浏览器操作的类人化 —— Agent 获取信息的基础前提

[0959linger]

v2.1.0-beta.1 的统一浏览器很赞，identity: user + Chrome 扩展这个方向是对的。控制面和执行面分离的架构也打好了。

但 Agent 真的上网帮人做事的时候，卡在一个很基础的地方：

反爬越来越激进。现在真人在正常浏览，只要效率高一点都会触发验证码。 我自己手动翻网页经常被拦。让 Agent 代替我操作——点击精准到像素、操作间隔像节拍器、鼠标直线瞬移、从不犯错——WAF 和 CDN 一秒就能判断「这不是人」。

这不是爬数据的问题。连网页都打不开，Agent 的信息获取能力就是零。 不管你 Agent 多聪明，连目标页面都加载不出来，一切免谈。

---

人机协作讨论

这几天我和我的管家折墨一直在聊这个问题。她帮我梳理了反爬的检测层级，我们逐层对了 v2.1.0-beta.1 能解决什么、解决不了什么。结论是：统一浏览器把「浏览器环境检测」和「设备指纹检测」两层修好了，但「行为分析」这层完全空白。

然后我们聊到一个有意思的点——人类和机器人最大的区别，不是效率高低，是效率不完美。

真人操作浏览器的过程里充满了"废动作"：

• 想点按钮时，鼠标会先向下漂一点再走。 不是故意的，是手臂肌肉发力前有个预张力释放，神经-肌肉唤醒阶段的副作用。机器人没肌肉，当然没有。
• 滚动不是匀速的。 快速翻一遍、觉得漏了什么又回滚一段、找到内容后停下来多看两秒。这一系列操作里有一半是在"反悔"和"犹豫"。
• 光标会停在毫无意义的空白区域几百毫秒。 因为人在看别的地方。眼睛和手不同步。
• 偶尔 hover 一个按钮，看一眼，发现不是自己要点的，撤了。 什么都没发生，但留下了一段轨迹。
• 打字的时候突然卡住，因为脑子里在想下一句。 这个停顿没有规律，不是计时器能做到的。

这些废动作对完成任务毫无帮助，甚至是负效率。但恰恰是这些"没用的事"，让人类操作看起来像人类。

折墨给这个方向起了个名字叫「钝化」——不是让机器人变慢，而是让机器人变"不完美"。在正确操作的序列里撒一把冗余，而且每次撒得不一样。

---

架构上刚好能接

#6276 的执行面/控制面分离天然适合做这件事。Agent 在执行面写干净的 page.locator("button").click()，控制面透明地注入：

做什么	为什么像人
鼠标走贝塞尔曲线	人不会画直线
叠加 8-12Hz 微颤	人手有生理震颤
移动前先微漂 2-8px	肌肉预张力释放
点击位置有微小偏移	人从不点同一个像素
操作间隔服从长尾分布	偶尔会停顿（想事情、看手机）
偶尔 hover 不点就移走	"先确认一下"的本能
滚动后偶尔回退	"刚才好像看漏了"

Agent 完全不用管这些，控制面静默完成。就像戴一层"人类滤镜"。

---

不只是反爬的事

• 比价、购物、预约 — Agent 操作太快会被网站弹"检测到异常行为"
• 演示和录屏 — 丝滑光标移动看起来专业
• 让人类用户安心 — 看着 Agent 操作，如果光标瞬移会让人不安，类人移动更舒服

---

建议方案

一个轻量 HumanizeConfig 挂到控制面上，默认开：

# 示意，不是 API 定稿
HumanizeConfig(
    mouse_profile="relaxed",   # 或 "efficient"、"casual"
    tremor=True,
    reading_pause=(800, 3500), # ms
    hover_noise=0.08,          # 8% 概率虚晃一枪
)

不需要验证码识别，不需要 IP 轮转。就是把最基础的类人运动和控制节奏补上，让统一浏览器在真实互联网里真的能用。

---

为什么现在提

控制面/执行面刚分离，这时候不加以后再补就得重穿。现在加，是架构的自然延伸。

---

🤖❤️ 人机协作讨论成果，欢迎聊聊第一轮做什么、哪些先放放 🙏