为什么对每次浏览器点击调用云LLM是一种反模式：我构建了BrowserClaw，一个带有Jev微循环（250ms/步）的轻量级双脑Chrome MCP

大家好，和许多构建代理工作流的人一样，我对当前浏览器自动化的状态（沉重的Playwright沙箱、browser-use、原始的CDP包装器）感到沮丧。在实际使用中，三个持续存在的瓶颈不断破坏自主任务： 疯狂的延迟和令牌消耗：每次点击（如“输入搜索栏”、“点击提交”）都将50KB的无障碍树发送到远程推理模型（Claude 3.7 / GPT-4o）并返回，每步需要3-5秒，并在简单的表单序列上消耗数十万令牌。 一次性沙箱和Windows文件锁：一次性浏览器实例不继承活跃的Google、GitHub或企业SSO登录。尝试在Windows上复制默认用户配置目录时，总是因[WinError 32]排他性共享锁而崩溃。 机械点击和损坏的截图：机械点击容易被检测到或在React/Vue合成事件上失败，而Windows显示缩放（125%/150%）导致截图坐标漂移，完全错位视觉模型。 为了解决这个问题，我构建并开源了BrowserClaw：一个轻量级的Chrome自动化平台，将MV3扩展与本地Fastify原生消息桥配对，暴露47个生产就绪的MCP工具。以下是其从内部解决这些瓶颈的架构分解： 🧠 1. 由TypeSafe Jev驱动的快速语义微循环（系统1） 不依赖于每次交互都使用单一的远程LLM，BrowserClaw引入了分层双脑模型： 系统2（宏观规划器）：您的主要推理LLM（Claude、GPT、本地70B）负责任务分解、长程规划和自由文本生成。 系统1（通过chrome_act_toward_goal的语义微循环）：一个本地决策循环使用TypeSafe Jev本地评估紧凑的DOM快照。它感知、决定并在200-400ms每步内执行页面操作，零中间远程MCP往返。 优雅回退和防护栏：如果未提供Jev API密钥，它会自动回退到内部启发式规则引擎。如果检测到敏感关键词（pay、delete、submit）或低置信度，它会安全地将结构化候选元素升级回宏观规划器。 ⚡ 真实世界基准测试（真实Jev API，T1–T5）： T1 导航 + 搜索：2,062ms（2次Jev调用，1,737输入/52输出令牌） T2 表单提交：586ms（2次Jev调用，1,666输入/48输出令牌） T3 选择选项：249ms（1次Jev调用，781输入/24输出令牌） 单步中位数：~260–350ms | 端到端加速 >75% | 令牌减少 >80%。 🎯 2. 快速、类似人类的运动学，具有手术精度 弹簧运动学虚拟光标：BrowserClaw在封闭的Shadow DOM中注入一个基于物理的光标，而不是即时的机械遥测。它在目标65px半径内强制执行自然的减速曲线，并带有80-120ms的生理性稳定暂停。 原生事件保真度（isTrusted: true）：将物理CDP事件直接调度到浏览器布局引擎，确保在React 18/19合成事件、Vue响应式和复杂Shadow DOM中完美触发。 预飞行遮挡检查：执行前，通过DOM.getNodeForLocation验证目标边界框，防止在透明叠加层、固定标题或粘性模态框下误点击。 📸 3. 工业级截图管道（无坐标漂移，无重影） DPR 1:1视口规范化：使用OffscreenCanvas将捕获重采样到精确的CSS视口尺寸。完全消除由Windows缩放（125%、150%）或Retina显示引起的臭名昭著的坐标偏移。 完美全页捕获：顺序滚动拼接，在捕获期间动态检测并隐藏position: fixed和position: sticky标题/页脚，消除重复的幽灵横幅。 高清晰度ROI子区域：允许以未缩放的原生设备保真度裁剪密集表格或微验证码，用于视觉推理。 🌐 4. 超轻量级：直接连接到您的日常Chrome 无重沙箱：无需生成或管理单独的Chromium实例。它通过轻量级Chrome MV3扩展和本地原生主机直接连接到您的活动浏览器。 零摩擦认证：在您现有的会话、Cookie、扩展和企业登录下无缝操作。在Windows上零[WinError 32]文件锁头痛。 完整浏览器控制面：暴露47个工具，不仅涵盖网络交互，还包括完整的标签页管理、彩色标签组、书签、浏览历史和后台API拦截。 该项目在AGPL-3.0下完全开源。遵循subreddit规则，我在下面的评论中提供GitHub仓库链接和设置指南！很想听听您的想法、反馈，以及您在日常浏览器自动化中遇到的边缘案例！