开源 AI 浏览器智能体：与网页对话、自动化浏览器任务，并使用你选择的 LLM 运行多步骤工作流。
English · 中文 · Français · 文档 · 官网 · GPL-3.0-or-later
WebBrain 是一个浏览器扩展，在标签页旁的侧边栏中放入一个 AI 智能体。你可以就当前页面 向它提问，也可以交给它一项任务，让它自己点击、输入、导航完成。它运行在你选择的模型 上 —— 本地的 llama.cpp 或 Ollama 服务、前沿云端 API，或者完全无需配置的内置托管选项。
从 Chrome 应用商店、 Firefox 附加组件 或 Edge 加载项 安装。
或从源码加载
git clone https://github.com/webbrain-one/webbrain.gitChrome —— 打开 chrome://extensions/，启用开发者模式（右上角），点击
加载已解压的扩展程序，选择 webbrain/src/chrome 文件夹。
Firefox —— 打开 about:debugging#/runtime/this-firefox，点击临时载入附加组件，
选择 src/firefox/manifest.json。临时附加组件会在 Firefox 重启后被移除；永久安装需
通过 addons.mozilla.org 签名。
点击 WebBrain 图标打开侧边栏，然后输入例如：
- 「总结这个页面」
- 「找出所有关于定价的链接」
- 「在搜索框中填入 'AI agents' 并点击搜索」
- 「导航到 github.com 并查找热门仓库」
三种模式控制智能体被允许做什么：
| 模式 | 能做什么 |
|---|---|
| Ask | 只读。读取页面、回答问题、抓取 URL。 |
| Act | 点击、输入、导航、上传、下载、填写表单。 |
| Dev | 增加页面源码、样式、控制台、网络和可逆的页面编辑。 |
WebBrain Compass 1.0 是默认选项，无需 API 密钥或本地配置。
本地模型 同样无需 API 密钥。将 WebBrain 指向任意 OpenAI 兼容服务即可：
llama-server -m your-model.gguf --port 8080 # llama.cpp
ollama serve # Ollama → :11434/v1
vllm serve your-model --port 8000 # vLLM → :8000/v1
python -m sglang.launch_server --model-path your-model --port 30000LM Studio（:1234/v1）、Jan（:1337/v1）、LocalAI（:8080/v1）和 GPT4All
（:4891/v1）用法相同。通用的本地 OpenAI 兼容代理卡片也支持 CLIProxyAPI
等带认证的回环网关；请参阅安全代理配置。请加载
至少具有 16k 令牌上下文窗口的模型 —— 8k 仅在 Compact 层级下可用，4k 无法容纳
系统提示加工具 schema。WebBrain 会为 llama.cpp、Ollama 和 LM Studio 自动检测真实窗口，
并在对话接近上限时自动压缩。此外还有预览版的
ollama launch webbrain --model <model> 交接。详见
提供商与模型。
云端 API —— OpenAI、Anthropic Claude、Google Gemini、Azure OpenAI、AWS Bedrock、 Mistral、DeepSeek、xAI Grok、MiniMax、Kimi、通义千问、z.ai GLM、Groq、Together、 Cloudflare、Nvidia NIM、Hugging Face、Fireworks、OpenRouter 等。设置中内置 Chromium 上有 106 张提供商卡片（Firefox 上有 105 张），其中包括无需端点的 本地 WebGPU 选项 —— 参见 完整目录。
- 读取任意页面 —— 文本、链接、表单、表格、PDF 和交互元素，基于可访问性树而非 脆弱的选择器
- 对页面执行操作 —— 点击、输入、滚动、导航、上传、下载和校验表单，在有实质影响的 操作前按站点弹出权限提示
- Act 前规划 —— Act 与 Dev 可生成结构化计划，展示给你审批，并在任何工具运行前将 已批准的计划固定到草稿板
- 多步骤智能体 —— 自主的工具调用循环，最多可配置 195 步（默认 130），达到上限时 提供「继续」按钮
- 已保存的工作流 —— 将一次成功的运行变成可复用、不含具体值的工作流，可重跑、导出 和分享
- 计划任务与监视 ——
/schedule安排稍后执行，/watch轮询页面并在条件满足时行动 - 技能 —— 只在相关时才加载的可信指令与工具
- 智能上下文 —— 令牌感知的自动压缩、工具结果限制以及紧急溢出恢复
- 按标签页对话 —— 每个标签页拥有独立历史；可选的本地用户记忆保存你陈述的偏好
- 以阅读为先的侧边栏 —— 流式 Ask 回复、在回复增长时保持问题可见的浮动控件、复制 按钮、页面检查横幅，以及运行中随时可用的停止按钮
- 默认确定性 —— 浏览器控制决策使用温度
0.15，Ask 使用0.3，视觉截图描述使用0
WebBrain 将层级与模式分开。层级（compact、mid、full）是按提供商设置的，
控制模型可见的工具数量 —— Compact 适合小型本地模型，Full 解锁 hover、drag-drop、
frames 和 shadow DOM。模式（ask、act、dev）控制用户允许的任务类型。
完整的「工具 × 层级」矩阵、WebMCP 说明和 Dev 模式诊断见 智能体工具。
在面板中输入 /help 查看完整签名与参数。最常用的几个：
| 命令 | 作用 |
|---|---|
/ask · /act · /dev · /plan |
发送前切换模式 |
/schedule [提示词] |
创建计划任务 |
/watch [--keep] [--secs <30-120>] [--long | --short] <条件与动作> [/beep] |
轮询当前页面，在条件满足时行动 |
/workflow --save <名称> |
将上一次成功的运行编译为可复用的工作流 |
/memory --add <文本> |
保存一条用户偏好 |
/screenshot [--full-page] |
捕获标签页，或完整可滚动页面 |
/record [--transcribe] |
录制当前标签页，可选保存转录 |
/export [--traces | --config] |
下载对话、工具链或设置快照 |
/compact · /reset · /verbose |
压缩上下文、清除对话、切换工具详情 |
/allow-api |
按对话的覆盖，允许 fetch_url 在 UI 失败时执行变更操作 |
/watch 会立即执行第一次检查，之后每 60 秒轮询一次（--secs 接受 30–120）。诸如
「当出现新提交时」这类相对条件会在第一次检查时建立基线；--keep 会让监视持续运行，
并抑制同一稳定事件键的重复提示音。
完整参考（包括 /dangerously-skip-permissions 和运行捕获后缀）见
斜杠命令。
Chrome 侧边面板快捷键在 WebBrain 侧边面板获得焦点时生效。
| 快捷键 | 作用 |
|---|---|
Ctrl+/ 或 Cmd+/ |
聚焦输入框 |
Ctrl+Shift+A 或 Cmd+Shift+A |
切换到 Ask 模式 |
Ctrl+Shift+X 或 Cmd+Shift+X |
切换到 Act 模式 |
Ctrl+Shift+D 或 Cmd+Shift+D |
切换到 Dev 模式 |
Escape |
停止当前运行，除非它只是关闭斜杠命令自动补全 |
Escape 两次 |
从 WebBrain 或浏览器页面停止当前录制 |
| 架构 | 系统概览、轮次流程、子系统 |
| 智能体工具 | 层级、模式与完整工具矩阵 |
| 斜杠命令 | 所有命令与参数 |
| 提供商与模型 | Chromium 106 张、Firefox 105 张提供商卡片，本地配置、层级 |
| 技能 | 内置技能、导入、技能工具 |
| 安全模型 | 权限、凭证、信任边界 |
| 提示注入防御 | 防御层级与已知缺口 |
| 隐私与数据流 | 什么会离开浏览器，什么不会 |
| 可访问性树与引用 | 页面如何被读取和定位 |
| 站点适配器 | 按站点的引导 |
| 导出与工作流格式 | webbrain-config/1、webbrain-workflow/1（英文） |
| 添加工具 · 本地化 · 测试场景 | 贡献者指南 |
src/chrome/ Manifest V3 构建 —— service worker、chrome.scripting、sidePanel
src/firefox/ Manifest V2 构建 —— 背景页、executeScript、sidebar_action
docs/ 设计与参考文档（en、zh-CN、fr）
lmstudio-plugin/ 作为独立 LM Studio 插件的 fetch_url + research_url
web/ 官网与文档站点
test/ Node 测试套件、LLM 场景基准、安全语料
两个构建之间几乎所有智能体代码都是共享的。差异之处见 架构。
Firefox 明显弱于 Chrome。 Firefox 没有通过 chrome.debugger 提供的 Chrome
DevTools Protocol 等价物，因此 Firefox 构建没有 shadow-DOM 穿透、没有真正可信的鼠标
事件（某些 React/Vue 处理器不会触发）、没有封闭 shadow root 遍历、没有
resolveSelector 重试预算、没有 SPA 导航感知的重试，也没有 CDP 截图（改用
tabs.captureVisibleTab，仅对活动标签页有效）。站点适配器、视觉检测、循环检测、
自动截图循环以及 Compact 提示/工具集确实已镜像到 Firefox。某些单页应用在客户端
导航后也可能不会触发内容脚本重新注入。
请参阅 CONTRIBUTING.md。添加工具请遵循
添加工具 中的检查清单。添加提供商请继承
BaseLLMProvider，实现 chat()（可选实现 chatStream()），并在
providers/manager.js 中注册 —— 两处改动都需要同时镜像到 src/chrome/ 和
src/firefox/。所有提供商都归一化为 { content, toolCalls, usage }；详见
提供商与模型。
近期变更见 CHANGELOG.md。
fetch_url 和 research_url 也作为独立的 LM Studio 插件提供，
位于 webbrain/web-tools，面向希望在
LM Studio 聊天中使用网页抓取工具、又不想运行完整浏览器扩展的用户。纯 Node，无需
无头浏览器。
lms clone webbrain/web-tools源代码：lmstudio-plugin/。
@software{webbrain2026,
author = {Sokullu, Emre},
title = {WebBrain: 开源 AI 浏览器智能体，用于与网页对话},
year = {2026},
publisher = {GitHub},
url = {https://github.com/webbrain-one/webbrain}
}WebBrain 33.0.0 及更高版本采用 GPL-3.0-or-later 许可证，因为发布的 浏览器扩展捆绑并集成了采用 GPL 许可证的 Xapian/libzim WebAssembly 运行时。 33.0.0 之前发布的版本仍采用其发布时适用的 MIT 许可证；历史许可证文本保存在 LICENSES/MIT.txt。
由 Emre Sokullu 构建。