开源Jev Ultrafast：基于Jev的超高速浏览器智能体
内容提要
Browser Use团队推出Jev Ultrafast超高速浏览器智能体，放弃传统截图模式，改用JavaScript提取网页DOM控件生成动态索引表，将操作预测与目标选择合并为单次网络请求，仅输入文本时调用小型模型。在谷歌机票搜索任务中仅用7.1秒，协议调用从1092次降至101次，单次成本约0.0039美元。安全方面，模型输出不生成选择器或代码，但阴影根节点、画布等仍是盲区。
延伸解读
效率提升的关键：从截图到结构化索引
Jev Ultrafast 放弃传统截图模式，改用 JavaScript 提取网页 DOM 控件生成动态索引表，仅将精简文本发送给决策系统。这大幅降低了数据传输量和计算延迟，使谷歌机票搜索任务仅用 7.1 秒完成，协议调用从 1092 次降至 101 次。这种结构化方法避免了视觉模型在复杂布局中的误判，为高速网页自动化提供了新思路。
安全边界：架构内置的约束
Jev Ultrafast 的安全边界并非事后附加，而是源于模型输出空间的有限性。模型只能从预定义的选项集合中选择动作和目标编号，无法生成 CSS 选择器、坐标或可执行代码。执行器在操作前会重新检查页面新鲜度和点击遮挡，文本助手输出也需解析为 JSON 才能输入。这种设计从根本上限制了模型产生意外行为的可能性。
已知盲区与人工复核的必要性
尽管在常规网页上表现优异，Jev Ultrafast 仍无法处理阴影根节点、嵌入式框架、画布、文件上传等复杂组件。其 DOM 读取器仅覆盖常见 HTML 和 ARIA 控件，不完整支持可访问名称规范。因此，在关键任务如机票搜索后，仍需人工独立验证结果。这些限制已被明确记录，提醒用户在实际部署时需考虑其适用范围。
成本优势与规模化应用潜力
Jev Ultrafast 单次任务成本约 0.0039 美元，中位协议调用从 1092 次降至 101 次。对于单个任务，成本微不足道，但在需要大规模浏览器自动化的场景中，这种成本曲线差异将显著放大。效率提升和成本降低使其在批量处理、重复性网页操作等场景中具备应用潜力，但需权衡其已知盲区带来的限制。
Q&A
Jev Ultrafast 是什么？它和传统浏览器自动化有什么不同？
Jev Ultrafast 是 Browser Use 团队推出的超高速浏览器智能体，基于 TypeSafe 框架 Jev。它抛弃了传统视觉截图模式，改用 JavaScript 实时提取网页 DOM 控件生成动态索引表，将操作预测与目标选择合并为单次网络请求，仅在输入文本时调用小型语言模型，从而大幅提升效率。
Jev Ultrafast 在谷歌机票搜索任务中的性能表现如何？
在谷歌机票搜索任务中，Jev Ultrafast 仅用 7.1 秒完成全流程搜索，将浏览器底层协议调用次数从 1092 次降至 101 次，单次任务成本约 0.0039 美元。
Jev Ultrafast 如何实现单次网络请求完成操作预测与目标选择？
它通过动态索引动作空间，将原本需要多次交互的步骤压缩成一次网络往返。模型同时输出动作类型和对应的目标编号，并行计算点击、输入、滚动等所有可能操作的概率，使动作指令和目标选择在同一瞬间锁定。仅当操作是输入文字时，才调用小型语言模型生成具体文本。
Jev Ultrafast 在安全方面有哪些设计？
Jev Ultrafast 有一条严格的安全边界：模型输出永远不会变成 CSS 选择器、坐标、shell 命令或可执行 JavaScript。每个被执行的目标都从已观测到的 DOM 节点解析而来，执行器在操作前会重新检查页面新鲜度和点击遮挡。因为模型输出空间是有限选项集合，模型无法产生选择器字符串。文本助手的输出必须解析为小 JSON 对象才能输入，解析失败则不输入。
Jev Ultrafast 目前有哪些已知的盲区或限制？
Jev Ultrafast 的 DOM 读取器处理常见的 HTML 和 ARIA 控件，但不覆盖完整的可访问名称规范。Shadow roots、frames、canvas、文件上传、弹出标签页、嵌套滚动和任意键盘控件都在 MVP 范围之外。这些限制是已知且有文档记录的。此外，完成任务后仍需人工对搜索结果进行独立验证。
Jev Ultrafast 相比传统截图代理和无障碍树方案有什么优势？
传统截图代理通过坐标点击，暴露在图形表面上，像素在预处理中会被不可逆改变，精确元素定位困难。无障碍树方案中快照引用会在几秒内过期，且 shadow DOM 内容不在无障碍树里。Jev Ultrafast 直接读取 DOM 控件生成动态索引表，只发送精简文本，数据传输量缩小成百上千倍，且输出空间有限，安全性更高。
