ego-lite 教學：ego browser 安裝與 Agent 瀏覽器自動化實戰，零搶焦點免重登入

ego-lite（又稱 ego-browser）是一款從底層專為「人類與 AI Agent 共存協同」打造的 Chromium 核心瀏覽器。它核心解決了傳統自動化工具搶佔前景焦點、缺少登入狀態（Session）與遇到驗證碼直接中斷的主要問題；透過獨立任務空間（Task Space）技術，Agent 可在背景安靜作業並直接沿用本機登入憑證，搭配雙向人機交接（Control Handoff）與精簡語意樹（snapshotText），將 LLM Token 成本降低 75% 以上，是企業落實無 API 系統自動化的關鍵基礎設施。

為什麼傳統瀏覽器自動化在 AI 時代寸步難行？

在企業推動流程自動化與 AI 商業落地的過程中，「瀏覽器上的日常操作」 往往佔據了基層員工 40% 以上的工作時間：登入各大電商後台抓報表、核對不同銀行的帳目金流、在社群平台發文維護，或是手動登入內部那套沒有開放 API 的舊型 Web ERP 系統。

然而，當企業嘗試導入傳統自動化或讓 AI Agent 接管瀏覽器時，立刻會遇到四大障礙：

1. 搶奪焦點（Focus Stealing）：許多桌面級 Agent 或 RPA 工具在點擊按鈕時，會強制把瀏覽器視窗彈到最上層、奪取滑鼠指標。使用者正在打字、開會或看簡報，畫面瞬間被搶走，根本無法「真人與 Agent 同時工作」。
2. 登入狀態斷層（Session Loss）：使用 Puppeteer 或 Playwright 啟動無頭瀏覽器（Headless Browser），每次開出來都是乾淨空白的新環境。要進入需要權限的系統，就必須在程式碼中寫死帳密；但現代系統普遍啟用了雙重驗證（2FA）與人機驗證（Cloudflare Turnstile / reCAPTCHA），無頭瀏覽器幾乎在第一步就全部失敗。
3. Token 消耗與執行延遲：將整個網頁的原始 HTML（Raw DOM）塞給大語言模型，動輒消耗數萬至十萬 Token，既昂貴又緩慢；若改成全視覺（Vision-based）截圖辨識，不僅每次呼叫成本高昂，還常因為解析度或縮放比例產生微小偏移，導致點擊落空。
4. 遇到阻礙就中斷，缺少順暢的交接機制：當 Agent 在自動化流程中遇到臨時的驗證碼、簡訊認證碼或付款確認時，缺乏成熟的人機交接協定，通常只能報錯超時或直接崩潰，需要工程師介入重啟。

ego-lite 正是為徹底解決這四大瓶頸而生的新型瀏覽器架構。

ego-lite 的核心架構：專為 Agent 與人類共存打造

ego-lite 不是單純的 Chrome 擴充套件，也不是普通的無頭瀏覽器包裝，而是從瀏覽器核心到 CLI 執行時專門設計的協同平台：

┌────────────────────────────────────────────────────────────┐
│                  使用者日常桌面作業環境 (前景視窗)             │
│   真人持續瀏覽網頁、編輯文件、視訊通話，完全不受干擾          │
└──────────────────────────────┬─────────────────────────────┘
                               │
            共享本機 Cookie / Session 登入態 (無須帳密)
                               │
┌──────────────────────────────▼─────────────────────────────┐
│                 ego-lite 獨立任務空間 (Task Space)          │
│                                                            │
│   ┌────────────────────────────────────────────────────┐   │
│   │  Agent 專屬背景工作分頁 (Tab #1, Tab #2...)         │   │
│   │  - 零滑鼠搶佔：虛擬指標與獨立事件派發              │   │
│   │  - 語意樹過濾 (snapshotText)：省 75%+ Token 成本   │   │
│   │  - 原生 Node.js CLI：支援精確 DOM / CDP / JS 運算  │   │
│   └─────────────────────────┬──────────────────────────┘   │
│                             │                              │
│              遇到 2FA / Captcha / 敏感確認                  │
│                             ▼                              │
│   ┌────────────────────────────────────────────────────┐   │
│   │  Control Handoff 雙向安全交接機制                  │   │
│   │  Agent 主動讓出控制權 ⇄ 人類完成後一鍵收回接續     │   │
│   └────────────────────────────────────────────────────┘   │
└────────────────────────────────────────────────────────────┘

1. Task Space（獨立任務空間）：背景作業與 Session 共享

在 ego-lite 中，AI Agent 所有的操作都在被稱為 Task Space 的獨立空間中進行。

• 視窗與分頁隔離：Agent 擁有自己的分頁生命週期，不會胡亂切換使用者正在閱讀的分頁，甚至可以完全在無前景彈窗的背景狀態下運作。
• 本機登入狀態無縫繼承：Task Space 預設直接共用使用者本機的 Cookie、Local Storage 與驗證 Session。也就是說，使用者平時只要在自己的瀏覽器登入過蝦皮、Facebook、Google 或內部系統，Agent 在 Task Space 開啟相同網址時，就已經處於登入狀態，省去所有繁複且危險的帳密儲存邏輯。

2. Control Handoff：嚴格單一持有權與人機優雅交接

人機協同最忌諱「雙方同時操作同一介面」。ego-lite 在底層建立了嚴謹的 Ownership 模型：

• 狀態鎖定：一個 Task Space 在任一瞬間，只能是 agent 持有、user 持有，或 agentDelegatedToUser 狀態。
• 主動交接（Hand Off）：當 Agent 遇到驗證碼、銀行 3D 驗證或關鍵業務確認點，它會主動呼叫 handOffTaskSpace()，暫停後續自動化腳本，並在畫面上提示使用者：「請協助完成圖形驗證碼」。
• 接手重啟（Take Over）：使用者在直覺的瀏覽器介面點擊驗證通過後，在 CLI 或控制面板點選「繼續（Continue）」，Agent 透過 takeOverTaskSpace() 重新取得控制權，緊接著執行原本的資料提取或填表，流程完全不中斷。
• 非預期奪回保護：若使用者手動點擊該分頁，系統會將控制權自動判定為使用者持有，Agent 的後續操作會自動暫停，絕對不會出現「Agent 跟你搶游標」的詭異現象。

3. snapshotText 語意樹：將 Token 消耗壓縮至極致

傳統爬蟲讓 LLM 閱讀數十萬位元組的 HTML，或者依賴截圖跑 Vision 模型，兩者都極其耗費成本。ego-lite 原生提供 snapshotText()：

• 透過 Chrome DevTools Protocol（CDP）的 Accessibility Tree（無障礙樹），抽取真正具備互動意義的節點。
• 輸出格式簡明精鍊，附帶編號如 [ref=18, loc=css:button.export-btn, text="匯出本日銷售報表"]。
• LLM 只需處理不到 2,000 字的精簡語意結構，就能精準呼叫 click('@18') 或 fillInput('@12', '2026-09-10')，Token 成本直接砍掉 75% 到 85%，且大幅縮短模型推論反應時間。

手把手教學：5 步驟掌握 ego-lite 自動化腳本

ego-lite 透過內建的 Node.js 執行時運作，支援標準 Heredoc 語法。以下以具體的實戰範例展示從安裝到指令呼叫的標準開發流程：

快速開始：macOS 與 Windows 安裝與 Profile 狀態匯入

在開始撰寫自動化腳本前，只需 2 分鐘完成基礎設定：

1. 下載與安裝：
   • macOS：至官方預覽頁下載專用安裝檔（.dmg，原生支援 Apple Silicon 與 Intel 架構），拖移至應用程式目錄。
   • Windows：下載 Windows 原生安裝檔（.exe，相容 Windows 10/11 x64 與 ARM64），預設安裝於 %LOCALAPPDATA%\Programs\ego-lite\，安裝完成後系統會自動將 ego-browser.exe 寫入使用者的環境變數 PATH。
2. 一鍵匯入 Chrome / Edge 狀態：初次啟動時勾選「Import Chrome Profile」（Windows 環境亦可選擇匯入 Microsoft Edge），將日常慣用的 Cookie、已登入帳號 Session 與書籤無縫同步，免去後續腳本中維護帳密與 2FA 痛點。
3. 驗證 CLI 與 Agent 技能配置：
   • 在終端機執行 ego-browser --version 即可確認命令列環境就緒。
   • 若搭配 Claude Code、Codex 或自建 Agent 框架，可直接透過 npx skills add citrolabs/ego-lite 或 npm install -g ego-browser 一鍵掛載命令工具鏈。

步驟 1：建立或重用專屬 Task Space

為了確保不同業務之間的乾淨隔離，每個自動化任務開頭都應宣告專屬的任務空間：

ego-browser nodejs <<'EOF'
// 建立或接續名為「每日電商對帳」的任務空間
const task = await useOrCreateTaskSpace('每日電商對帳');
cliLog('當前 Task Space ID: ' + task.id);
EOF

步驟 2：開啟目標網頁並取得精簡語意樹

在該空間內開啟目標頁面，並呼叫 snapshotText() 觀察頁面狀態，節省 Token 消耗：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('每日電商對帳');

// 開啟電商後台，等待網路閒置並自動繼承本機登入態
await openOrReuseTab('https://seller.example.com/reports', { wait: true, timeout: 20 });

// 提取無障礙語意樹，回傳給 AI Agent 進行下一步判斷
const tree = await snapshotText();
cliLog(tree);
EOF

步驟 3：精準選取元素並執行點擊與輸入

根據語意樹回傳的 @N 參考編號或語意定位器，進行模擬點擊與查詢：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('每日電商對帳');

// 點擊日期選單並填入查詢條件
await click('@24', { label: '展開日期選擇器' });
await fillInput('@31', '2026-09-01');
await fillInput('@32', '2026-09-10');

// 點擊查詢按鈕
await click('button.search-btn', { label: '執行報表搜尋' });
await waitForNetworkIdle();
EOF

步驟 4：遇到驗證關卡時觸發人機交接（Handoff）

若頁面跳出未預期的滑動驗證碼或二次認證，Agent 主動禮讓控制權：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('每日電商對帳');

// 檢查是否出現驗證碼對話框
const info = await pageInfo();
if (info.url.includes('captcha') || info.dialog) {
  cliLog('檢測到人機驗證，正在交接給真人處理...');
  // 將控制權讓渡給使用者
  await handOffTaskSpace(task.id);
} else {
  cliLog('無驗證阻擋，繼續執行。');
}
EOF

（此時使用者可在自己的螢幕上直接操作瀏覽器完成驗證。完成後在終端或控制介面按下確認，Agent 即可執行 takeOverTaskSpace(task.id) 繼續運作。）

步驟 5：完成任務、提取結果與資源釋放

任務結束後，完整釋放任務空間，維持系統環境乾淨：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('每日電商對帳');

// 提取已渲染的關鍵表格數據
const reportData = await js(String.raw`(() => {
  return [...document.querySelectorAll('table.summary tr')].map(r => 
    [...r.children].map(c => c.innerText.trim())
  );
})()`);

cliLog('提取結果: ' + JSON.stringify(reportData));

// 關閉並釋放該任務空間，不留背景殘留
await completeTaskSpace(task.id, { keep: false });
cliLog('任務完成，Task Space 已安全關閉。');
EOF

實戰範例：用 ego-lite + Agent 全面替代傳統爬蟲與網頁操作

過去企業維護爬蟲或自動化腳本，最痛苦的就是「寫了兩百行 XPath，網站一更新整組報廢」、「被 Cloudflare 或驗證碼擋死」、「無 API 系統只能找實習生手工點擊」。

透過 AI Agent + ego-lite 的全新作法，Agent 能以人類理解網頁的方式進行語意感知，以下展示四個最常見的商業實戰替換範例：

實戰 1：社群平台與大 V 輿情自動截流監控（替代脆弱的社交媒體爬蟲）

傳統爬蟲痛點：X（Twitter）、Threads 等社群平台設有嚴格的登入牆與動態載入防爬，官方 API 收費極其昂貴且限制多；非官方爬蟲經常因缺少登入 Session 或被偵測出無頭環境而遭封鎖。

ego-lite 實戰解法：Agent 繼承本機日常登入的帳號狀態，在背景 Task Space 定期查看目標意見領袖的最新貼文，動態捲動載入、過濾高互動關鍵字，並提取正文回填至內部資料庫：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('X平台輿情監控');

// 1. 開啟目標 KOL 個人主頁（自動帶有使用者本機登入 Cookie）
await openOrReuseTab('https://x.com/tech_leader/highlights', { wait: true });

// 2. 自動向下平滑滾動 3 次，等待動態推文載入完成
await scrollToBottomUntil(
  async () => (await js(String.raw`document.querySelectorAll('article[data-testid="tweet"]').length`)) >= 10,
  { step: 800, wait: 1.5, maxSteps: 5 }
);

// 3. 在瀏覽器端快速提取推文內容與互動數據
const tweets = await js(String.raw`(() => {
  const items = [...document.querySelectorAll('article[data-testid="tweet"]')];
  return items.slice(0, 5).map(el => ({
    text: el.querySelector('div[data-testid="tweetText"]')?.innerText || '',
    replyCount: el.querySelector('button[data-testid="reply"]')?.innerText || '0',
    retweetCount: el.querySelector('button[data-testid="retweet"]')?.innerText || '0',
    likeCount: el.querySelector('button[data-testid="like"]')?.innerText || '0',
  }));
})()`);

cliLog('最新熱門推文數據: ' + JSON.stringify(tweets, null, 2));

// 4. 清理並關閉任務空間
await completeTaskSpace(task.id, { keep: false });
EOF

優勢：完全不需逆向解密 X 的加密 Token，不佔用任何 API 額度，也不會把視窗彈到前景干擾使用者。

實戰 2：電商多賣場自動對帳與競品比價（替代複雜的反爬蟲電商抓取）

傳統爬蟲痛點：蝦皮（Shopee）、MOMO 等電商有嚴密的反爬指紋（Fingerprint）與驗證機制，Requests 或一般 Playwright 常被導向 Captcha；且登入賣家中心後台下載報表需要簡訊 2FA，傳統自動化完全束手無策。

ego-lite 實戰解法：Agent 結合「Session 繼承」與「Control Handoff」，先抓競品公開價格，再登入自營後台核對庫存，遇驗證碼主動交接：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('電商競品比價與庫存同步');

// 步驟 A：在公開商城搜尋競品同款關鍵字
await openOrReuseTab('https://shopee.tw/search?keyword=無線降噪耳機', { wait: true });

// 提取無障礙語意樹，Agent 快速解析前三名競品價格
const snapshot = await snapshotText();
cliLog('搜尋結果語意樹已提取，LLM 正在分析定價分佈...');

// 步驟 B：切換至自營賣家中心管理頁
await openOrReuseTab('https://seller.shopee.tw/portal/product/list', { wait: true });

// 檢查是否需要賣家中心二次身分認證
const page = await pageInfo();
if (page.url.includes('verify') || page.url.includes('login')) {
  cliLog('【注意】偵測到賣家後台二次驗證，將控制權交還真人操作...');
  await handOffTaskSpace(task.id);
  // 人類在日常視窗中點選簡訊 OTP 驗證完成後，按下 Continue 接續
}

// 步驟 C：驗證通過後，Agent 執行後續庫存欄位自動填寫
cliLog('登入態就緒，Agent 接續自動下載本日對帳 CSV 報表...');
await click('button.export-excel-btn', { label: '匯出本日對帳單' });
await completeTaskSpace(task.id, { keep: false });
EOF

優勢：打破了「公開頁面爬蟲」與「後台受保護操作」的界線，一套腳本打通全鏈路。

實戰 3：舊型內部 Web ERP / 報關網批次自動填表（替代手動人工輸入）

傳統爬蟲痛點：傳統工業、外貿與物流系統的 Web 介面老舊，沒有任何 OpenAPI / RESTful 介面。每個月成百上千筆報關單或訂單，只能由行政助理對著 Excel 逐筆複製、貼上、下拉選單選擇。

ego-lite 實戰解法：Agent 讀取本機已解析的訂單資料陣列，依序在背景 Task Space 內驅動 DOM 填報，並直接呼叫 uploadFile 上傳發票 PDF：

ego-browser nodejs <<'EOF'
const task = await useOrCreateTaskSpace('ERP單據自動填報');

await openOrReuseTab('https://erp.internal-corp.com/forms/create', { wait: true });

// 1. 模擬 Agent 取得結構化訂單資料
const orderData = {
  customerCode: 'CUST-2026-TW',
  category: '電子零組件',
  amount: '185000',
  pdfPath: '~/Documents/invoices/INV-20260910-01.pdf'
};

// 2. 透過語意選擇器精確填入各項欄位
await fillInput('input[name="customer_id"]', orderData.customerCode);
await click('select[name="product_type"]');
await click(`option[value="${orderData.category}"]`);
await fillInput('input[name="total_price"]', orderData.amount);

// 3. 直接上傳發票憑證 PDF 檔案
await uploadFile('input[type="file"].doc-upload', orderData.pdfPath);

// 4. 點擊暫存送審
await click('button#btn-save-draft', { label: '儲存草稿並送審' });
await waitForNetworkIdle();

// 5. 檢查是否有彈出警告對話框
const status = await pageInfo();
if (status.dialog) {
  cliLog('系統跳出確認對話框: ' + JSON.stringify(status.dialog));
  await cdp('Page.handleJavaScriptDialog', { accept: true });
}

cliLog('單據已成功建立並完成附件上傳！');
await completeTaskSpace(task.id, { keep: false });
EOF

優勢：將行政人員從無止盡的「複製貼上」中解放，錯誤率降為 0，且無需修改公司內部老舊 ERP 的原始碼。

實戰 4：企業 SSO 與高門檻 2FA 的優雅人機無縫切換（人在迴路實務）

傳統爬蟲痛點：現代企業資安要求極高，Google Workspace、Salesforce、Notion 或內部入口通常強制掛載 Okta、Azure AD SSO、甚至硬體金鑰（Passkey / YubiKey）。所有傳統自動化工具只要碰上 SSO 即刻癱瘓。

ego-lite 實戰解法：利用單一持有權狀態機（Ownership），讓真人與 Agent 達成默契配合：

  [Agent 執行自動化] 
         │
         ▼ 遇到 Okta / FIDO2 硬體金鑰 / 簡訊驗證碼
  [呼叫 handOffTaskSpace(id)] ──► 狀態轉為 agentDelegatedToUser
         │
         ▼ 使用者在熟悉的瀏覽器中插入安全金鑰或觸控 Touch ID
  [使用者完成驗證]
         │
         ▼ 使用者在 CLI / 儀表板點選「繼續」
  [呼叫 takeOverTaskSpace(id)] ──► 狀態轉回 agent
         │
         ▼
  [Agent 自動接續未完成的 50 步批次資料處理]

透過這種架構，企業既不需要為了做自動化而特地向資安部門申請「關閉 2FA」的特權後門，也不會讓敏感的登入憑證流落在自動化腳本或雲端伺服器上，真正兼顧了極致效率與軍規級資安標準。

爬蟲工程思維的根本翻轉：從「寫腳本維護」到「語意協同」

全方位工具比較矩陣

為了幫助企業技術主管與開發者清楚評估技術選型，我們將 ego-lite 與常見的瀏覽器自動化方案進行深度對比：

企業資安與權限防護最佳實踐

將 AI Agent 引入可存取日常登入狀態的瀏覽器時，企業資訊安全團隊必須落實以下三大治理原則：

1. 嚴格限制不可逆操作的自動化授權：針對涉及金流轉帳、採購結算、全域資料刪除等高風險動作，務必透過流程設定強制進行 handOffTaskSpace，要求真人雙重確認，絕不給予全自動執行權限。
2. 最小權限原則與 Task Space 隔離：每個獨立業務（如「訂單下載」與「社群發文」）應建立不同的 Task Space，避免跨任務共用相同分頁，任務執行完畢後立即執行 completeTaskSpace(id, { keep: false }) 銷毀任務實例。
3. 無硬編碼帳密與本機稽核：ego-lite 透過繼承已授權 Session 運作，完全不需要在腳本或資料庫中儲存明文密碼，有效防止外洩風險；同時建議將所有 CLI 的操作紀錄（cliLog）納入企業內部日誌監控體系，確保可追溯性。

結語：走向真正在背景發揮價值的 AI 數位勞動力

AI Agent 不該是炫技的展示品，更不該是每天把視窗搶來搶去、打斷人類思考的麻煩製造者。

ego-lite 所代表的核心哲學，是讓 AI 成為一個安靜、專業、懂得在關鍵時刻向人類請益的「數位副手」。 它讓企業員工在前端專注於思考與決策，而把背後無數重複、枯燥、瑣碎的網頁後台操作，交給在 Task Space 裡不知疲倦的 Agent。

若您的企業正苦惱於跨平台電商數據彙整、無 API 系統的串接難題，或是希望為團隊導入真正可實際用於商業流程的 AI 瀏覽器自動化方案，歡迎隨時與優創智能顧問團隊預約諮詢，共同打造最穩健的企業級自動化工作流。

相關推薦與延伸閱讀

• Codex 瀏覽器自動化教學：AI 操作 Chrome 抓蝦皮資料、自動填表與實戰指令：解析 Codex 如何操作 Chrome 瀏覽器實現無程式碼自動化！手把手掌握蝦皮與電商後台爬蟲、報表彙整與實用 Prompt 指令，附防封號避坑指南。涵蓋跨平
• Agent SDK 是什麼？OpenAI Agents SDK 核心架構與企業自動化指南：Agent SDK 是什麼？完整拆解 OpenAI Agents SDK 的四大核心組件（Agents、Handoffs、Guardrails、Sessions
• Claude Agent SDK 每月 $100 額度教學：Max 5x 政策解析與台灣企業導入指南：Anthropic Max 5x 使用者每月可領 $100 Claude Agent SDK 額度，不佔訂閱限制。了解政策細節與台灣企業的導入方式。本文說明這次