Jev Ultrafast 是一个用 Python 编写的浏览器自动化智能体框架，核心特点是“动态、索引化的动作空间”。它会把当前网页可见控件抽取成带编号的元素表，再通过 TypeSafe 的 Jev 模型一次性预测要执行的操作和目标元素；只有在需要输入文本时，才调用小型文本模型生成内容。项目重点展示了高速浏览器任务执行，例如在 Google Flights 上完成“苏黎世到伦敦航班搜索”的演示用时约 7.1 秒。该项目适合研究浏览器 Agent、网页自动化、LLM 工具调用、安全执行与高性能交互循环的开发者。
适用领域
浏览器自动化 / AI Agent / LLM 应用开发 / 网页任务执行 / RPA / 前端 DOM 分析 / 自动化测试 / 智能体安全执行
配置难度
中高级。该项目运行演示相对直接，但深入理解需要熟悉 Python、异步浏览器自动化、DOM/ARIA、LLM 结构化输出、TypeSafe 决策模型、OpenAI-compatible API 配置以及浏览器远程调试。对于普通应用开发者，上手使用难度中等；若要改造为稳定生产级浏览器 Agent，难度较高。
商业价值
该项目的商业价值主要体现在高性能网页自动化和 AI Agent 基础设施方向。相比传统基于截图或大模型逐步推理的浏览器 Agent，它通过结构化 DOM 状态、动态动作空间和一次请求完成操作/目标选择，显著降低延迟和浏览器协议调用数量。对于需要自动完成搜索、表单填写、后台运营、数据查询、流程导航的产品团队，它可以作为低延迟浏览器 Agent 的技术参考或原型基础。不过项目仍处于偏实验和 MVP 阶段，若用于商业场景，需要重点补齐任务成功率评估、站点兼容性、权限控制、审计日志、失败恢复和结果验证。
01
技术亮点
- 一次决策周期只发起一个 TypeSafe 请求，同时预测操作和目标元素，减少网络往返。
- 默认 Agent 循环不依赖截图，而是使用结构化 DOM 状态，速度更快、上下文更小。
- 页面每次观察都会生成新的元素表，只向模型提供当前可见且可操作的控件。
- 动作空间包括 CLICK、TYPE_TEXT、SELECT、SCROLL_UP、SCROLL_DOWN、WAIT、DONE、BLOCKED。
- 只有 TYPE_TEXT 时才调用文本模型生成输入内容，降低不必要的文本生成成本。
- 执行目标来自真实观测到的 DOM 节点，而不是让模型生成 CSS 选择器、坐标、JavaScript 或 shell 命令。
- 执行前会重新检查页面 freshness、点击遮挡、当前几何位置等，提升安全性和可靠性。
- 提供本地 Inspector，可查看编号元素、操作概率、目标概率和已执行动作。
- 代码规模相对较小，核心文件包括 agent.py、snapshot.js、browser.py、model.py、questions.py 和 demo.py，便于阅读学习。
- MIT 许可证，适合二次开发和商业集成。
02
目标用户
- 希望构建浏览器 Agent 的 AI 应用开发者
- 研究 LLM 网页自动化的工程师
- 需要高性能网页任务执行的 RPA 开发者
- 关注 TypeSafe、结构化输出和动作空间建模的开发者
- 希望学习浏览器 DOM 快照、可见控件抽取和安全点击执行机制的工程师
- 对 browser-use、browser-harness 生态感兴趣的开发者
03
配置要求
- 需要 TYPESAFE_API_KEY，用于调用 TypeSafe 的 Jev 决策模型。
- 需要 TEXT_MODEL_API_KEY，示例配置中使用 OpenRouter API Key。
- 默认文本模型示例为 inception/mercury-2.5，并关闭 reasoning。
- 可配置 Gemini、GLM、DeepSeek 等兼容 OpenAI 接口的文本模型，但需要设置对应模型名、接口地址和 reasoning 选项。
- 需要可连接的 Chrome 浏览器，项目通过 Browser Harness 与 Chrome 通信。
- 运行真实示例和录制脚本会产生付费 API 调用。
- 测试本身是离线的，但 live examples、recording scripts 需要模型服务。
04
适用场景
- 用自然语言驱动浏览器完成网页任务
- 自动搜索航班、酒店、百科文章等信息
- 构建网页操作型 AI Agent 原型
- 研究如何减少 LLM 浏览器自动化中的延迟
- 对网页可见控件进行结构化抽取并生成动作空间
- 开发带可视化 Inspector 的浏览器任务调试工具
- 验证网页自动化任务结果，例如航班路线、日期和搜索结果是否匹配
05
部署与配置
- 安装 Python 环境和 uv 包管理工具。
- 克隆仓库：git clone https://github.com/browser-use/jev-ultrafast.git
- 进入目录：cd jev-ultrafast
- 安装依赖：uv sync
- 复制环境变量文件：cp .env.example .env
- 在 .env 中填写 TYPESAFE_API_KEY 和 TEXT_MODEL_API_KEY。
- 运行演示：uv run jev
- 打开浏览器访问：http://127.0.0.1:8766
- 点击 Start demo，然后选择 Run automatically。
- 如果 Chrome 连接有问题，运行：uv run browser-harness --doctor，并按提示允许 Chrome 远程调试。
06
风险与注意事项
- 当前性能数据主要来自少量任务和少量重复实验，不代表通用可靠性基准。
- Google Flights 演示虽然很快，但不意味着所有复杂网页都能达到类似速度。
- DOM 读取器只覆盖常见 HTML 和 ARIA 控件，并未完整实现 accessible-name 规范。
- 对 Shadow DOM、iframe、canvas、文件上传、弹窗标签页、嵌套滚动和任意键盘控件的支持仍有限。
- DONE 动作仍需要外部独立验证，否则可能误判任务完成。
- 使用真实模型 API 会产生费用，且性能和稳定性依赖第三方模型服务。
- 与 Chrome 远程调试和本地浏览器配置相关，开发环境可能需要额外排查。
- Owned tabs 共享现有 Chrome profile，可能受到用户登录状态、缓存、地区和语言设置影响。
- 目前更像 MVP 和研究型项目，生产环境使用前需要补充监控、异常处理、权限隔离和任务验证机制。
2026-09-19
第1名
新收录 · github_search
2026-09-18
第2名
新收录 · github_search
