Ego Lite 的关键不是会点网页，而是把浏览器变成 Agent 的共享运行时
从 ego-lite 的 README、官网文档和 ego-browser 源码看它的真正原理：浏览器保存登录态和任务空间，agent 只提交 JavaScript 片段，helper runtime 通过 globalThis.ego、CDP、Snapshot 和 Task Spaces 把网页变成可编程环境。
Start here
推荐阅读
Codebase Memory MCP 源码深读：把代码库编译成 Agent 的结构化记忆
从 MCP 入口、Tree-sitter 抽取、Hybrid LSP、graph buffer、SQLite/FTS5 和增量索引读懂 codebase-memory-mcp 的实现原理。
Tree-sitter 源码深读：增量解析器是怎样从 grammar.js 变成语法树的
从 grammar DSL、parse table 生成、C runtime、GLR stack、增量重解析和 query VM 读懂 tree-sitter 的实现原理。
当写界面和看界面的都不再只是人：大模型时代前端的三条战线
前端建立在"界面由人写、给人看"两个隐含假设上，大模型正在同时拆除它们。结合 Design2Code、Agentic Web、Generative UI 等十余篇论文，推演前端各领域与工程化的整改趋势。
Archive
专题归档
第 1 / 2 页Shiplight 全栈拆解：Agent 原生测试平台如何把意图变成可持续回归
我实际走查 Shiplight 官网、67 个文档入口、公开 Agent Skill、npm 包与 Trust Center，拆开它的 MCP 浏览器、YAML 意图层、Playwright 执行层、Action Cache、自愈、CI 归因和云端商业飞轮，并给出一条不照抄产品表面的 clean-room 自研路线。
面向 Agent 的门禁产品设计：当提交变更、执行检查、读判决的都是 Agent，人只在 HOLD 时出现
门禁的一等用户正从人变成 Agent。本文从产品与链路视角给出面向 Agent 的门禁体系：变更全生命周期时序图、六层架构、七个领域对象、判决 schema 与状态机、三条防 Agent 钻空子的规则，并以 Shiplight 为参照指出它做对与缺失之处。
交付门禁施工图：和评测共用一副骨架，在 Oracle 处分叉，每一格配一个开源底座
评测与门禁共用「资产/目标/Runner」骨架，却在 oracle 处分叉：门禁靠确定性规格，评测靠采样式裁判。本文补齐门禁六元组，每格配开源底座（Playwright、Midscene、Testcontainers、Pact、Argo Rollouts、promptfoo），附伪代码与 Wilson 下界手算。
给 Agent 用的浏览器地图：Playwright、browser-use、ego-lite 到 Computer Use 之间的六个决策点
从一次 Playwright MCP 的锁冲突翻车讲起，用「浏览器的第二用户是谁」这条约束把 11 款产品串成五代演进：传统开发者工具、LLM 决策层、像素级 GUI Agent、云端浏览器基础设施、双用户浏览器；辅以 arXiv 论文与本机字节实测。
Midscene.js 全景拆解：从 DOM 标注到纯 VLM，一个 GUI Agent 的六个设计决策
沿着 Midscene 从 1.0 前 DOM+LLM 标注到 1.0 后纯 VLM 视觉定位的演进，用决策地图拆解六个关键选择：定位方式、模型分工、Instant Actions、Deep Think、跨平台统一 API、开源模型自托管。看清哪些是被 VLM 能力硬约束推出来的，哪些只是产品化包装。
Codex 怎样接进公司的评测链路：先摆正 Langfuse 与 Inspect AI 的坐标
「让 Codex 集成 Langfuse 做 Inspect AI 评测」这句话把两个不在同一节点的组件当成了需要搭桥的对等系统。翻开本站评测路由系列的施工图：Langfuse 是 Trace 节点（M5），Inspect AI 是评测执行引擎（M8），中间隔着数据集（M6）。这篇把 Codex 放回这条「请求→路由→Trace→评测→策略」的闭环里，讲清它从哪个节点进场、trace 走哪两条路、以及它同时是 trace 生产者又是被评对象。
把回显当证物：一页评测证据的取证报告，和一条「双向 Oracle」定律
一个 AI agent 用浏览器自动化工具点开评测平台的证据页，吐回 18000 字符的可访问性树——这篇只凭这一页回显做取证式阅读，拆出六条线索：样本自带工具面板（τ-bench/SWE-bench 的 agent 时代样本格式）、mustFind+mustNotClaim 双向 Oracle（CriticGPT 的全面性-幻觉权衡 + TruthfulQA 式误区陷阱，逐样本的精确率-召回率合同）、按风险定价的 minimumScore（0.75/0.80/0.85 三档）、SOURCE TRACE 溯源与 model@v×scorer@v×promptProfile×datasetContentHash 四元组封印（lm-eval Trenches 的可复现纪律）、数字取证（成本"未知"是显式空格；九个样本 ms/token 稳定在 5.9–7.5，UUIDv7 时间戳显示样本 73ms 内批量落库、20 分钟后才有 run）、以及 12/12 通过的真实含金量（三分法则：n=12 全过只能把失败率压到 25% 以下——acceptance 是门禁不是榜单）。元规律「双向 Oracle 定律」：评审型打分器的成熟度不看它奖励什么，看它禁止什么——单向清单量能力，双向合同量可信。
把指标写成条款：解剖一份单机高可用 ADR 的八个可靠性决定
上一篇把 SLO/RTO/RPO 理成三族刻度，这一篇拿一份刚评审通过的真实 ADR（一个 LLM 网关+在线路由+评测平台的单机生产高可用基线）当标本，看抽象指标怎么被写成具体条款。逐条解剖八个决定，每条给出条款要点→背后概念→源头论文/实践→定价解读：故障域声明（承保范围先于保额，拒绝伪分布式集群=拒绝为范围外风险付保费）、SLO 分级与排除条款（数据面 99.9% 高于控制面 99.5%，与 AWS Builders 库"数据面可用性目标高于控制面"同构）、两档 RTO（自动 2 分钟/人工 15 分钟，43.2 分钟月预算亲手验算出 21 次 vs 2.88 次的自动化边界，理论根基 Crash-Only Software HotOS 2003）、RPO 向量（崩溃 RPO=0 靠持久卷、逻辑误删 RPO≤24h 靠逻辑备份——RPO 是按故障类型索引的向量不是标量）、静态稳定性（热路径进程内不可变快照+last-known-good，控制面故障不得中断数据面，AWS 双模行为反模式）、租约+fencing token+幂等（Leases SOSP 1989 + Kleppmann 2016，exactly-once 投递不存在）、canary 状态机（shadow→canary→active+指标门禁+自动回滚，SRE Workbook 第 16 章，active 是不可逆跃迁点）、恢复演练即发布门禁（Chaos Engineering IEEE Software 2016，未演练的备份等于没有备份）。元规律「指标向量化定律」：外行给系统一个可靠性数字，工程师给每类故障各一个数字——可靠性设计的成熟度=指标从标量分解为按故障类型索引的向量的程度；ADR 的本质是保险合同：故障域是承保范围，指标是保额，架构是保费，排除条款是让承诺可兑现的那部分。
评测平台产品化：接口清单、开源底座与前端模块——平台管自动化，用户管场景
评测路由系列第五篇：把评测系统从「自己搭给自己用」升级成「全公司业务团队自助使用的平台」。一条分界判据（换一个业务方要不要重做）切出平台与用户的责任边界；七组后端 API 端点清单（场景/评分器/运行/模型/报告/集成/标签与路由供给，每个端点标注它传递的是场景知识还是自动化）；LLM-as-judge 的五元组定义与平台强制的裁判三纪律（钉版本/换位/避自家，校准不达标即拦截）；开源底座对比（Langfuse MIT / Opik Apache-2.0 / Phoenix ELv2 + Inspect AI 执行引擎）；前端八模块含裁判校准中心；15 分钟自助用户旅程时序图与三阶段落地顺序。
大模型三年半技术路线图：算力的三次搬家（2022.11–2026.08）
把 ChatGPT 发布至今的三年半压缩成一张可跳转的时间轴：四次范式接力（对齐→效率→推理→智能体）× 五条暗线（对齐方法、稀疏化、算力搬家、开源时差、接口标准化）。全部 17 个 arXiv ID 经 API 逐一核实，2025 下半年之后的产品日期逐条回查过来源，文末附一条可复现的核实命令。
深度解读 Anthropic 内容安全策略：一份宪法的五次编译
从 Usage Policy 到 Claude 宪法、Constitutional AI 训练、Constitutional Classifiers 运行时防御、RSP/ASL 升级协议，再到 Clio 遥测闭环——Anthropic 的内容安全不是一份禁止清单，而是把同一份自然语言规约"编译"到系统五个层次的纵深栈。这篇结合官方文档与四篇 arXiv 论文拆它的第一性原理：为什么规则要写给模型自己读、安全如何被标上价格（拒答率 + 推理开销）、以及"让 AI 监督 AI"这个赌注的收益与脆弱处。
记忆的内化：Metis 把 Agent 记忆从提示词搬进前向计算
做出外挂记忆操作系统 MemOS 的 MemTensor 团队，自己发布了外挂路线的'反面'：Metis（arXiv:2607.26760），第一个把记忆做成原生能力的基础模型——记忆不再是数据库+检索+拼提示词，而是一块随对话演化的参数状态：写入靠前向计算，读取靠 memory attention，全程没有一次反向传播。本文沿论文的三轴对比（架构、优化、效率）拆它的设计，再用诚实的数字给它定位：原生记忆今天的处境，约等于 LRM 出现之前的推理。
Agent 如何控制浏览器：从 HTTP、DOM、CDP 到视觉与混合自动化
系统拆解 Browser Agent 的控制通道与页面表示：比较 HTTP/API、WebDriver、Playwright、DOM、Accessibility Tree、CDP、浏览器扩展、视觉坐标和 Agent-aware browser runtime，并结合论文讨论评测、安全与选型。
大模型为什么要用 osascript 操作桌面：从可访问性树到视觉 GUI Agent
从一条 macOS UI 探测命令出发，解释大模型如何观察、定位、操作并验证桌面软件，比较 Accessibility Tree、视觉坐标、DOM、API/CLI 与混合控制的取舍和局限。
投机解码的第二本账：长上下文把瓶颈从权重搬到了 KV Cache
从 SparseSpec-L（arXiv 2607.27735）的加速公式 S=(αk+1)/(kγ+1) 出发，算清投机解码的三变量账本：为什么 Eagle-3 这样的短上下文冠军在 60K 上下文会跌破 1×，为什么"效率反转"的判据是 α 与 γ 的赛跑，以及"可召回的淘汰"如何把 γ、α、k 三个变量同时做对。接续 Medusa 深读与 vLLM KV cache 系列。
进程边界是部署决策，不是架构决策：桌面 Agent 运行时的三条路
桌面应用要在本地跑长时 Agent 任务时，运行时放哪里？内嵌 Clean Runtime Kernel、独立 Local Runtime Daemon、还是前端主导派发？系统对比三条路径，拆解 Run Journal、Event Outbox、租约、启动恢复四个本地高可用机制，并论证一个反直觉的结论：先把内核做干净，进程边界就可以推迟——daemon 解决的是进程隔离，而你真正要的是生命周期解耦加可恢复性，这两样不需要独立进程也能拿到。
别把批处理器当交互后端：解剖一条 codex exec 冷启动链
一个 Tauri 桌面应用把 codex exec 用作本地 AI 执行后端，每个任务都要冷启动整条链：Node harness、run-scoped CODEX_HOME、MCP server、进程级 hook、workspace 物化、依赖预热。慢的根因不是模型，而是三种天然生命周期不同的东西被焊死在同一个进程生命周期上。本文给出完整的成本解剖、两个容易被忽略的反模式（双重观测、per-run store 打败内容寻址缓存），以及从 batch executor 迁移到常驻 runtime 的架构路线——包括为什么"审计性应该来自事件日志而不是进程短命"。
codex exec 能控制什么：一张实测参数表读懂 agent 的自动化控制面
基于本机 codex-cli 0.144.6 的 --help 实测，把 codex exec 全部参数整理成五个控制面：输入、执行者、行为配置、权限边界、输出与会话，并给出可直接复制的自动化配方。
OpenAIServingChat 深度解读：vLLM 怎样把一次 Chat Completion 跑成 OpenAI 响应
从 vLLM 的 OpenAIServingChat 源码看懂 /v1/chat/completions 的服务编排：chat template 渲染、SamplingParams 构造、EngineClient.generate、streaming SSE、tool/reasoning parser、usage、metrics 和 KV transfer cleanup。
PPO 的训练循环:每一个部件,都是同一对矛盾的产物
从 REINFORCE 的"数据用一次就作废"出发,一步步推出 PPO 训练循环的全部部件——重要性采样比率、clip、critic、GAE、多 epoch 复用——再落到 RLHF 的四模型循环。读完你能口述一次 PPO 迭代的每个阶段,以及每个阶段为什么非存在不可。
Codex AI Digest 深读版 · 2026-07-18
Codex 真读真写 · 深读判断 / 论文雷达 / 工具 / 行动。这是 Codex 深读版。今天最值得形成的判断不是“谁又发了一个更大的模型”，而是前沿竞争正在转向效率栈、数据生产栈和 agent 运行时三条系统能力：Kimi K3 把开源前沿继续往前推，Lila 把实验室当成数据中心来制造可验证训练数据，vLL…
给「物料搭建 + 还原业务逻辑」设计一套 AI Harness
前两篇讲了设计稿出码的难题和物料驱动搭建的问题地图。这一篇动手：从「AI 可被控制、可被配置的切面」出发，设计一套能真正跑起来的搭建 harness——用一条「逐步降低不确定性」的窄专家流水线，每步产出可校验的 typed artifact，把 skill.md / tool schema / MCP / 结构化输出 / 编排 / 校验门 / 人机门 当成控制阀装上去。含可直接参考的 SKILL.md、工具契约、IR schema 与编排流程图。
物料驱动的页面搭建：一份提前避坑的问题地图
如果不走「设计稿端到端出码」，而是先沉淀高还原物料、再组合搭建页面——这条路会撞上哪些问题？本文用「一个活页面 = 5 层」的心智模型做主线，尽可能穷举物料设计、匹配、布局、业务逻辑、工程化到度量的全部坑点，并收敛到一个反直觉的结论：搭建范式的命门不是物料好不好看，而是「业务逻辑既不在设计稿也不在物料里」。
物料搭建 × AI Harness：一套完整表达生产级页面的协议族设计
本系列的规范篇。为「基于物料的 UI 还原 + AI Harness 控制的业务逻辑还原」这套架构，负责任地穷举出需要的全部协议/Schema——分六层、23 个协议，共享一个 Envelope、彼此用 id 交叉引用，逐一给出结构、关键字段与含义。目标是让这套协议族能完整表达复杂场景与真实应用页面，逼近生产运行表现；同时诚实标注它的边界与未解难点。