BrowserOS

GitHub
10.4k 1k 非常简单 1 次阅读 今天AGPL-3.0插件Agent语言模型开发框架
AI 解读 由 AI 自动生成,仅供参考

BrowserOS 是一款开源的智能代理浏览器,旨在为用户提供 ChatGPT Atlas、Perplexity Comet 等商业产品的隐私优先替代方案。它基于 Chromium 内核构建,原生支持 AI 代理运行,让用户能通过自然语言指令直接操控浏览器完成导航、点击、数据提取等复杂任务,从而将繁琐的网页操作自动化。

这款工具核心解决了用户在享受 AI 便利时对数据隐私的担忧。用户可以选择使用自己的 API 密钥连接主流大模型,或通过 Ollama 在本地部署模型,确保所有数据仅在本地处理,绝不外传。此外,它还支持可视化工作流编排、定时自动任务以及跨应用文件协作,让 AI 不仅能“看”网页,还能与本地文件系统互动,生成研究报告或整理数据。

BrowserOS 非常适合注重隐私的技术爱好者、需要自动化工作流的开发者、研究人员以及希望提升效率的普通用户。其独特的技术亮点包括支持 MCP 协议(可被 Claude Code 等外部工具调用)、通过 SOUL.md 文件自定义 AI 人格与指令,以及内置的 LLM 对比中心,方便用户在同一页面横向评测不同模型的回复质量。无论是构建复杂的自动化脚本,还是作为日常智能助手,BrowserOS 都提供了一个透明、可控且强大的开放平台。

使用场景

某科技公司的市场分析师需要每日监控竞品动态,从多个新闻源和社交媒体抓取最新功能发布、用户反馈及定价策略,并整理成结构化报告存入团队知识库。

没有 BrowserOS 时

  • 分析师需手动打开十几个网页逐个浏览,耗时数小时且容易遗漏关键信息。
  • 复制粘贴数据到本地文档时格式混乱,后续清洗和整理耗费大量额外精力。
  • 无法实现自动化定时任务,一旦请假或忙碌,日报就会中断,导致团队信息滞后。
  • 使用云端 AI 工具处理敏感竞品数据时,存在数据泄露风险,不符合公司隐私合规要求。

使用 BrowserOS 后

  • 利用内置的 AI Agent 和可视化工作流,自动导航至指定站点,精准提取标题、时间及核心内容,全程无需人工干预。
  • 通过 Cowork 功能直接将抓取的数据按预设模板清洗,并自动保存为 Markdown 报告归档至本地项目文件夹。
  • 设置定时任务让代理每小时自动运行,确保无论节假日都能准时产出最新情报,实现真正的“自动驾驶”式调研。
  • 依托本地运行的 Ollama 模型或自有 API 密钥,所有数据处理均在本地完成,彻底杜绝了敏感商业信息外泄的风险。

BrowserOS 将繁琐的手工调研转化为安全、自动化的智能工作流,让分析师从重复劳动中解放出来,专注于高价值的策略洞察。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明(支持本地模型运行如 Ollama/LM Studio,具体显卡需求取决于所选模型)

内存

未说明(构建浏览器源码需较大内存,日常使用建议 8GB+)

依赖
notes1. 提供 macOS (.dmg), Windows (.exe), Linux (.AppImage, .deb) 的预编译安装包。2. 若仅使用云端模型(如 Claude, GPT-4),无需特殊硬件;若运行本地模型,需自行配置 Ollama 或 LM Studio。3. 若要参与浏览器内核开发(编译 Chromium),需要约 100GB 磁盘空间。4. 提供 CLI 工具 (browseros-cli) 用于终端控制。5. 核心架构包含 Chromium 分支(C++/Python)和代理平台(TypeScript/Go)。
python未说明(构建系统涉及 Python,但具体版本未指定)
Chromium (fork)
Bun
Go
Node.js
Ollama (可选)
LM Studio (可选)
BrowserOS hero image

快速开始

BrowserOS 是一个开源的 Chromium 分支,能够原生运行 AI 助手。它是 ChatGPT Atlas、Perplexity Comet 和 Dia 的隐私优先替代方案

您可以使用自己的 API 密钥,也可以通过 Ollama 运行本地模型。您的数据永远不会离开您的设备。

文档 · Discord · Slack · Twitter · 功能请求

快速入门

  1. 下载并安装 BrowserOS — macOS · Windows · Linux (AppImage) · Linux (Debian)
  2. 导入您的 Chrome 数据(可选)— 书签、密码、扩展程序均可迁移
  3. 连接您的 AI 提供商 — 通过 OAuth 连接 Claude、OpenAI、Gemini、ChatGPT Pro,或通过 Ollama/LM Studio 运行本地模型

特性

特性 描述 文档
AI 助手 53+ 种浏览器自动化工具 — 导航、点击、输入、提取数据,全部通过自然语言实现 指南
MCP 服务器 可从 Claude Code、Gemini CLI 或任何 MCP 客户端控制浏览器 设置
工作流 使用可视化图构建器创建可重复的浏览器自动化流程 文档
Cowork 将浏览器自动化与本地文件操作结合 — 网络调研,将报告保存到您的文件夹 文档
定时任务 让助手自动运行 — 每日、每小时或每隔几分钟 文档
记忆 对话间的持久化记忆 — 助手会记住上下文信息 文档
SOUL.md 在一个 Markdown 文件中定义 AI 的个性和指令 文档
LLM 中心 在任意页面上并排比较 Claude、ChatGPT 和 Gemini 的回答 文档
40+ 应用集成 Gmail、Slack、GitHub、Linear、Notion、Figma、Salesforce 等,通过 MCP 实现 文档
垂直标签页 侧边栏式标签管理 — 即使打开 100 多个标签页也能井然有序 文档
广告拦截 支持 uBlock Origin + Manifest V2 — 比 Chrome 高出 10 倍的防护能力 文档
云同步 在不同设备间同步浏览器配置和助手历史记录 文档
技能 自定义指令集,塑造 AI 助手的行为方式 文档
智能提示 根据上下文提供建议,帮助您在恰当的时候连接应用和使用功能 文档

演示

BrowserOS 助手实战

BrowserOS 助手实战

安装 BrowserOS 作为 MCP 并从 claude-code 控制它

https://github.com/user-attachments/assets/c725d6df-1a0d-40eb-a125-ea009bf664dc



使用 BrowserOS 进行聊天

https://github.com/user-attachments/assets/726803c5-8e36-420e-8694-c63a2607beca



使用 BrowserOS 抓取数据

https://github.com/user-attachments/assets/9f038216-bc24-4555-abf1-af2adcb7ebc0



安装 browseros-cli

使用 browseros-cli 可以从终端或像 Claude Code 这样的 AI 编程助手启动并控制 BrowserOS。

macOS / Linux:

curl -fsSL https://cdn.browseros.com/cli/install.sh | bash

Windows:

irm https://cdn.browseros.com/cli/install.ps1 | iex

安装完成后,运行 browseros-cli init 以将 CLI 连接到您正在运行的 BrowserOS 实例。

LLM 提供商

BrowserOS 可与任何 LLM 配合使用。您可以自带密钥、使用 OAuth,或在本地运行模型。

供应商 类型 认证
Kimi K2.5 云端(默认) 内置
ChatGPT Pro/Plus 云端 OAuth
GitHub Copilot 云端 OAuth
Qwen Code 云端 OAuth
Claude (Anthropic) 云端 API 密钥
GPT-4o / o3 (OpenAI) 云端 API 密钥
Gemini (Google) 云端 API 密钥
Azure OpenAI 云端 API 密钥
AWS Bedrock 云端 IAM 凭证
OpenRouter 云端 API 密钥
Ollama 本地 设置
LM Studio 本地 设置

我们如何比较

BrowserOS Chrome Brave Dia Comet Atlas
开源
AI 代理
MCP 服务器
可视化工作流
协作(文件 + 浏览器)
定时任务
使用自有密钥
本地模型(Ollama)
本地优先的隐私保护
广告拦截(MV2)

详细对比:

架构

BrowserOS 是一个单体仓库,包含两个主要子系统:浏览器(Chromium 分支)和代理平台(TypeScript/Go)。

BrowserOS/
├── packages/browseros/              # Chromium 分支 + 构建系统(Python)
│   ├── chromium_patches/            # 应用于 Chromium 源码的补丁
│   ├── build/                       # 构建 CLI 和模块
│   └── resources/                   # 图标、权限文件、签名
│
├── packages/browseros-agent/        # 代理平台(TypeScript/Go)
│   ├── apps/
│   │   ├── server/                  # MCP 服务器 + AI 代理循环(Bun)
│   │   ├── agent/                   # 浏览器扩展 UI(WXT + React)
│   │   ├── cli/                     # CLI 工具(Go)
│   │   ├── eval/                    # 基准测试框架
│   │   └── controller-ext/          # Chrome API 桥接扩展
│   │
│   └── packages/
│       ├── agent-sdk/               # Node.js SDK(npm:@browseros-ai/agent-sdk)
│       ├── cdp-protocol/            # CDP 类型绑定
│       └── shared/                  # 共享常量
包名 功能描述
packages/browseros Chromium 分支 — 补丁、构建系统、签名
apps/server Bun 服务器暴露 53+ 个 MCP 工具,并运行 AI 代理循环
apps/agent 浏览器扩展 — 新标签页、侧边栏聊天、引导流程、设置
apps/cli Go CLI — 通过终端或 AI 编程代理控制 BrowserOS
apps/eval 基准测试框架 — WebVoyager、Mind2Web 评估
agent-sdk 用于自然语言浏览器自动化的 Node.js SDK
cdp-protocol 类型安全的 Chrome DevTools 协议绑定

贡献

我们非常欢迎你的帮助,让 BrowserOS 更加完善!详情请参阅我们的贡献指南

代理开发(TypeScript/Go)— 请参阅代理单体仓库的 README以获取设置说明。

浏览器开发(C++/Python)— 需要约 100GB 的磁盘空间。请参阅packages/browseros以获取构建说明。

致谢

  • ungoogled-chromium — BrowserOS 使用了一些增强隐私的补丁。感谢该项目的所有贡献者!
  • Chromium 项目 — 作为 BrowserOS 的核心,使它的存在成为可能。

许可证

BrowserOS 是开源软件,采用AGPL-3.0 许可证

版权所有 © 2026 Felafax, Inc.

星标用户

感谢所有支持我们的人!

星标历史图

由旧金山用心打造

版本历史

browseros-server-v0.0.822026/04/08
agent-extension-v0.0.992026/04/08
browseros-server-v0.0.812026/04/03
browseros-cli-v0.2.22026/03/31
browseros-cli-v0.2.02026/03/27
agent-extension-v0.0.982026/03/27
browseros-cli-v0.1.12026/03/27
browseros-cli-v0.1.02026/03/26
agent-extension-v0.0.522026/03/26
agent-sdk-v0.0.72026/03/26
agent-sdk-v0.0.62026/03/26
v0.44.0.12026/03/21
v0.43.02026/03/12
v0.42.02026/03/09
v0.41.02026/03/04
v0.40.12026/02/17
v0.39.02026/02/03
v0.38.02026/01/28
v0.37.02026/01/21
v0.36.22026/01/10

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|6天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

151.9k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|2天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|3天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|6天前
插件开发框架