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-lite

ego-lite（ego 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/）：

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-testid="tweetText"]、搜索框在[data-testid="SearchBox_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：

1. 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）；
2. 遍历技能目录— 读取每个站点技能的manifest.json，比对domains列表；
3. 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 Notes）Agent 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 Tools）

• Node 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"

1. 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；
2. 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 me"，Agent 会在自己的独立 Space 里操作，完全不干扰你的标签页；
3. 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