我们如何构建OWL——ChatGPT浏览器Atlas背后的新架构

# 我们如何构建 OWL——支撑我们基于 ChatGPT 的浏览器 Atlas 的新架构 来源：https://openai.com/index/building-chatgpt-atlas/ 作者：*Ken Rockot，技术人员和 Ben Goodger，ChatGPT Atlas 工程负责人* 上周，我们推出了 [ChatGPT Atlas](https://openai.com/index/introducing-chatgpt-atlas/)，这是一种用 ChatGPT 陪伴你浏览网页的全新方式。除了是一款功能完整的网络浏览器，Atlas 还展现了未来的愿景：一个你可以在互联网上随处携带 ChatGPT，向它提问、征求建议和完成任务的世界。在这篇文章中，我们揭示了产品最复杂的工程方面之一：我们如何将 ChatGPT 转变为一款随着使用而变得越来越有用的浏览器。 让 ChatGPT 成为网络真正的副驾驶，意味着要重新思考浏览器的整个架构：将 Atlas 与 Chromium 运行时分离。这需要开发一种新的 Chromium 集成方式，使我们能够实现产品目标：即时启动、即使打开更多标签页也能保持响应，并为代理用例建立坚实的基础。 ChatGPT Atlas 主屏幕在浏览器中显示，显示一个提示气泡，上面写着"我们今天应该做什么？"位于输入栏上方。输入字段下方是建议的提示，如查找旧金山附近可出租的海滨住宅、总结法网公开赛、创建 1770 年代新英格兰风格的鳄梨椅图像以及改进代码可读性。背景有柔和的蓝色和淡紫色渐变。 ## Chromium 作为自然的构建块 Chromium 是一个自然的构建块。它提供了最先进的网络引擎，具有强大的安全模型、公认的性能记录和无与伦比的网络兼容性。此外，它由一个全球社区开发，不断对其进行改进。它是现代桌面网络浏览器的常见选择。 我们才华横溢的设计团队对用户体验有宏大目标，包括为代理模式等功能提供丰富的动画和视觉效果。这要求我们的工程团队利用最现代的本地框架来构建 UI（SwiftUI、AppKit 和 Metal），而不是简单地改变开源 Chromium UX 的外观。因此，Atlas 的 UI 是对整个应用程序 UX 的全面重建。 我们还有其他产品目标，如快速启动时间和支持数百个标签页而不影响性能。这些目标用现成的 Chromium 很难实现，因为 Chromium 对从引导序列、线程模型到标签页模型的许多细节都有明确规定。我们考虑在这里做出重大改变，但我们希望保持针对 Chromium 的补丁集有针对性，这样我们就可以快速集成新版本。 为了确保我们的开发速度最大化，我们需要想出一种不同的方式来集成和驱动 Chromium 运行时。我们技术投资的试金石不仅是它能够加快实验、迭代和交付新功能的速度，还能让我们维持 OpenAI 工程文化的核心部分：第一天就开始交付。每个新工程师都会在他们第一天下午做出一个小改动并合并。我们需要确保即使 Chromium 检出和构建需要数小时，这也是可能的。 ## 我们的答案：OWL 我们对这些挑战的解决方案是构建一个我们称为 **OWL：OpenAI 的网络层** 的新架构层。OWL 是我们对 Chromium 的集成，涉及在 Atlas 应用程序进程 *之外* 运行 Chromium 的浏览器进程。这样想象：Chromium 通过将标签页移到单独的进程中革新了浏览器。我们把这个想法更进一步，将 Chromium 本身移出主应用程序进程，放入一个隔离的服务层。 这一转变带来了一系列好处： - **更简洁、现代的应用：** Atlas 几乎完全用 SwiftUI 和 AppKit 构建。一种语言，一个技术栈，一个干净的代码库。 - **更快的启动：** Chromium 在后台异步启动。Atlas 不需要等待——像素几乎瞬间出现在屏幕上。 - **与卡顿和崩溃隔离：** Chromium 是一个强大而复杂的网络引擎。如果它的主线程挂起，Atlas 不会。如果它崩溃，Atlas 保持运行。 - **更少的合并麻烦：** 因为我们不是基于那么多 Chromium 开源 UI 构建，我们对上游 Chromium 的改动更小，更容易维护。 - **更快的迭代：** 大多数工程师从不需要在本地构建 Chromium。OWL 作为预构建的二进制文件在内部交付，所以 Atlas 构建只需几分钟，而不是几小时。 因为我们团队中的大多数工程师不经常从源代码构建 Chromium，开发可以进行得更快——甚至新团队成员也可以在他们第一个下午合并简单的改动。 ## 架构概述 在高层，Atlas 浏览器是 **OWL 客户端**，Chromium 浏览器进程是 **OWL 主机**。他们通过 IPC 通信，具体是 [Mojo](https://chromium.googlesource.com/chromium/src/+/main/mojo/README.md)（Chromium 自己的消息传递系统）。我们为 Mojo 编写了自定义 Swift（甚至 TypeScript）绑定，所以我们的 Swift 应用可以直接调用主机端接口。 OWL 客户端库公开了一个简单的公共 Swift API，它抽象了主机服务层公开的几个关键概念： - **Session：** 全局配置和控制主机 - **Profile：** 管理特定用户配置文件的浏览器状态 - **WebView：** 控制和嵌入各个网络内容（例如渲染、输入、导航、缩放等） - **WebContentRenderer：** 将输入事件转发到 Chromium 的渲染管道并从渲染器接收反馈 - **LayerHost/Client：** 在 UI 和 Chromium 之间交换合成信息 还有一个广泛的服务端点范围，用于管理高级功能，如书签、下载、扩展和自动填充。 ## 渲染和合成 WebView 在客户端应用中共享一个互斥的呈现空间，并在共享合成容器中进行交换。例如，浏览器窗口通常有一个可见的共享容器，在标签条中选择一个标签会将该标签的 WebView 交换到容器中。 在 Chromium 端，此容器对应于一个 `gfx::AcceleratedWidget`，最终由 `CALayer` 支持。我们将该层的上下文 ID 公开给客户端，其中 `NSView` 使用私有 `CALayerHost` API 嵌入它。下拉菜单或颜色选择器等特殊情况由 Chromium 在单独的弹出小部件中呈现，使用相同的方法。它们没有 `content::WebContents`，但它们 *确实* 有自己的 `content::RenderWidgetHostView` 和 `gfx::AcceleratedWidget`，所以相同的委派渲染模型适用。 OWL 在内部将视图几何与 Chromium 端保持同步，以便可以相应地更新 GPU 合成器，并且总是可以生成正确大小和设备比例的图层内容。我们也重复使用这种技术来选择性地将 Chromium 自己的本地 Views UI 的元素投影到 Atlas 中（这对于快速引导权限提示等功能也很有用，而无需在 SwiftUI 中从头构建替代品）。 这种技术大量借鉴了 Chromium 现有的 macOS 可安装网络应用基础设施。 ## 输入事件处理 Chromium UI 在将平台事件（如 macOS NSEvents）转换为 Blink 的 WebInputEvent 模型，然后转发到渲染器之前。但由于 OWL 在隐藏的进程中运行 Chromium，我们在 Swift 客户端库中自己进行该转换，并将已翻译的事件转发到 Chromium。从那里，它们遵循真实输入事件通常对网络内容遵循的相同生命周期。 这包括每当页面指示它没有处理事件时，将事件 *返回* 给客户端。发生这种情况时，我们重新合成 NSEvent 并给应用程序的其余部分一个处理输入的机会。 ## 代理浏览的独特挑战 Atlas 的代理浏览功能为我们的渲染、输入事件转发和数据存储方法带来了一些独特的挑战。我们的计算机使用模型期望单个屏幕图像作为输入。但某些 UI 元素，如下拉菜单，会在标签页边界之外的单独窗口中呈现。在代理模式中，我们将这些弹出窗口合成回主页面图像的正确坐标，以便模型在一帧中看到完整的上下文。 对于输入，我们应用相同的原则：代理生成的事件直接路由到渲染器，永远不会通过特权浏览器层。这在自动控制下保持了沙箱边界。例如，我们不希望这类事件合成浏览器快捷键，使浏览器做与显示的网络内容无关的事情。 代理浏览也可以在临时的"已登出"上下文中运行。我们使用 Chromium 的 `StoragePartition` 基础设施来启用隔离的内存存储，而不是共享用户现有的隐身配置，这可能会泄露状态。每个代理会话从头开始，结束时，所有 Cookie 和网站数据都会被丢弃。你可以运行多个"已登出"代理会话，每个会话在自己的浏览器标签页中，每个都完全与其他隔离。 ## 展望 所有这些都要感谢全球 Chromium 社区及其为现代网络构建基础的不可思议的工作。OWL 以一种新的方式建立在该基础之上：将引擎与应用程序解耦，融合世界一流的网络平台与现代本地框架，并解锁一个更快、更灵活的架构。 通过重新思考浏览器如何容纳 Chromium，我们创造了新种类体验的空间：更顺畅的启动、更丰富的 UI、与操作系统其余部分的更紧密集成，以及以想法的速度运动的开发循环。 如果这听起来像是你的挑战，请查看我们的职位空缺，以在 Atlas 上工作为[软件工程师、Atlas](https://openai.com/careers/software-engineer-atlas-san-francisco/)、[软件工程师、iOS](https://openai.com/careers/software-engineer-ios-san-francisco/) 等[更多](https://openai.com/careers/search/?c=e1e973fe-6f0a-475f-9361-a9b6c095d869%2Cf002fe09-4cec-46b0-8add-8bf9ff438a62%2Cab2b9da4-24a4-47df-8bed-1ed5a39c7036)。