浏览器 Agent 常见的性能瓶颈,不只是模型推理慢。如果每一步都要重新读取大量页面状态、让模型自由生成动作,再通过浏览器协议反复查找和校验节点,一个看似简单的表单任务也会累积出明显延迟。
Jev Ultrafast 的思路是把问题收紧:先将当前页面整理成动态的、带索引的动作空间,然后让模型在有限候选项中选择“做什么”和“对谁做”。它是一个早期 MVP,但很适合用来理解结构化状态、有界执行和浏览器通信之间的关系。
图 1 是项目官方演示的开始画面:单次任务要在 Google Flights 中设置单程、出发地、目的地和日期,再打开结果页。

1. 核心改变:从生成动作转向选择动作
Jev Ultrafast 每次观察页面时,会将当前可见、可交互的控件整理为元素表。输入框、按钮和下拉选项都有索引,并且只会出现与它们兼容的操作。
当前操作类型包括 CLICK、TYPE_TEXT、SELECT、SCROLL_UP、SCROLL_DOWN、WAIT、DONE 和 BLOCKED。模型一次请求同时回答操作类型和各类操作的目标候选,执行器只会消费已选操作对应的目标。选中 CLICK 时,未被选中的输入目标不会进入执行阶段。
完整链路可以简化为:
当前页面
↓ 原子化 DOM 快照
可见元素表 + 兼容动作
↓ 一次 TypeSafe 决策
操作类型 + 对应目标
↓ 新鲜度、位置和遮挡检查
浏览器执行
如果选中 TYPE_TEXT,系统才额外调用一个兼容 OpenAI API 的文本模型,根据任务、字段信息和最近动作生成字段值。返回内容必须通过小型 JSON 结构校验,否则不会输入到页面中。
2. 它为什么能减少等待
2.1 默认 Agent 循环不使用截图
Jev Ultrafast 默认消费结构化页面状态,不把截图送入 Agent 循环。它会在一次浏览器调用中读取常见 HTML/ARIA 控件的名称、值和可用操作,不可见的大段正文和页脚也不会全部进入模型上下文。
2.2 不因每一次 DOM 变动都重新决策
动画、联想框和异步内容会让 DOM 持续变化。项目对自动补全使用有上限的短等待,其他交互最多等待两个动画帧或 50 毫秒。这与“页面一动就全部重来”是两种不同的处理方式。
图 2 截取了日期选择过程。右侧任务列表显示出发地和目的地已完成,Agent 正在处理下一个可执行目标。

2.3 执行前仍然保留防护
动作空间变小,不等于盲目执行。项目会检查页面快照是否过期,在点击前重新解析当前几何位置,并拒绝操作已被遮挡的控件。模型输出不会直接变成 CSS 选择器、坐标、Shell 命令或可执行 JavaScript;目标最终仍需解析到观察过的 DOM 节点。
3. 7.1 秒演示的测量口径
官方演示任务是在 Google Flights 中搜索从苏黎世到伦敦、2026 年 9 月 20 日的单程经济舱,直到符合条件的航班列表可见。它不选择具体航班,也不执行订票。
录制运行的完成时间是 7.073 秒。在官方公开的 3 组交替对照中,原始版本与优化版本都通过了 3/3 的独立结果检查;中位耗时从 9.450 秒降为 7.092 秒,中位浏览器协议调用从 1092 次降为 101 次。
图 3 是官方视频结束前的结果页。右侧显示 Flights found 和 Route + date verified,这是该次录制中的校验结果,不代表本文进行了独立复测。

这组数据的边界同样重要:只有 3 对运行,只覆盖 1 个真实网站任务,Google、网络、路由和缓存仍在实时变化。它支持“这次优化在该任务中减少了耗时和协议调用”,不支持“所有浏览器 Agent 都能提速 25%”这种泛化结论。
4. 本地运行条件与步骤
项目元数据中的版本号为 0.1.0,需要 Python 3.12 或更高版本。默认演示还需要 Chrome、uv、TypeSafe API 密钥,以及用于 TYPE_TEXT 的文本模型密钥。API 调用可能产生费用。
4.1 克隆并安装依赖
git clone https://github.com/browser-use/jev-ultrafast.git
cd jev-ultrafast
uv sync
4.2 创建环境配置
macOS/Linux:
cp .env.example .env
Windows PowerShell:
Copy-Item .env.example .env
.env 至少要填写:
TYPESAFE_API_KEY=
TEXT_MODEL_API_KEY=
示例配置使用 OpenRouter 上的 inception/mercury-2.5,并关闭推理模式。项目也说明,Gemini、GLM 和 DeepSeek 可通过相应的 OpenAI 兼容配置使用。
4.3 启动本地检查器
uv run jev
打开 http://127.0.0.1:8766,可查看元素索引、操作概率、目标概率和实际执行记录。Chrome 通过 Browser Harness 连接;如果连接异常,可先运行:
uv run browser-harness --doctor
并在 Chrome 提示时允许远程调试。由于它可以连接现有 Chrome 配置,在已登录账号的浏览器中运行时,应将其视为真正具有页面操作能力的自动化程序。
5. 作为 Python 库调用
除了本地演示界面,项目也导出了 Agent。下面的示例来自官方 README:
from jev_ultrafast import Agent
with Agent(
"https://www.google.com/travel/flights?hl=en",
"Find one-way flights from Zurich to London on September 20, 2026, "
"for one adult in economy. Stop when matching flight options are visible.",
) as agent:
for state in agent.run():
print(state["elapsed_ms"], state["status"])
运行命令:
uv run --env-file .env python your_script.py
代码中的 DONE 只是模型做出的完成选择,不是独立结果证明。要把这类 Agent 用于真实业务,还需要在任务外层增加结果校验、权限边界和错误处理。
6. 当前限制
Jev Ultrafast 现在主要处理常见 HTML 和 ARIA 控件,尚未完整实现 accessible name 算法。以下情况仍在这个 MVP 的支持范围之外:
- Shadow DOM 和 iframe。
- Canvas 交互。
- 文件上传。
- 弹出的新标签页。
- 嵌套滚动区域。
- 任意键盘小部件。
这些限制决定了它更适合架构学习、原型验证和受控任务,而不是不加改造地接管复杂生产流程。
7. 结论
Jev Ultrafast 最值得参考的,不是一个单独的 7.1 秒数字,而是它对 Agent 权限的处理:模型负责从结构化候选中做决策,执行器只对已观察和重新校验的元素动手。
这种“减少自由度,换取速度和可验证性”的思路,对浏览器 Agent 以外的工具调用系统也有参考价值。
782



被折叠的 条评论
为什么被折叠?



