我们一直在为人工智能代理构建浏览器基础设施。每个人都会遇到的问题是：你启动 Chrome，登录某个账户，进行一些工作，然后呢？<p>是让虚拟机以每月 30 美元的费用继续运行却什么都不做，还是关闭它并失去当前会话？<p>我们希望在 Chrome 空闲时将其冻结到磁盘，并在恢复时精确回到上次的状态。结果发现这很困难。经过大量尝试不同的浏览器版本和配置后，我们终于在 Orb Cloud 上使用 Playwright 的 Chromium 和 CRIU 实现了这一功能。<p>结果是：导航到 Google，获取一些 cookies，截图，然后冻结。等待。恢复。相同的 cookies，相同的页面，完全相同的截图。我们在 Google、维基百科和 Hacker News 上进行了连续测试——全部通过。<p>Orb-browser 是一个开源代码库。它是一个无头 Chrome，你可以将其置于休眠状态。休眠时不产生任何费用，恢复大约需要 500 毫秒，所有数据都保持完整——cookies、localStorage，以及你所处的页面。浏览器并不知道它曾被冻结。<p>如果你运行的浏览器代理每小时活跃 5 分钟，那么你只需为 5 分钟付费，而不是 60 分钟。<p>代码库链接：https://github.com/nextbysam/orb-browser。
返回首页
最新
我目前的信念是：
1. “代理性”发展将持续存在，无论我们是否喜欢。
2. Markdown 提示是一种糟糕的推动这种发展的方式，无论你试图施加多少结构和层次（无论是链式还是扩展到角色等）。
3. 拼图式的方法则稍微好一些——用你选择的规范语言声明任何组件或子系统的“边界”，然后让代理填充内部。
如果你认为这些信念是错误的，那也没关系，但我更感兴趣的是那些大致同意的人对最后一点的反馈：你使用什么规范语言来描述组件边界、功能和跨组件交互？
我在 OpenAPI 上取得了一些小成功，但也许还有更好的替代方案？