BrowserOS
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
- Linux
- macOS
- Windows
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)
未说明(构建浏览器源码需较大内存,日常使用建议 8GB+)

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。
快速入门
- 下载并安装 BrowserOS — macOS · Windows · Linux (AppImage) · Linux (Debian)
- 导入您的 Chrome 数据(可选)— 书签、密码、扩展程序均可迁移
- 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
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:
- BrowserOS 与 Chrome DevTools MCP — 面向开发者的浏览器自动化对比
- BrowserOS 与 Claude Cowork — 利用 AI 完成实际工作
- BrowserOS 与 OpenClaw — 日常 AI 助手
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!
由旧金山用心打造
版本历史
browseros-server-v0.0.822026/04/08agent-extension-v0.0.992026/04/08browseros-server-v0.0.812026/04/03browseros-cli-v0.2.22026/03/31browseros-cli-v0.2.02026/03/27agent-extension-v0.0.982026/03/27browseros-cli-v0.1.12026/03/27browseros-cli-v0.1.02026/03/26agent-extension-v0.0.522026/03/26agent-sdk-v0.0.72026/03/26agent-sdk-v0.0.62026/03/26v0.44.0.12026/03/21v0.43.02026/03/12v0.42.02026/03/09v0.41.02026/03/04v0.40.12026/02/17v0.39.02026/02/03v0.38.02026/01/28v0.37.02026/01/21v0.36.22026/01/10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
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。
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
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。
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。
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

