我构建了一个浏览器代理，每一步都是约150毫秒的决策，而非LLM调用（开源，零依赖）

大多数浏览器代理采取的步骤并不困难。输入电子邮件，输入密码，点击登录。但每个LLM代理都为每个步骤支付完整的推理调用，这就是30-60秒登录流程的来源。所以我构建了hunch：每一步它从agent-browser获取无障碍快照（一个交互元素的编号表），将其发送给jev - typesafe的“系统一”模型，返回类型化的概率而非文本 - 并在一次约150毫秒的请求中获得操作和目标元素。agent-browser执行点击，结果在代码中验证（URL正则/预期文本），从不询问模型是否完成。我最关心的部分是交接。它旨在置于现有代理之下（我在Claude Code下运行它）。当置信度下降、页面停止变化或点击看起来不可逆时，它以结构化报告退出：原因、页面文本、已完成的操作、元素表。你的LLM读取这些并从当前页面接管。对于登录流程，通常是零升级，因此LLM从不运行。护栏在代码中而非提示中：键入的值永远不会到达模型（只有它们的名称），它不会离开起始的原点，不会在无人的情况下点击删除/支付/发送，不会在页面未变化时循环。数字（仓库中的基准脚本）：每决策中位数153毫秒 vs 678毫秒对于gpt-4o-mini在相同的页面状态上，两者都是24/24正确。4步表单填写 = 3.4秒端到端，gif是实时的。诚实的警告：jev是托管的且权重封闭，元素标签加页面文本切片发送到他们的API。尚无自由文本输入（jev无法生成），无iframe / shadow DOM / select。在少数流程上测试，而非基准套件。零依赖Python，MIT。链接在评论中。很想听听它在哪里出错。