换图标应用隐藏
130.52M · 2026-04-16
这是「一天一个开源项目」系列的第 74 篇文章。今天介绍的项目是 OpenCLI（GitHub）。
让 AI Agent 操作浏览器，目前主流方案是每次都让 LLM 实时理解页面 DOM 或截图，再决定怎么点击。这种方式有两个根本问题：每次执行都要消耗大量 token，且结果不稳定——同一个操作，模型可能今天成功、明天因为页面微小变动就失败。
OpenCLI 的思路完全不同：先生成，后执行。用 AI 一次性为某个网站生成一个确定性的 CLI Adapter，之后每次执行这个 Adapter 时，完全不需要调用 LLM——成本是零，稳定性是 100%。
更关键的是，OpenCLI 通过 Chrome Extension 复用用户已登录的真实 Chrome 会话，账号凭证永远不会暴露给外部系统。
15.6k Stars，来自 Apache Arrow/DataFusion PMC 成员 jackwener 的作品，是目前 AI Agent 工具链基础设施赛道最值得关注的开源项目之一。
OpenCLI 的完整定位是：将网站、浏览器会话、Electron 应用和本地工具转化为确定性 CLI 接口，同时服务于人类用户和 AI Agent。
这句话包含了三个关键词：
项目的哲学来自数据库领域的核心思想——查询优化：在编译期（查询规划）消耗算力做最优决策，运行期（查询执行）按计划高效执行，不在运行时再做昂贵决策。OpenCLI 将这个思路迁移到 Web 自动化领域。
jackwener 是资深数据库 / 基础设施工程师，OpenCLI 是他跨界 AI Agent 工具链的代表作，其系统设计思维明显受数据库领域影响——「确定性执行」「一次编译多次运行」都是典型的数据库优化思想。
当前 AI Agent 与 Web 交互面临两个根本矛盾：
问题一：运行时成本
传统方案（Browser Use / Stagehand 等）：
任务执行 → LLM 分析 DOM → LLM 决策点击位置 → LLM 验证结果 → LLM...
每次执行消耗大量 token，100 次执行 = 100 次 LLM 调用
OpenCLI 方案：
[一次] 生成 Adapter（消耗 LLM）→ 写入 .js 文件
[多次] 执行 Adapter（零 LLM，纯 JS 确定性执行）
100 次执行 = 1 次 LLM 调用
问题二：账号安全
传统爬虫 / 自动化方案：
浏览器控制程序需要 Cookie / 密码 → 凭证暴露给代码 → 安全风险
OpenCLI 方案：
Browser Bridge Extension 连接用户正在运行的 Chrome
→ 复用已登录会话 → 凭证从不离开浏览器
→ 账号就像普通用户在操作
AI Agent 的稳定工具层
日常命令行效率工具
opencli bilibili trending | head -10 实时获取 B 站热榜opencli twitter search "AI agent" --format csv > output.csv 导出搜索结果私有网站自动化
Electron 桌面应用控制
CI/CD 数据采集
# 1. 全局安装 OpenCLI
npm install -g @jackwener/opencli
# 2. 克隆仓库，加载 Browser Bridge Chrome 扩展
git clone
# 打开 chrome://extensions
# 开启「开发者模式」
# 点击「加载已解压的扩展程序」→ 选择 extension/ 目录
# 3. 验证连接状态
opencli doctor
# 4. 立即使用内置 Adapter
opencli bilibili trending --format json
opencli bilibili search "Rust 教程" --limit 20
opencli browser screenshot --url
# 5. 为 AI Agent 安装 Skills
npx skills add jackwener/opencli
91 个内置 Adapter 覆盖主流平台：
| 分类 | 支持平台 |
|---|---|
| 视频 | Bilibili、YouTube |
| 社交 | T@witter/X、GitHub |
| 搜索 | Bing、DuckDuckGo |
| 新闻 | Hacker News、Product Hunt |
| 购物 | 多平台 |
| 本地工具 | Obsidian、Docker（通过 CLI Hub） |
模式一：内置 Adapter 直接执行
# 获取 Bilibili 热榜，JSON 格式输出
opencli bilibili trending --format json
# 搜索 GitHub 仓库
opencli github search "react hooks" --sort stars --limit 20
# 输出格式支持：json / csv / yaml / markdown / table
opencli hacker-news top --format table
模式二：实时浏览器控制
# 截图
opencli browser screenshot --url --output ./screenshot.png
# 点击元素
opencli browser click --selector "#submit-button"
# 输入文本
opencli browser type --selector "input[name=search]" --text "OpenCLI"
# 执行 JS 脚本
opencli browser eval --script "document.title"
# 网络请求抓包
opencli browser network --url
模式三：Adapter 生成（核心功能）
# 探索模式：录制浏览行为，分析页面结构
opencli explore
# 合成：从录制行为生成 Adapter 草稿
opencli synthesize
# 生成并验证：AI 辅助生成 + 自动测试验证
opencli generate --url --action "获取文章列表"
# 级联验证：自动发现认证策略（OAuth/Cookie/2FA）
opencli cascade
| 对比维度 | OpenCLI | Browser Use | Stagehand | Playwright |
|---|---|---|---|---|
| 运行时 LLM 成本 | 零 | 每次调用 | 部分调用 | 零 |
| 账号安全 | 复用已登录 Chrome | 需注入凭证 | 需注入凭证 | 需手动管理 |
| AI Agent 友好 | 原生 Skills | 直接用 | 直接用 | 需包装 |
| 执行稳定性 | 确定性 | LLM 随机性 | 中 | 高 |
| 自我修复 | Self-Repair Protocol | 靠 LLM 重试 | 无 | 无 |
| 学习成本 | 低（CLI 直接用） | 中（Python API） | 中（TS API） | 高（需写脚本） |
为什么选择 OpenCLI？
OpenCLI 的架构分为四层，核心是 Browser Bridge Extension 和 CDP 协议：
┌─────────────────────────────────────────┐
│ AI Agent / Human User │
└──────────────┬──────────────────────────┘
│ opencli <command> [--format json]
┌──────────────▼──────────────────────────┐
│ OpenCLI CLI Layer │
│ Commander.js + Plugin Registry │
│ execution.ts / commanderAdapter.ts │
└──────────────┬──────────────────────────┘
│ CDP Protocol (WebSocket)
┌──────────────▼──────────────────────────┐
│ Browser Bridge Extension │
│ （Chrome 扩展，本地 WebSocket 服务器） │
└──────────────┬──────────────────────────┘
│ 复用真实用户会话
┌──────────────▼──────────────────────────┐
│ Chrome / Chromium │
│ （用户正在运行的真实浏览器实例） │
└─────────────────────────────────────────┘
关键设计决策：OpenCLI 不启动独立无头浏览器（如 Puppeteer/Playwright 的做法），而是通过 Chrome Extension 的 native messaging API 连接到用户正在运行的 Chrome 实例。这一设计的关键收益：
OpenCLI/
├── src/
│ ├── cli.ts # CLI 入口
│ ├── main.ts # 主程序
│ ├── commanderAdapter.ts # Commander.js 命令解析
│ ├── execution.ts # 命令执行引擎
│ ├── plugin.ts # 插件系统
│ ├── registry.ts # Adapter 注册表
│ ├── generate.ts # Adapter 生成器
│ ├── generate-verified.ts # 带验证的生成器
│ ├── browser/ # CDP 浏览器控制层
│ └── pipeline/ # 执行流水线
├── clis/ # 91 个内置 Adapter（.js 文件）
│ ├── bilibili.js
│ ├── github.js
│ ├── hackernews.js
│ └── ...
├── extension/ # Browser Bridge Chrome Extension
├── skills/ # AI Agent Skills 定义
│ ├── opencli-explorer/ # 探索和生成 Adapter
│ ├── opencli-browser/ # 低级浏览器控制
│ ├── opencli-usage/ # 帮助发现
│ └── opencli-oneshot/ # 单次执行
└── package.json
每个 Adapter 是一个标准 JS 模块，定义了"如何从某个网站提取结构化数据"：
// clis/hackernews.js（简化示意）
module.exports = {
name: 'hacker-news',
description: 'Fetch Hacker News stories',
commands: {
top: {
description: 'Get top stories',
options: [
{ flag: '--limit <n>', description: 'Number of stories', default: 30 }
],
execute: async (options, browser) => {
// 1. 导航到目标页面
await browser.goto('https://news.ycombinator.com/');
// 2. 使用确定性 CSS 选择器提取数据
const stories = await browser.eval(`
Array.from(document.querySelectorAll('.athing')).slice(0, ${options.limit}).map(el => ({
rank: el.querySelector('.rank')?.innerText,
title: el.querySelector('.titleline > a')?.innerText,
url: el.querySelector('.titleline > a')?.href,
points: el.nextElementSibling?.querySelector('.score')?.innerText
}))
`);
// 3. 返回结构化数据（CLI 框架负责格式化输出）
return stories;
}
}
}
};
这种设计的关键：
execute 函数是纯确定性的——给定相同页面，总是返回相同结构这是 OpenCLI 最有技术含量的设计之一。当 Adapter 执行失败时，系统自动启动修复流程，无需人工介入：
Adapter 执行
↓
失败（选择器不匹配 / 页面结构变化）
↓
[第1步] 开启结构化诊断（OPENCLI_DIAGNOSTIC=1）
→ 捕获错误类型、DOM 快照、执行上下文
↓
[第2步] 发送诊断信息给 LLM
→ 分析：哪个选择器失效了？页面结构怎么变了？
↓
[第3步] LLM 生成修复后的 Adapter 代码
↓
[第4步] 自动替换并重试（最多 3 次）
↓
成功 → 保存修复后的 Adapter
失败（3 次后）→ 上报给用户，需要手动介入
这个设计把 LLM 的使用控制在必要时刻（修复），而非常规执行路径，是对成本和稳定性的精准权衡。
为新网站生成 Adapter 是 OpenCLI 最复杂也最有价值的功能，分为四个命令：
# 步骤一：explore
# 在真实浏览器中录制交互行为，分析页面结构和认证方式
opencli explore
# 步骤二：synthesize
# 将录制的交互行为合成为 Adapter 结构草稿
opencli synthesize
# 步骤三：generate
# AI 辅助将草稿转化为完整、可执行的 Adapter 代码，并自动测试验证
opencli generate --url --action "提取文章列表"
# 步骤四：cascade
# 验证认证策略（处理 OAuth、Cookie、2FA 等场景），确保 Adapter 在真实环境中可用
opencli cascade
四个命令可以逐步执行（调试每一步），也可以一次性运行完整流程。
OpenCLI 提供了 4 个原生 Skills，可以直接在 Claude Code 等工具中使用：
# 安装所有 Skills
npx skills add jackwener/opencli
| Skill | 用途 |
|---|---|
opencli-explorer | 引导 AI 完成探索 + 生成 Adapter 的完整流程 |
opencli-browser | 低级浏览器控制（click、type、screenshot、eval、网络抓包） |
opencli-usage | 帮助 AI 发现哪些 Adapter 可用 |
opencli-oneshot | 单次执行特定操作，快速实验 |
在 Claude Code 中的实际使用场景：
用户："帮我抓取 Hacker News 今日 Top 20 并整理成报告"
Claude Code:
1. 调用 opencli-usage → 发现 hackernews Adapter 可用
2. 调用 opencli-oneshot → opencli hacker-news top --limit 20 --format json
3. 解析 JSON 数据，生成 Markdown 报告
4. 全程零额外 LLM 调用（步骤 2 是纯 CLI 执行）
OpenCLI 的成功揭示了一个通用的工程原理：AI 系统的成本最优解，往往是尽量将 AI 决策前移到设计时或首次运行时，而非每次运行时。这个思路不只适用于 Web 自动化——代码模板生成、工作流规划、系统配置优化，都有类似的优化空间。
当 AI 工具的使用成本仍然较高，「一次生成，多次执行」的模式将在更多领域涌现。
欢迎来我的个人主页找到更多有用的知识和有趣的产品
