Browser Use团队的反叛：推倒自己数万行框架
2026年4月，浏览器自动化领域最活跃的开源团队之一 Browser Use 做了一个出人意料的决定：他们把数万行的框架全部推倒重来，发布了一个只有592行代码的新项目——Browser Harness。
8天，6700+ Star。
没有元素提取器，没有DOM索引器，没有点击包装器。只有一条直连Chrome的WebSocket，和四个Python文件。
这个决策背后的逻辑，将彻底颠覆你对"AI工具设计"的认知。
核心理念：不要包装LLM，也不要包装它的工具
从"苦涩教训"到"更苦的教训"
几个月前，Browser Use 团队写了一篇文章《Agent框架的苦涩教训》，核心论点：不要用抽象层包裹LLM，给模型最大的行动空间，然后按需限制。
但他们发现自己只对了一半——他们没有包裹LLM，却包裹了LLM的工具。
每一个 click()、type()、scroll() 辅助函数，都是开发者替模型决定"它需要什么"。每一个这样的函数，都是经过RL训练的模型需要绕过的约束。
为什么是原始CDP
Browser Use 第一版包含了数千行代码：元素提取器、DOM索引器、点击封装器……
但他们发现：LLM本来就懂CDP。
Page.navigate、DOM.querySelector、Runtime.evaluate——这些Chrome DevTools Protocol的原生命令，LLM在训练数据中见过无数次。模型不需要你替它封装，它自己会写。
CDP是Chrome暴露的最低层接口。直接给模型：
- 跨域iframe：直接attach到target，不用和frame抽象层搏斗
- Shadow DOM：像模型见过一万次的那样调用
shadowRoot.querySelectorAll - 反机器人注入：就是Chrome自己在跟自己说话
他们之前搞错的一件事
团队曾写过一篇文章《离开Playwright，拥抱CDP》，结论是："我们的Agent不应该需要了解CDP Target的细节才能完成任务。"
他们错了。
那篇文章列出了Chrome标签页崩溃的10种方式。他们为每一种都写了看门狗服务——标签崩溃、target分离、渲染器OOM、zygote死亡、GPU进程崩溃……每个都有处理器，每个都需要跟Chrome内部保持同步。
但给LLM直接CDP访问权+编辑自己代码的能力后，模型自己就能处理所有这些情况。页面死了、target错位了、Chrome卡住了——Agent读错误信息，重新attach到新target，重试。不需要看门狗。它读过成千上万个Chrome崩溃的帖子，它知道该怎么办。
"我们试图隐藏的'CDP复杂性'，不是该隐藏的东西。那是应该让模型看到的东西。"
四个文件，592行
这就是Browser Harness的全部：
| 文件 | 行数 | 职责 |
|---|---|---|
run.py | 13行 | 运行Python，预加载helpers |
helpers.py | 192行 | CDP薄封装，Agent可编辑 |
daemon.py | 220行 | 保持CDP WebSocket连接存活 |
SKILL.md | - | 告诉Agent怎么用以上三个文件 |
架构极简：Agent写Python → run.py执行 → helpers.py调用CDP → daemon.py维持WebSocket → Chrome执行命令。 Chrome以上的每一层都可重写。
自愈循环：缺失的工具？Agent自己写
这是Browser Harness最颠覆的设计：
- Agent执行任务，发现缺少某个helper函数
- Agent自动搜索
helpers.py，发现确实没有 - Agent自己写这个函数，添加到helpers.py
- 重新执行，任务完成
团队没有告诉Agent要这样做。他们只是给了它Claude Code的Read/Edit/Write能力加上CDP访问权。编程Agent本来就知道怎么修复缺失的import。
关键洞察：Agent不是从零开始写代码，而是补写缺失的那一个函数——就像在任何代码库里修复一个缺失的import一样。
魔法时刻
文件上传。 团队忘了加 upload_file()。任务中途，Agent碰到文件输入框，搜索helpers.py，什么也没找到，直接用原始的 DOM.setFileInputFiles 写了上传函数，上传了文件。团队是在看git diff时才发现的。
分块上传。 写完 upload_file 后，Agent尝试上传12MB文件。CDP WebSocket载荷限制约10MB。Agent碰到了限制，读了错误信息，自动切换到分块上传模式。
Gusto到日历。 任务：把每个员工的生日放进共享日历。需要导航Gusto的员工页面、从DOM提取日期、然后创建Google Calendar事件。Agent一路搞定。
Azure管理门户。 Azure管理门户是iframe里面套blade的一坨。原始CDP通过坐标级别的 Input.dispatchMouseEvent，在合成器层面穿透一切。
技能系统：探索一次，永久复用
Browser Harness 还有一个关键设计——技能（Skills）系统。
问题：每个Agent都从零开始
你第一次用Google Flights，输入城市名，回车——没反应。你得等下拉菜单出现，再点建议。人类犯一次错就永远记住了。但Web Agent每次都犯同样的错。
解决：Agent自己生成技能
任务完成后，第二个Agent审查完整执行轨迹，问自己："下次做这个任务，你需要知道什么才能在1-3步内完成？" 然后提取一个技能——URL模式、操作配方、未来Agent可以跳过的步骤数。
社会化技能网络
一个Agent创建了技能，其他Agent使用并留下反馈——不只是点赞/踩，而是带理由的书面反馈。理由让反馈有用：-1分附带理由不只是降低分数，技能Agent会根据理由编辑技能本身。
Duo 2FA技能经历了3个版本，随着Agent发现边界情况不断迭代。分数跌到-3以下，技能自动退役。近似重复的技能自动合并。
不需要RL，不需要微调。Agent创建内容，Agent审查内容，好的浮上来。
隐私保护
每个技能保存前经过PII网关——专门的LLM拒绝任何包含邮箱、token、用户特定数据的内容。
安装与使用
一键安装
在Claude Code或Codex中粘贴：
Set up https://github.com/browser-use/browser-harness for me.
Agent会自动读取 install.md 安装并连接浏览器，然后读取 SKILL.md 学习日常用法。
自定义技能
agent-workspace/domain-skills/ 目录下存放站点特定技能——LinkedIn外联、Amazon下单、报销填写等。每个技能教Agent那些它否则需要重新发现的CSS选择器、操作流程和边界情况。
重点：技能是harness自己写的，不是你手写的。 只要用Agent跑你的任务——当它发现非显而易见的操作时，它会自动归档为技能文件。
云端支持
Browser Use还提供免费层：3个并发浏览器、代理、验证码解决等，无需信用卡。
范式转变：从"按手册干活"到"拥有Root权限"
Browser Harness 代表的不仅是一个工具，而是AI Agent设计范式的根本转变：
| 旧范式 | 新范式 |
|---|---|
| 开发者预定义所有操作 | Agent按需编写操作 |
| 框架包裹一切 | 薄封装，Agent可编辑 |
| 错误需要看门狗处理 | Agent读错误自己修复 |
| 每次任务从零探索 | 技能系统永久积累经验 |
| 框架限制=模型天花板 | Chrome能力=模型天花板 |
苦涩教训的终极版本：你的辅助函数也是抽象。删掉它们。让Agent自己写它需要的。
团队作者 Gregor Zunic 的挑战："第一个找到它完不成的任务（验证码/2FA除外）的人，我送一台Mac Mini。我试了一周，破不了。"
小结
- 592行Python代码，8天6700+ Star
- 四个文件：run.py + helpers.py + daemon.py + SKILL.md
- 一条WebSocket直连Chrome CDP，零中间抽象
- 自愈循环：缺少工具？Agent自己写
- 技能系统：探索一次，永久复用，社会化反馈迭代
- 比数万行框架更强大，因为它不限制模型
GitHub: github.com/browser-use/browser-harness