最近遇到一个挺反直觉的事情。
三四个月前，我还没确定日常主力会用 Claude Code 、Codex ，还是其他 AI 编程工具。那时候各家能力都在快速变化，浏览器操作也都不太稳定，所以我想做一个比较通用的“AI 肢体”：不绑定某一个 AI ，只要它能在终端里跑命令 / 发 HTTP ，就可以接管我本机已经登录的 Chrome 。
这个东西后来叫 AgentLimb 。
它的结构很简单：
- Chrome extension
- 本地 bridge ，跑在
127.0.0.1:7791 - AI 终端通过一组工具去读页面、点按钮、输入、等待、截图、记录站点流程
- 浏览器用的还是你自己的真实 Chrome ，所以登录态、Cookie 、扩展环境都在
- 做通过的网页流程会沉淀成
muscle，保存到本地 JSON ，后面可以复用
我一开始做它，并不是为了“替代 Codex 插件”，而是想给 Claude Code 、Codex 、Cursor 这类工具都留一个通用浏览器入口。
结果最近我自己重度用 Codex 做真实网页工作时，发现一件有点离谱的事：这个自己写的插件，反而比我这边能用到的官方 Chrome 插件更顺手。
这里不是想拉踩官方方案，只说我自己的环境和工作流。我这边遇到过几个问题：
- 有些人下载 Codex 的 Chrome 插件并不顺利
- 我自己装上以后，在 X 这种重页面上遇到过卡顿和 Chrome 无响应
- 重复操作平台时，每次重新摸索页面很浪费
- 桌面级截图 / 可访问性树扫描在复杂网页上成本很高
最后我现在的工作流变成了：
- 网页语义层：AgentLimb 读 DOM 、找按钮、点 selector 、提取发布后的链接
- 系统 UI 层：AppleScript / System Events 处理文件选择器、上传下载弹窗和兜底点击
- 不再把 Codex Chrome Extension 当作常规路径
真实用下来，比较适合的场景包括：
- App Store Connect 后台里填写应用信息、确认页面状态
- 微博、公众号、小红书这类内容平台的发帖、回复、素材发布和运营记录
- 重复表单、后台录入、营销素材发布
- 需要真实登录态的网页 QA
我现在最喜欢的设计其实不是“AI 能点按钮”，而是 muscle 。
比如第一次去某个站点发帖，AI 需要探索入口、正文框、按钮、发布后链接在哪里。做通过一次以后，这些选择器、流程和注意事项会变成站点级记忆。下次再来，不需要完全从 0 开始。
这对 Codex / Claude Code 这种工具挺重要的：浏览器任务真正贵的地方，往往不是第一次能不能做完，而是第二次、第三次、第四次还要不要重复学习。
我也把它开源了，并且已经上架 Chrome Web Store 。现在就是免费给大家用，也希望更多人帮我测一下它在不同 AI 终端、不同 Chrome Profile 、不同网站上的边界。
GitHub： https://github.com/hooosberg/AgentLimb
Chrome Web Store： https://chromewebstore.google.com/detail/agentlimb/hldldfepjhljhbcneojddjkkodkjglof
目前它还很早期，我自己主要在 macOS + Chrome + Codex / Claude Code 的工作流里用。已知有些复杂富文本编辑器、文件上传、系统弹窗还是需要兜底方案，所以它不是一个“万能 RPA”，更像是给 AI 终端接上真实浏览器的一层轻量肢体。
如果你也在用 Codex / Claude Code / Cursor 做真实网页任务，欢迎试试。也欢迎直接在 GitHub 提 issue ，或者在这个帖子里告诉我：
你最希望 AI 不要每天重新摸索的网页流程是什么？
Select Language