Jev Ultrafast 架构解析:动态索引动作空间如何减少浏览器 Agent 延迟

浏览器Agent插件实战:自然语言控制浏览器的原理与落地 浏览器自动化通常依赖Selenium、Puppeteer等脚本工具,需要编写代码并维护选择器,页面一变脚本就容易失效。浏览器Agent插件通过大模型理解页面结构,将自然语言指令转化为点击、输入、提取等浏览器操作,降低了自动化门槛。其技术价值在于把页面快照、动作空间与多步循环控制结合,让非开发者也能定义网页任务流程。在数据采集、表单填写、重复性运营操作等场景中,这类方案能显著提升效率。本文围绕jev-ultrafast项目,拆解其快照精简、流式决策等提速机制,并给出从安装配置到调试排查的完整实操路径。 阅读详情

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。

参考资料

Hand-Eye 标定误差分析:从理论到 C++ 实现 本文深入探讨了机器人手眼标定中的核心环节——误差分析。文章从AX=XB方程的理论残差出发,详细解析了旋转与平移误差的数学定义与物理意义,并提供了一个工业级的C++实现代码,用于计算重投影误差。通过误差分析,工程师可以量化标定精度,诊断问题根源,从而确保视觉引导机器人系统在实际应用中的可靠性与精确性。 阅读详情

相关推荐

本地部署gradle

在部署CAS构建执行包时,如果按照CAS的官方命令gradlew clean build,如果系统没安装过gradle,这个步骤将会从网上下载gradle,但是进度非常慢,耗时很长。为了更快地完成项目构建,我们可以直接在本地部署好gradle,节省一点时间。

益添的博客 782

Jev 模型与两个示例项目解析学习记录

Jev 是 TypeSafe 提供的结构化决策模型,用于高效判断与决策。fast-jev-compaction 利用 Jev 判断 Claude Code 会话中工具调用及结果是否需保留,实现上下文压缩;jev-ultrafast 则通过 Jev 决定浏览器下一步操作。两者均不复现模型,而是封装 Jev API 调用范式:输入业务状态与预设问题,获取结构化答案与置信度,驱动本地逻辑。核心在于将开放式问题转化为可程序消费的决策输出,提升自动化效率。

weixin_45644347的博客 566

进程间通信的七种方法实战演示!值得收藏!

线程和进程间的通讯(Inter-Process Communication, IPC)是操作系统中的一个重要概念,用于实现不同进程或同一进程中的不同线程之间的数据交换和协调。以下是几个常见的进程间通信的方式:管道、消息队列、共享内存、信号、套接字、信号量、文件映射

十年饮冰,难凉热血,保持热爱,奔赴星海! 2816

浏览器 Agent 提速 10 倍的秘密:Browser Use 开源 jev-ultrafast,让决策模型接管“点哪里“

浏览器 Agent 慢,根源在于每一步小判断都在调用完整的大模型推理;Jev 是只输出"选项 + 概率"的决策模型,成本低、响应快,天然适合高频选择题;jev-ultrafast 把操作决策交给 Jev、文本填写交给生成模型,并通过合并请求、读取控件、可追溯检查界面、执行前校验等设计,把航班搜索压缩到约 7 秒;它不能替代通用大模型,但"判断与生成分离"的思路,值得所有做 Agent 的团队参考。本文为 JeecgBoot AI 专题研究系列文章。

JEECG官方博客 191

CentOS 7.9安装python3.11

CentOS 7.9安装python3.11

leafseelight的专栏 1343

CSR mascon产品深度解析

GRACE数据产品 mascon产品 质量变化 地球重力场

weixin_43047707的博客 4436

jev-ultrafast爆火!毫秒级AI浏览器自动化,云平台配置再也不用手动点

最近 GitHub 上有个叫 jev-ultrafast 的项目,上线没几天就收割了 2.1 万颗星。2.1 万颗星什么概念?这项目为啥这么火?因为它的思路简单粗暴。以前让 AI 操作浏览器,等于让一个博士生去按电梯——不是不会,是每按一层都要停下来思考五分钟,顺便给你写一篇论文论证"为什么该按这一层"。而 Jev 这哥们不一样,它专注做一件事:判断"下一步该点哪"。而且是毫秒级的判断。电梯门还没关,它已经把你送到 17 楼了。现代软件工程正在从"代码补全"走向"环境 + 凭据 + 服务"的整体自动化。

我是 二川兄,对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈!你可以在我的文章末尾找到我~ 218

从零到一:Admin.NET中Swagger与Knife4jUI的深度集成实践

本文详细介绍了在Admin.NET框架中深度集成Swagger与Knife4jUI的实践方法,从基础配置到高级定制,包括认证配置、安全增强、界面主题定制等。通过Furion框架简化配置,开发者可以快速构建专业且友好的API文档界面,提升团队协作效率。

defi6farmer的博客 409

Jev 到底是什么?它不是“会自己上网的 AI”,而是给网页 Agent 装了一个高速决策大脑

jev-ultrafast 是 Browser Use 团队开源的高效浏览器操作决策模型,非全能代理,而是专注于在有限可操作控件中高速判断下一步动作(如点击、输入、等待)。它通过“去噪”动作空间,将大模型从琐碎决策中解放,提升自动化效率与可靠性。系统分工明确:大模型负责理解与生成内容,Jev 专注结构化决策,Browser Use 协调流程,执行与校验保障安全。其核心价值在于以低延迟、高置信度完成高频小决策,推动 AI 自动化向生产级落地迈进。

王森的博客 712

CAN总线错误帧全解析:从数据包到硬件层的故障树分析

本文深入解析CAN总线错误帧的故障树分析方法,从数据包到硬件层全面剖析错误机制。通过物理层信号测试、数据链路层错误解码和应用层协议排查,提供系统化的诊断框架。结合CANoe配置和示波器波形分析,帮助工程师快速定位总线故障,提升系统可靠性。

weixin_26742753的博客 495

反激开关电源变压器设计实例讲解(定明芳)

内容来自《反激变压器的设计》(定明芳主讲)。 定名芳老师主要讲了10步,最后应该还有一步,线径的选择已经绕制方式。这里进行了记录整理,把一些公式来源进行了推导。所有的设计都是基于理论计算。 1.确定电源规格 2.确定工作频率和最大占空比 3.计算匝比(利用伏秒平衡原则) 此处插入解释一下伏秒平衡,根源是磁通量平衡。该原则可以用来检查MOS管耐压是否够。 4.计算初级线圈峰值电流 基于CCM模式计算的。ip1是开关管要关闭时的峰值电流,ip2是开关管开始导通时的起始电流。因为时CCM模式,所以,ip

ydgd118的博客 5万+

10行Python写出浏览器自动化Agent:jev-ultrafast库实战使用教程

**jev-ultrafast** 是目前速度最快、成本最低的开源**浏览器自动化 Agent** 库:给它一句自然语言目标,它就能自己看页面、选元素、执行点击和输入,在 Google Flights 上完成一次真实机票搜索仅需 **7.1 秒**。本文带你从零安装到实战,10 行 Python 代码就能跑起来。 [![jev-ultrafast浏览器自动化Agent在Google Flight

gitblog_01028的博客 422

ROM和RAM在单片机程序运行理解

ROM和RAM是电子设备中两种核心存储组件,主要区别在于:ROM用于长期存储系统程序、用户文件等固定数据,断电后数据不丢失,但写入速度较慢;RAM则用于临时存储运行中的程序和数据,读写速度快但断电后数据会清空。在单片机中,ROM存储程序代码和常量,RAM存储运行时的变量和数据。两者协同工作,ROM如同"永久档案库"保存必要信息,RAM则像"临时工作台"支持高速运算,共同确保设备正常运行。

qq_37999850的博客 1625

每日热评|Jev Ultrafast|浏览器Agent动态索引动作空间:7.1秒完成机票预订

传统浏览器 Agent 的经典瓶颈:页面观察→大模型自由文本思考→解析动作→执行。大模型大量算力消耗在生成自然语言思考文本,再由程序反向解析,**延迟高、容易产生选择器幻觉、稳定性差**。 Jev Ultrafast 提出全新范式:**模型做选择题,而非写作题**。

TunerT_TQ的博客 762

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

jev-ultrafast 深度解析:7 秒订机票的浏览器 Agent 是如何炼成的

jev-ultrafast 以7.073秒完成谷歌机票搜索,核心在于压缩决策、协议调用与上下文token。通过动态索引动作空间、单次推测性决策(TypeSafe fan-out)、原子DOM快照及执行守卫机制,将浏览器操作降至101次协议调用,实现“我即速度”。其高效源于对I/O瓶颈的精准优化,而非模型升级,揭示了浏览器Agent性能突破的关键路径。

玩转技术魔方,创造数字未来 286

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

浏览器Agent提速实战:动态索引动作空间与TypeSafe设计

浏览器自动化中,Agent常因动作空间爆炸、视觉理解开销大而响应缓慢。动态索引动作空间通过语义标签实时裁剪候选元素,将决策范围从数百个缩减至十几个,显著降低推理延迟;TypeSafe则利用类型系统在编译期约束动作参数,减少运行时错误与重试。两者结合,配合增量状态更新,能大幅提升执行效率与稳定性。该方案适用于RPA、自动化测试及AI操作网页等场景,为构建快速可靠的浏览器Agent提供了工程化路径。

weixin_29010003的博客 283

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

一个请求做出两个决策:jev-ultrafast中TypeSafe投机扇出(Fan-Out)机制拆解

jev-ultrafast 是一个追求"最快、最省"的**浏览器智能体(Web Agent)**。它的速度秘密藏在决策方式里:借助 TypeSafe 的**投机扇出(Speculative Fan-Out)**机制,一次网络请求就同时做出两个决策——"下一步做什么操作"和"这个操作应该作用在哪个元素上"。本文将带你读懂这套机制的设计思路、工作原理,以及它如何帮助智能体在 7.1 秒内完成 Goog

gitblog_00707的博客 966

浏览器Agent如何7秒订机票?动态索引与TypeSafe实战拆解

浏览器自动化与AI Agent结合,正从简单点击走向复杂业务闭环。其核心原理在于通过结构化输出与动作空间约束,降低模型推理负担,提升执行稳定性。技术价值在于将自由文本解析转为强类型校验,大幅减少长链路任务中的累积失败。在订票、表单填写等场景中,动态索引候选动作与TypeSafe schema能显著压缩响应时间。本文以jev-ultrafast为例,拆解其如何通过动态索引动作空间与类型安全设计,实现7秒订票的工程优化,并给出可复现的实操方案。

weixin_27605509的博客 281

浏览器协议调用暴降91%:jev-ultrafast 25%提速优化的完整复盘

🚀 **jev-ultrafast** 是一个主打“最快、最省”的**浏览器 Agent(Browser Agent)**:给它一个自然语言目标,它就能自己操作浏览器完成任务。这次复盘,我们完整拆解了它如何把 Google Flights 机票搜索任务从 9.45 秒压到 7.09 秒(提速 25%),同时把浏览器协议调用量从 1092 次暴降到 101 次(减少 91%)——这正是浏览器 Ag

gitblog_01159的博客 174

浏览器Agent提速10倍:jev-ultrafast索引决策机制与工程实践

浏览器自动化中,Agent的决策延迟往往是性能瓶颈。传统方案依赖视觉模型进行像素级坐标推理,单次决策动辄数秒。通过将页面可交互元素预编号为离散索引,让决策模型直接输出动作指令,可大幅降低推理复杂度。这种索引化决策机制将输出空间从连续坐标转为离散选择,配合指纹校验与菜单过滤,在保证准确率的同时实现数量级提速。适用于RPA、自动化测试、智能助手等需要程序自主操作浏览器的场景。本文深入拆解jev-ultrafast开源项目的核心设计,涵盖可交互元素预编号、决策契约设计、索引失效处理及完整实操调优,助你掌握浏览器A

weixin_33509600的博客 202

动态语义动作空间:轻量级浏览器Agent实现7.1秒机票预订

浏览器自动化本质是人机交互意图的精准映射,其核心挑战在于前端界面多变性与业务逻辑确定性之间的矛盾。传统XPath硬编码、OCR识别和大模型Agent方案分别受限于结构脆弱性、性能瓶颈与语义鸿沟。基于Chrome DevTools Protocol(CDP)构建的动态索引动作空间,通过实时DOM快照、多维语义特征提取(ARIA标签、父容器文本、CSS关键词)与任务驱动动作排序,实现‘观察-决策-执行’闭环。该技术无需深度学习模型,不依赖静态选择器,显著提升抗改版能力与端到端执行效率,适用于电商比价、金融申购、

weixin_42519772的博客 215

Jev Ultrafast 实战性能报告解读:一次真实 Google Flights 航班搜索如何在 12.884 秒内完成

本文基于 [performance-prepared.md](https://link.gitcode.com/i/e554cea03afea0a21c4b446cccd3a9cd) 及配套测量数据 [flights-prepared-measurement.json](https://link.gitcode.com/i/6fc4afdc0d0cf95c4e1470a081df00c2)、[me

gitblog_01195的博客 128

【人工智能专题】7 秒跑完谷歌航班搜索:browser-use 开源超快浏览器 Agent jev-ultrafast 深度拆解(附完整上手指南)

jev-ultrafast 通过摒弃截图与视觉模型,直接利用浏览器的 DOM/ARIA 结构实现高效决策,将单任务延迟降至7秒级、成本低至0.0039美元。其核心在于:动态可索引动作空间 + 投机多目标头设计——一次模型调用同时输出操作类型与目标分布,仅执行胜出分支,大幅减少网络往返。配合类型安全输出与文本缓存机制,实现快速、低成本、可复现的浏览器自动化。这是一次架构层面的突破,而非算法革新。

weixin_42260382的博客 310

浏览器Agent提速7秒:动态索引动作空间与TypeSafe实践

浏览器自动化中,AI Agent常因动作空间爆炸导致决策缓慢。动态索引动作空间通过可见性过滤、语义相关性筛选和历史去重,将候选动作从数百个压缩至十几个,大幅降低token消耗与推理时间。TypeSafe类型安全机制在动作执行前校验参数类型与前置条件,将错误拦截在发生步骤,避免多步流程崩溃。两者结合,使订机票等高频Web操作从数十秒缩短至7秒内,成功率提升至94%。该方案适用于流程固定、页面结构相对稳定的企业级自动化场景,如电商上架、报销提交等,为浏览器Agent性能优化提供了工程化新思路。

weixin_29015051的博客 289

动态索引动作空间:重构浏览器自动化的核心范式

浏览器自动化长期受限于静态选择器脆弱性和LLM视觉理解延迟,其本质是‘动作定义’与‘页面语义’的错配。动态索引动作空间通过实时DOM快照构建语义驱动的动作候选池,将用户意图(如select_departure_city)与具体操作解耦,依托文本匹配、位置相关性与交互可行性三重置信度评估实现高命中率执行。该技术显著提升抗改版能力与执行稳定性,适用于OTA比价、航司监控、政务填报等强交互、高变更率的真实业务场景,为Python轻量级浏览器Agent提供可解释、可调试、离线可用的新基建路径。

weixin_29061465的博客 220

浏览器Agent动态索引动作空间:7.1秒订机票的工程实践

浏览器自动化正从脚本时代迈向Agent时代,其核心挑战在于如何让模型在运行时高效理解页面并决策。动态索引动作空间通过可见性过滤、语义相关性过滤和任务阶段过滤三层机制,将候选动作从数百个压缩到个位数,显著降低决策延迟。这一技术不仅提升了浏览器Agent的响应速度,更在机票预订等复杂多步场景中展现出工程价值。Jev Ultrafast方案正是通过动态索引与分层决策架构,实现了7.1秒内完成动作闭环,为AI自主上网办事提供了可复现的实践路径。

weixin_30785057的博客 28
上一篇: Codex下载+本地部署实战
下一篇: RetroArch 1.22.2 是什么软件?主机、掌机和街机模拟器前端安装教程
Hello_Pyhx
博客等级 码龄5年 141粉丝 88原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值