsNode 工具运行在 Agent 侧的完整工作流函数。如 Google 技能的 search-extract.js一次调用完成打开搜索页 → 等待加载 → 提取前 N 条结果的标题/链接/摘要const results await site.runTool(google, search_and_extract, { query: ... })浏览器工具运行在页面内的片段代码用于提取当前页面数据如 X 技能的 extract-post.js。工具调用前会先校验函数确实由清单声明见 runNodeSiteTool()防止 Agent 调用不存在的技能。质量与安全防护经验库为什么可信经验积累最怕垃圾进垃圾出。ego-lite 用 validate-learning-format.ts 对每个技能做严格体检格式校验manifest 的 id 必须与目录名一致、域名列表非空、工具参数需声明类型与说明引用校验笔记必须位于notes/*.md工具文件必须真实存在、Node 工具必须能成功 import 且导出声明的函数稳定性约束禁止在持久化经验里写N这类临时引用每次快照都会重建编号强制使用稳定选择器避免昨天会今天坏。配合 validate-site-skills.ts 脚本整套经验库可以放心地长期演进。上手体验三步开启越用越快安装— macOS 下载 ego lite 应用或在终端运行npx skills add citrolabs/ego-lite安装ego-browser技能跑任务— 在 Agent CLI 中输入/ego-browser加一句大白话如 follow ego_agent on x.com for meAgent 会在自己的独立 Space 里操作完全不干扰你的标签页看积累— 任务成功后经验自动沉淀到 Agent 工作区的learnings/目录根目录解析逻辑见 learningsRoot()下次同类任务自动加速。如果希望参与贡献可以从 CONTRIBUTING.md 了解协作流程并阅读 AGENTS.md 中面向 Agent 的仓库约定。小结ego-lite 的 Learnings 机制把浏览器自动化从每次从零试错变成了经验复利知识笔记让 Agent 少看图可复用工具让 Agent 少写码校验体系让经验库长期可信。三者叠加正是同类任务最高 5 倍加速的原理——而且这套经验完全保存在本地零成本、零配置、隐私不出设备。【免费下载链接】ego-liteThe fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.项目地址: https://gitcode.com/GitHub_Trending/eg/ego-lite创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 深入ego-lite的Learnings机制：AI Agent越用越快的5倍加速原理
深入ego-lite的Learnings机制AI Agent越用越快的5倍加速原理【免费下载链接】ego-liteThe fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.项目地址: https://gitcode.com/GitHub_Trending/eg/ego-liteego-liteego lite是一款专为 AI Agent 设计的浏览器让 Claude Code、Codex 等 Agent 在你真实的浏览器环境中自动执行网页任务。它的核心亮点是Learnings 机制站点技能经验积累Agent 每成功完成一次浏览器自动化任务就会把踩坑经验沉淀为可复用的站点技能让同类任务下次直接加速最多 5 倍——零成本、零配置越用越快。为什么需要 Learnings试错在偷走 Agent 的时间 用 AI Agent 做浏览器自动化时一个反直觉的事实是Agent 的大部分时间并不花在操作上而是花在摸索上。第一次在 X (Twitter) 上抓推文Agent 要反复截图、试探选择器才搞清楚推文正文藏在哪个 DOM 节点里第一次在 Google 上搜索提取结果Agent 要试错div.g这样的内部结构是否还在页面一改版之前学到的经验全部作废又要从零摸索。ego-lite 的官方 Skill 把每次成功操作蒸馏成可复用的工具和知识库即 Learnings让后续同类任务跳过试错阶段直接调用验证过的代码路径。这就是越用越快的本质。上图为官方基准测试在 4 个真实浏览器自动化任务中ego-lite 全部跑赢 agent-browser任务越复杂差距越大。Learnings 长什么样站点技能的三件套每个网站的经验都被组织成一个**站点技能Site Skill**目录仓库中已内置了两个官方示例Google 搜索与 X (Twitter)可直接作为模板参考。以 X 的技能为例目录结构非常简洁详见 learnings/x-com/组成部分路径作用清单文件manifest.json声明站点 id、匹配的域名、知识笔记与工具清单知识笔记notes/overview.md等页面结构、关键选择器、避坑经验可复用工具tools/、browser-tools/验证过的 JavaScript 函数直接调用manifest.json是整个技能的索引卡核心字段一眼看懂{ id: x-com, domains: [x.com, *.x.com, twitter.com], notes: [notes/overview.md, notes/timeline.md], nodeTools: { get_timeline_posts: { path: tools/timeline.js } }, browserTools: { post_from_active_element: { path: browser-tools/extract-post.js } } }知识笔记存的是人话版经验例如 X 技能的 notes/overview.md 记录了推文正文在[data-testidtweetText]、搜索框在[data-testidSearchBox_Search_Input]、点击要落在卡片而非文本节点上……这些都是第一次试错换来的宝贵信息。域名匹配Agent 如何秒查作业Agent 打开任意页面时ego-browser会先用当前 URL 的域名去 Learnings 目录里查作业核心逻辑在 check-domain-learning.ts取主机名— 从 URL 解析出 hostname支持带*.前缀的通配域名如*.x.com匹配任意子域遍历技能目录— 读取每个站点技能的manifest.json比对domains列表命中即加载— 由 loadLearnedContext() 一次性加载该站点的知识笔记 工具签名含参数说明和调用示例。也就是说当 Agent 第二次访问 x.com 时它不再是盲fold的实习生而是带着完整作业上岗的老手。两类学习资产知识笔记 vs 可执行工具Learnings 区分两种资产对应两种加速方式 知识笔记Knowledge NotesAgent 直接读取 Markdown 内容获得该网站长什么样的先验知识跳过反复截图试探。⚙️ 可复用工具Reusable ToolsNode 工具运行在 Agent 侧的完整工作流函数。如 Google 技能的 search-extract.js一次调用完成打开搜索页 → 等待加载 → 提取前 N 条结果的标题/链接/摘要const results await site.runTool(google, search_and_extract, { query: ... })浏览器工具运行在页面内的片段代码用于提取当前页面数据如 X 技能的 extract-post.js。工具调用前会先校验函数确实由清单声明见 runNodeSiteTool()防止 Agent 调用不存在的技能。质量与安全防护经验库为什么可信经验积累最怕垃圾进垃圾出。ego-lite 用 validate-learning-format.ts 对每个技能做严格体检格式校验manifest 的 id 必须与目录名一致、域名列表非空、工具参数需声明类型与说明引用校验笔记必须位于notes/*.md工具文件必须真实存在、Node 工具必须能成功 import 且导出声明的函数稳定性约束禁止在持久化经验里写N这类临时引用每次快照都会重建编号强制使用稳定选择器避免昨天会今天坏。配合 validate-site-skills.ts 脚本整套经验库可以放心地长期演进。上手体验三步开启越用越快安装— macOS 下载 ego lite 应用或在终端运行npx skills add citrolabs/ego-lite安装ego-browser技能跑任务— 在 Agent CLI 中输入/ego-browser加一句大白话如 follow ego_agent on x.com for meAgent 会在自己的独立 Space 里操作完全不干扰你的标签页看积累— 任务成功后经验自动沉淀到 Agent 工作区的learnings/目录根目录解析逻辑见 learningsRoot()下次同类任务自动加速。如果希望参与贡献可以从 CONTRIBUTING.md 了解协作流程并阅读 AGENTS.md 中面向 Agent 的仓库约定。小结ego-lite 的 Learnings 机制把浏览器自动化从每次从零试错变成了经验复利知识笔记让 Agent 少看图可复用工具让 Agent 少写码校验体系让经验库长期可信。三者叠加正是同类任务最高 5 倍加速的原理——而且这套经验完全保存在本地零成本、零配置、隐私不出设备。【免费下载链接】ego-liteThe fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.项目地址: https://gitcode.com/GitHub_Trending/eg/ego-lite创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考