这篇文章探讨了当前基于大语言模型的浏览器代理因无状态设计导致的延迟问题，提出了一种使用自修复DOM映射的有状态代理方案。作者指出现有代理每次操作都需重新计算，造成不必要的模型推理开销和操作延迟。解决方案是让代理具备记忆能力，首次操作由大模型处理，后续相同操作则可瞬间完成，从而提升用户体验和效率。

标题：采用自修复DOM映射技术的有状态浏览器代理

当前大多数基于大语言模型（LLM）的浏览器代理存在响应延迟问题，因为它们每次执行任务时都从零开始处理。这就像用超级计算机反复计算2+2一样低效。为此，我们开发了名为Agent4的创新解决方案，它通过记忆用户操作流程来提升效率。

核心优势： 1. 首次执行任务时，Agent4会通过大模型分析页面元素 2. 将操作过程转化为可复用的工作流记忆 3. 后续执行相同任务时直接调用记忆，实现瞬时响应

实战测试： 在Excalidraw绘图挑战中，相比需要逐步推理的Comet浏览器，Agent4首次操作后就能像肌肉记忆般快速完成相同绘图任务。当页面元素发生变化时，系统会自动修复DOM映射，并将更新同步给所有用户。

技术原理： - 建立客户端DOM的检索增强生成（RAG）系统 - 通过向量数据库存储页面元素"地图" - 自动检测并修复失效的CSS选择器 - 实现"一人修复，百人受益"的自愈机制

体验邀请： 现提供Chrome扩展试用版（下载链接），并为早期用户提供专属技术支持。欢迎加入Discord社区参与讨论。

（注：原文中的图片链接和部分营销性表述已酌情删减，保留了核心技术原理和产品特点的完整说明）

总结评论内容如下：

1. 技术可行性质疑

   • 对"自修复"功能的实际效果表示怀疑，认为适用范围有限（仅CSS类名变更）。
     "self healing ONLY if the name of a CSS class changes...there are 9999 other things that can change" - tnolet
     "I'd like to know exactly what kind of data is extracted" - philo23

2. 隐私担忧

   • 共享DOM映射可能引发隐私问题。
     "caching DOM maps for all users would be a privacy nightmare" - arkmm
     "a giant step in the wrong direction" - ripped_britches

3. 产品使用问题

   • 用户反映扩展功能受限且操作不明确。
     "cannot figure out how to use the extension...no way to create new workflows" - rco8786
     "Is this able to load for anyone?" - brianjking

4. 技术改进建议

   • 提出通过脚本预处理页面的解决方案。
     "generate a script that interacts with the interesting parts of the page" - simpaticoder
   • 需要AI代理能实时验证代码效果。
     "allow the agent to interact with the app to check if it works" - bogdanoff_2

5. 开源需求

   • 用户倾向安装开源扩展以验证安全性。
     "only installing OSS browser extensions" - jadbox
   • 有用户分享类似开源项目实现方案。
     "Opensourced it just now...HTML -> Preset (via LLM)" - klntsky

6. 信任危机

   • 部分用户因评价来源对产品产生偏见。
     "reviewers seem to be Indian...makes me trust less" - jjangkke

7. DOM批判

   • 认为当前DOM模型已不可维护。
     "DOM is no longer maintainable" - neuroelectron

（注：所有评论均无评分数据）