

> 直接嵌入应用的原生 SDK，意味着自然语言正式成为下一代通用编程语言。它彻底抹平了产品需求与底层代码之间的沟通鸿沟，让每一个企业内部系统瞬间获得按需生成逻辑的超能力。

## 杀手级体验 当应用内自带代码编译器

在过去，OpenAI Codex 虽然强大，但它更多是一个挂在 IDE（集成开发环境）里的副驾驶工具。开发者需要将它的建议手动复制、修改后再塞进业务代码中。而此次 Python 原生 SDK 的发布，彻底撕碎了这道横亘在“人工智能”与“实际应用”之间的隔离墙。

颠覆场景　想象一下你正在使用一款企业级 ERP 软件。面对复杂的财务报表，你不再需要向 IT 部门提交工单，苦等两个月让他们开发一个“自动提取第三季度西南地区利润跌幅超过 10% 的产品列表”的功能。你只需要在系统的搜索框里输入这段自然语言。隐藏在应用底层的 Codex SDK 会在毫秒级内拦截这段话，即时生成并执行一段精准的 Python 数据清洗与 SQL 查询代码，直接将生成的报表甩在你的桌面上。这个 SDK 让每一个普通的客户端，瞬间变成了一个自带即时编译器的超级计算中心。

![72.png](https://static.downly.cn/images/1f58880c336c2f07529049dcce973e1a.png) <center>图源备注 图片由AI生成</center>

## 敏捷开发的终极形态 需求即代码

这种原生级别的嵌入，正在极其残忍地重塑整个软件行业的开发工作流。过去我们谈论敏捷开发，是在讨论如何缩短产品经理出原型、UI 设计界面、程序员写代码的迭代周期。而现在，产品经理的嘴替，就是最终的底层代码。

工作流异变　未来的软件形态将变得极度“液态”。应用的 UI 界面可能只剩下一个极简的对话框，所有的底层业务逻辑不再是被程序员预先硬编码（Hard-code）在系统里的死逻辑，而是根据用户的实时输入，由 SDK 动态生成、用完即毁的临时脚本。当“需求”与“代码”彻底画上等号，传统意义上负责将业务逻辑翻译成机器语言的初级程序员岗位，其存在的合法性将被彻底抽空。

![73.png](https://static.downly.cn/images/3832b5c3e28de65bb0d45036081c3229.png)<center>图源备注 图片由AI生成</center>

## 代码代工厂的倒塌 软件服务外包面临洗牌

这场交互形态的革命，首当其冲的便是庞大的软件外包与定制化开发产业。既然任何一个 C 端或 B 端系统都可以通过引入寥寥几行 SDK 初始化代码，从而具备无限的业务延展性，企业为何还要支付高昂的维护费养着一支规模庞大的外包团队？

自然语言成为编译系统的终极入口，标志着软件工程的权力中心正式从“懂语法的码农”向“懂业务场景的领域专家”转移。在这场静悄悄的革命中，那些只会机械堆砌“增删改查”逻辑的代码代工厂，将在不知不觉中被时代的一粒灰烬彻底掩埋。


Codex 推出 Python 原生 SDK 彻底重构应用开发流与交互形态



> 科学智能体工具包的开源，标志着 AI 从单纯的模式识别正式进化为具备完整科学假设与验证回路的自动化研究员。它通过将文献阅读与代码执行模块化，正在重塑科研探索的底层基础设施。

## 打破知识孤岛 模块化科研的架构巧思

过去几年里，大语言模型在科学领域的应用多半停留在“学术版搜索引擎”的初级阶段。研究人员抛出一个问题，模型返回一段毫无逻辑推演的缝合文本。Google DeepMind 开源的科学智能体工具包，彻底抛弃了这种单线程的文字游戏，转而引入了一套高度模块化、具有工程美学的分布式架构。

架构亮点　该工具包将科学研究拆解为三个独立的认知引擎：假设生成器、实验设计沙箱与结论评估器。这套架构的精妙之处在于“隔离与协作”。假设生成器只负责根据庞大的知识库（通过 RAG 接入最新论文）提出天马行空的理论；实验设计沙箱则是一个被严格限制的 Python 解释器，它强迫智能体必须用严谨的代码逻辑来验证刚才的假设；评估器则冷酷地分析运行日志与报错信息。这种多智能体辩论机制，本质上是把科学共同体的“同行评审”过程，微缩到了几次 API 调用的毫秒级交互中。

![22.png](https://static.downly.cn/images/784b369196cd1695fd6d6f6e8014152a.png) <center>图源备注 图片由AI生成</center>

## 从代码生成到自我纠错的执行闭环

真正让极客们兴奋的，是这个工具包在“代码执行与自我纠错”上的底层逻辑重构。传统的大模型写代码，一旦遇到环境变量不匹配或语法错误，就会陷入死胡同。而 DeepMind 为科学智能体配置了一个极其强悍的状态机（State Machine）。

运行机制　当生成的实验代码在沙箱中抛出异常时，错误堆栈不会直接扔给用户，而是会被反向序列化，连同环境状态一起喂给“反思模块”。智能体会在内存中回溯之前的决策树，定位是数学公式推导错误还是数据清洗时的索引越界。这种“左脚踩右脚”的自我迭代能力，让 AI 不再是一个被动回答问题的黑盒，而是一个能够主动试错、甚至半夜还在不知疲倦地跑回归测试的赛博科学家。

![23.png](https://static.downly.cn/images/1debd174748c10158a7eb8f57ebd4a48.png) <center>图源备注 图片由AI生成</center>

## 涟漪效应 科学计算平民化的新纪元

这套开源工具包的发布，无异于向学术界投下了一枚深水炸弹。过去，材料科学或计算化学领域的突破，往往依赖于顶级实验室里大量博士生耗费数年的试错。而现在，底层架构的开源意味着任何人只要拥有足够的算力接口，就能组建一支不知疲倦的“自动化科研远征军”。

它解决的最核心瓶颈，是将人类科学家的灵感与繁琐的实验验证彻底解耦。当基础逻辑链条可以被代码沙箱自动验证，科学研究的瓶颈将不再是“算不完的方程”或“看不完的文献”，而是人类是否还能提出足够新颖、值得让智能体去跑满一天算力的好问题。

拆解 DeepMind 科学智能体工具包 告别黑盒的自动化科学流水线



> 抛弃臃肿的Python运行环境与复杂的容器依赖，纯Rust语言为编程代理带来了久违的极客式优雅。这不仅是执行效率的暴力美学，更是去中心化轻量级AI工具的架构演进。

## 摆脱Python运行时生态的底层架构革命

纵观当前的主流AI智能体（Agent）开发框架，从AutoGPT到各类代码助手，几乎无一例外地建立在Python生态之上。不可否认，Python拥有无可匹敌的AI算法库与胶水语言特性，但当我们将视线从模型训练转移到端侧推理与高并发的智能体执行时，Python的全局解释器锁（GIL）、庞大且易碎的依赖包环境以及极高的内存开销，便成为了阻碍AI工程化落地的致命瓶颈。

架构亮点　Zerostack的出现，犹如在泥泞的沼泽中劈开了一条清爽的高速公路。作为一款采用纯Rust语言编写的编程代理，它彻底摒弃了Python生态的臃肿包袱。Rust在编译期强制执行的内存所有权机制，使得Zerostack能够在不依赖庞大运行时的前提下，实现零成本的抽象与极其激进的并发调度。这意味着开发者可以获得一个单体静态编译的可执行文件，无需配置繁琐的虚拟环境，即可在任意极简的服务器或边缘计算节点上瞬间冷启动一个功能完备的AI智能体。

![52.png](https://static.downly.cn/images/8f8d537c9a5386905d02076b3a05f821.png) <center>图源备注 图片由AI生成</center>

## 极简主义与内存安全的暴力美学体现

Zerostack最令极客圈层振奋的特质，在于其对经典Unix哲学的深刻致敬。在云原生时代，我们习惯了用复杂的微服务容器与巨大的Kubernetes集群去堆砌应用。而Zerostack反其道而行之，坚持“只做一件事并把它做好”（Do One Thing and Do It Well）。

技术巧思　它将复杂的代码分析、大模型上下文管理以及文件系统的操作，拆解为标准输入输出（STDIO）下的管道数据流。这种极简架构不仅极大降低了系统的攻击面，更赋予了其无与伦比的组合扩展能力。得益于Rust的无畏并发（Fearless Concurrency）特性，当Zerostack需要同时扫描数百万行代码、进行多线程的语法树解析并与远端大模型API进行异步通讯时，它可以精准压榨每一滴CPU算力，且绝不会引发段错误或内存泄漏。

![53.png](https://static.downly.cn/images/564ecc818d58dd8c405f74f126b7c4e4.png) <center>图源备注 图片由AI生成</center>

## 开发者工具链的去中心化演进方向

在当前的大模型叙事中，算力与数据正在向极少数巨头集中。然而，开发工具层的演进却展现出了截然相反的趋势。Zerostack代表了一种强烈的去中心化思潮，即通过极致的工程优化，让复杂的AI智能体能够在极低功耗的终端设备上高效流转。

演进预测　随着纯Rust等高性能底层语言在AI中间件领域的开疆拓土，未来的代码智能体将不再是需要庞大算力支撑的云端巨兽，而是变成如同grep或awk一样轻量、敏捷的终端命令行工具。这种开发范式的回归，不仅将极大地降低个人开发者构建定制化AI工具流的门槛，更有可能在后摩尔定律时代，重新定义算力分配的工程准则。

纯Rust重构代码智能体Zerostack对Unix哲学在AI时代的工程复兴

**作者**: Manus AI
**日期**: 2026年5月15日

## 摘要

本报告针对开源爬虫浏览器项目 **Nanobrowser** 进行了深度调研，重点分析了其性能、防风控能力以及开源协议。同时，结合 downly.cn 文章中介绍的 **CloakBrowser**，对两款工具在技术架构、反检测机制、适用场景及授权模式等方面进行了横向对比。Nanobrowser 侧重于构建基于大语言模型（LLM）的浏览器自动化多智能体（Multi-agent）系统，而 CloakBrowser 则专注于在底层 Chromium 源码级别提供极致的隐身和反风控能力。

## 1. Nanobrowser 调研分析

### 1.1 项目概述与定位

Nanobrowser 是一个运行在浏览器中的开源 AI 网页自动化工具，定位为 OpenAI Operator 的免费替代方案 [1]。它以 Chrome 扩展程序的形式存在，允许用户使用自己的 LLM API 密钥（支持 OpenAI、Anthropic、Gemini、Ollama 等）来运行多智能体工作流。

### 1.2 性能表现

Nanobrowser 的性能主要取决于其背后的多智能体架构和所连接的 LLM 模型：
- **多智能体协作**：系统内置了 Planner（规划者）和 Navigator（导航者）等专门的 AI 智能体。Planner 负责高级推理和规划，Navigator 负责具体的网页导航任务。这种分工协作模式提高了复杂任务的执行效率 [1]。
- **模型灵活性**：用户可以为不同的智能体配置不同的模型以平衡性能和成本。例如，官方推荐使用 Claude Sonnet 4 作为 Planner 以获得更好的推理能力，使用 Claude Haiku 3.5 作为 Navigator 以提高导航效率 [1]。
- **本地运行**：作为 Chrome 扩展，其核心逻辑在本地浏览器中运行，减少了云端通信的延迟，同时也支持连接本地模型（如 Ollama）以实现零 API 成本和完全隐私 [1]。

### 1.3 防风控能力

Nanobrowser 的防风控能力相对基础，主要依赖于其作为标准 Chrome 扩展的运行环境：
- **真实浏览器环境**：由于它直接在用户日常使用的 Chrome 或 Edge 浏览器中作为扩展运行，其底层指纹（如 Canvas、WebGL、User-Agent 等）就是用户真实的浏览器指纹，这在一定程度上降低了被识别为无头浏览器（Headless Browser）的风险 [1]。
- **局限性**：Nanobrowser 并没有在底层对 Chromium 进行防检测修改。如果目标网站使用高级的机器人检测技术（如分析鼠标轨迹、按键延迟或检测自动化扩展特征），Nanobrowser 可能会被识别。它更适合用于常规的网页自动化和数据提取，而非对抗强风控的爬虫场景。

### 1.4 开源方式与协议

- **开源协议**：Nanobrowser 采用 **Apache License 2.0** 协议完全开源 [1]。
- **开源方式**：代码托管在 GitHub 上，包含扩展程序的完整源代码。用户可以自由地查看、修改、分发和用于商业用途，只需保留原始版权声明。
- **限制条款**：项目在 README 中明确声明，不支持且不参与任何基于该代码库的加密货币、代币、NFT 或其他区块链相关应用的衍生项目 [1]。

## 2. Nanobrowser 与 CloakBrowser 对比分析

downly.cn 文章中介绍的 **CloakBrowser** 是一款旨在提供高度隐身能力的 Chromium 浏览器项目 [2]。以下是两款工具的深度对比：

### 2.1 技术架构与修改层次

| 特性 | Nanobrowser | CloakBrowser |
| :--- | :--- | :--- |
| **产品形态** | Chrome 浏览器扩展程序 | 深度修改的 Chromium 二进制文件及 Python/JS 封装 |
| **修改层次** | 应用层（扩展注入） | 底层（C++ 源码级编译） |
| **核心驱动** | LLM 多智能体系统（Planner/Navigator） | Playwright / Puppeteer 自动化框架 |
| **部署方式** | 浏览器插件安装 / 源码构建 | Docker 部署 / 二进制文件下载 |

**分析**：Nanobrowser 是建立在现有浏览器之上的“大脑”，通过 AI 驱动操作；而 CloakBrowser 是重构了浏览器“躯体”，使其在自动化操作时看起来像真实人类。

### 2.2 防风控与隐身能力

| 防风控维度 | Nanobrowser | CloakBrowser |
| :--- | :--- | :--- |
| **自动化信号消除** | 依赖真实浏览器环境，无底层修改 | 源码级移除 `navigator.webdriver`，禁用自动化启动参数，模拟 CDP 行为 [2] |
| **指纹伪装** | 使用当前真实浏览器指纹 | 基于种子的确定性指纹噪声化（Canvas, WebGL, Audio, GPU 等） [2] |
| **代理与网络特征** | 依赖浏览器全局代理或扩展代理 | 深度清理代理特征，GeoIP 自动对齐时区和语言，防 WebRTC 泄露 [2] |
| **行为拟人化** | 依赖 AI 生成的操作指令 | 内置 `humanize=True` 参数，模拟真实鼠标轨迹、按键延迟和物理滚动 [2] |
| **检测通过率** | 面对高级检测（如 Cloudflare Turnstile）可能受限 | 宣称通过 reCAPTCHA v3 (0.9分)、Cloudflare Turnstile、FingerprintJS 等 30/30 项测试 [2] [3] |

**分析**：在防风控能力上，**CloakBrowser 具有压倒性优势**。它通过 57 个 C++ 源码级补丁彻底消除了自动化特征，是专门为对抗高级机器人检测而设计的。Nanobrowser 则不具备这种底层的反检测能力。

### 2.3 开源协议与商业模式

| 授权维度 | Nanobrowser | CloakBrowser |
| :--- | :--- | :--- |
| **开源协议** | Apache License 2.0（完全开源） [1] | 混合授权：封装代码 MIT，核心二进制文件闭源/专有协议 [3] [4] |
| **代码可见性** | 100% 源码可见 | 仅 Python/JS 封装层可见，核心 C++ 修改不可见 |
| **使用限制** | 免费商用，禁止用于区块链/加密货币项目 [1] | 免费使用，但**严禁重新分发、转售、逆向工程或修改二进制文件** [4] |
| **云端/CI 使用** | 无限制 | 允许内部 Docker/CI 使用，但禁止作为 SaaS 提供给第三方 [4] |

**分析**：Nanobrowser 是真正的开源项目，赋予开发者极大的自由度。CloakBrowser 采取了“核心闭源、接口开源”的策略，其编译好的 Chromium 二进制文件受到严格的专有协议（Binary License）保护，限制了其被二次打包或商业化分发的可能。

## 3. 总结与建议

**Nanobrowser** 和 **CloakBrowser** 虽然都涉及浏览器自动化，但解决的是完全不同的痛点：

1. **选择 Nanobrowser 如果您需要**：
   - 构建基于 LLM 的智能工作流（如自动总结新闻、智能购物比价）。
   - 一个免费的、本地运行的 OpenAI Operator 替代品。
   - 完全开源的代码库以便进行深度二次开发。
   - 目标网站没有极其严苛的反爬虫机制。

2. **选择 CloakBrowser 如果您需要**：
   - 极高的防风控能力，需要绕过 Cloudflare、reCAPTCHA v3、Kasada 等高级检测。
   - 稳定的、基于 Playwright/Puppeteer 的大规模数据抓取。
   - 确定性的浏览器指纹管理（用于账号矩阵、社交媒体自动化）。
   - 能够接受其核心二进制文件闭源的授权限制。

**综合建议**：如果您关注的重点是**防风控能力**，那么 **CloakBrowser** 是更专业的选择。但如果您希望在完全开源的框架下探索 **AI 驱动的自动化**，**Nanobrowser** 则提供了优秀的平台。在某些高级场景下，甚至可以考虑将两者的优势结合：使用 CloakBrowser 作为底层驱动，结合 LLM 智能体来实现既智能又隐蔽的自动化操作。

## 参考文献

[1] GitHub - nanobrowser/nanobrowser. https://github.com/nanobrowser/nanobrowser
[2] CloakBrowser 技术调研 | Downly. https://www.downly.cn/articles/bba61f3e-4033-4ebd-8ab7-71e45cd8e42b
[3] GitHub - CloakHQ/CloakBrowser. https://github.com/CloakHQ/CloakBrowser
[4] CloakBrowser Binary License. https://github.com/CloakHQ/CloakBrowser/blob/main/BINARY-LICENSE.md


Nanobrowser AI 浏览器调研分析

# CloakBrowser 技术调研报告

**作者**: Manus AI

**日期**: 2026年5月14日

## 摘要

CloakBrowser 是一个旨在提供高度隐身能力的 Chromium 浏览器项目，其核心是一个经过深度修改的 **Chromium 二进制文件**，而 Python 和 JavaScript 代码仅作为其薄层封装。该项目通过在 C++ 源码层面修改浏览器指纹，实现了对 Playwright 和 Puppeteer 自动化框架的无缝替代。最新版本包含多达 57 个源码级补丁，能够有效消除自动化信号、注入指纹噪声并清理代理特征。尽管其核心机制采取闭源策略，但项目在 reCAPTCHA v3、Cloudflare Turnstile 等主流反机器人测试中表现卓越，并提供了灵活的 Docker 部署方案，是网络爬虫、社交媒体自动化及 AI Agent 场景下的领先工具。

## 1. 技术原理与架构

CloakBrowser 的技术架构不同于传统的自动化增强工具。其核心竞争力源于对 **Chromium 源码的深度重构**，而非简单的配置调整或脚本注入。

### 1.1 架构层次

CloakBrowser 采用分层架构设计。底层是经过 C++ 源码级修改并编译的 Chromium 二进制文件，直接在内核层面处理指纹生成和信号隐藏。中间层是针对 Playwright 和 Puppeteer 开发的隐身驱动，负责消除 CDP（Chrome DevTools Protocol）层面的自动化特征。最上层则是为 Python 和 Node.js 提供的薄层封装接口，确保开发者能够以极低的成本进行迁移 [1]。

### 1.2 与主流方案对比

在浏览器自动化领域，CloakBrowser 通过更深层次的修改解决了现有方案的局限性：

| 方案 | 修改层次 | 核心问题 | 隐身效果 |
| :--- | :--- | :--- | :--- |
| **playwright-stealth** | JS 注入 | 补丁本身特征明显，易被高级检测系统识别 | 中 |
| **undetected-chromedriver** | 启动参数 | 依赖配置调整，Chrome 版本更新后极易失效 | 中 |
| **Multilogin/GoLogin** | 闭源修改版浏览器 | 费用高昂（$24-$199+/月），依赖第三方云服务 | 高 |
| **CloakBrowser** | **C++ 源码编译** | 行为与真实浏览器在内核层面保持一致，免费自托管 | **极高** |

## 2. 反风控能力深度解析

CloakBrowser 的反风控能力建立在多维度的伪装策略之上，目前在 Linux 和 Windows 平台包含 **57 个 C++ 源码级补丁**，在 macOS 平台包含 26 个补丁 [1]。

### 2.1 自动化信号的彻底消除

CloakBrowser 在内核层面彻底移除了自动化标志。它不仅将 `navigator.webdriver` 强制设为 `false`（源码级，不可检测），还禁用了 `--enable-automation` 等常规自动化参数（Playwright 默认会加，被覆盖屏蔽）。通过对 CDP 输入行为的模拟，它实现了 `isAutomatedWithCDP: false` 的效果。此外，它还确保了 `window.chrome` 对象的存在以及 `navigator.plugins.length = 5` 的真实性，使其在环境检测中表现得如同一个完全由人工操作的浏览器 [1] [2]。

### 2.2 确定性指纹噪声化

针对 Canvas、WebGL 和 Audio 等常见的硬件指纹采集技术，CloakBrowser 采取了“基于种子的噪声注入”策略。通过 `--fingerprint=seed` 参数，浏览器可以确定性地生成随机噪声。这意味着对于同一个种子，浏览器会产生稳定且唯一的硬件身份（如 `hardwareConcurrency=8`，`deviceMemory=8`，屏幕分辨率 1920×1080），这对于模拟“回头客”行为、提高账号权重至关重要。同时，GPU 信息（`UNMASKED_VENDOR_WEBGL` / `UNMASKED_RENDERER_WEBGL`）也会按种子伪造 [1]。

### 2.3 代理信号清理与 GeoIP 对齐

在最新的版本中，CloakBrowser 引入了针对代理特征的深度清理功能。它能够将 DNS 解析、连接建立及 SSL 握手的时序特征归零，剥离代理缓存相关的 Header，并移除 `Proxy-Connection` 头的泄漏。

通过 `geoip=True` 功能，浏览器能自动通过代理访问 ipify.org/checkip.amazonaws.com 获取出口 IP，然后：
1. 设置 `--fingerprint-timezone` 和 `--lang` 二进制参数，对齐时区和语言。
2. 自动注入 `--fingerprint-webrtc-ip=auto` 防止 WebRTC 泄露真实 IP，从而构建一个地理位置逻辑自洽的访问环境 [1]。

### 2.4 平台伪装策略

为了提高指纹的通用性，CloakBrowser 在 Linux 服务器环境下默认伪装为 **Windows 桌面版**（通过 `--fingerprint-platform=windows`）。而在 macOS 上则采取原生运行策略，以避免因字体库或 GPU 驱动不匹配而产生的可检测差异。此外，其 TLS 指纹（ja3n/ja4/akamai）与真实 Chrome 完全一致 [1]。

## 3. 行为伪装技术 (Humanize)

通过 `humanize=True` 参数，CloakBrowser 能够将枯燥的自动化指令转化为拟人化的交互行为 [1]：
*   **鼠标交互**: 模拟贝塞尔曲线移动轨迹，并包含真实的停留时长。
*   **键盘输入**: 实现逐字符延迟输入，并模拟随机的拼写错误及自我更正过程。
*   **滚动行为**: 模拟加速、巡航、减速的微步滚动物理特性。

## 4. 代理与认证支持

CloakBrowser 对代理的支持不仅全面，而且针对自动化场景进行了特殊优化。

### 4.1 HTTP/HTTPS 代理

HTTP 代理通过标准的 Playwright 代理字典传递，由 Playwright 负责处理 `Proxy-Authorization` 认证握手，能够很好地适配大多数商业代理服务。

### 4.2 SOCKS5 代理的技术实现

由于 Playwright 原生不支持带凭据的 SOCKS5 代理字典，CloakBrowser 采取了**绕过 Playwright 直接操作启动参数**的方案。它通过 `--proxy-server` 参数直接向 Chrome 内核传递认证信息。代码在 `browser.py:1063` 的 `_resolve_proxy_config` 函数中处理。针对凭据中可能包含的特殊字符（如 `=`），系统会自动进行 URL 编码处理（issue #157 修复），确保了复杂密码环境下的稳定性 [1]。

## 5. 性能验证与已知限制

### 5.1 检测通过情况 (2026年4月验证)

CloakBrowser 官方声称其在多项机器人检测测试中表现优异，以下是基于 Chromium 146 的测试结果 [1] [2]：

| 检测服务 | Stock Playwright | CloakBrowser | 备注 |
| :--------------------------- | :--------------- | :----------- | :------------------- |
| reCAPTCHA v3 | 0.1 (机器人) | **0.9 (人类级)** | 服务器端验证 |
| Cloudflare Turnstile (非交互式) | 失败 | **PASS** | 自动解决 |
| Cloudflare Turnstile (管理式) | 失败 | **PASS** | 单击解决 |
| ShieldSquare | 阻止 | **PASS** | 生产站点 |
| FingerprintJS 机器人检测 | 检测到 | **PASS** | demo.fingerprint.com |
| BrowserScan 机器人检测 | 检测到 | **NORMAL (4/4)** | browserscan.net |
| bot.incolumitas.com | 13 失败 | **仅 1 项失败** | 仅 WEBDRIVER 规范未过 |

### 5.2 已知限制与技术权衡

在实际部署中，用户需要注意以下技术权衡 [1] [4]：
*   **二进制闭源**: 虽然封装层遵循 MIT 开源协议，但核心的 C++ 补丁部分以预编译二进制形式发布（受 `BINARY-LICENSE.md` 约束），这要求用户对开发者保持一定的信任。
*   **后端兼容性**: 使用 `backend="patchright"` 虽然能显著提升 reCAPTCHA Enterprise 的通过率，但目前已知该模式会破坏代理认证功能。
*   **存储配额权衡**: `launch_persistent_context` 默认的存储配额设置能通过 FingerprintJS 检测，但在 BrowserScan 中可能被识别为隐私模式（导致评分下降 10 分）。用户可通过 `--fingerprint-storage-quota=5000` 进行手动干预。

## 6. Docker 部署方案

CloakBrowser 提供了灵活的 Docker 部署选项，以适应不同的使用场景，从快速测试到生产环境的浏览器配置文件管理 [1] [5]。

### 6.1 官方镜像快速部署

对于快速验证或运行简单的自动化任务，可以直接使用 CloakHQ 提供的官方 Docker 镜像 `cloakhq/cloakbrowser`。该镜像预装了 CloakBrowser 及其所有依赖，并提供了 `cloaktest` 命令用于快速检查隐身能力。例如，运行以下命令可以启动一个临时容器并执行测试：

```bash
docker run --rm cloakhq/cloakbrowser cloaktest
```

### 6.2 CloakBrowser Manager 部署

CloakBrowser Manager 是一个基于 Web 的浏览器配置文件管理工具，它允许用户通过图形界面创建、管理和启动具有独特指纹、代理和持久会话的浏览器配置文件。这对于需要管理大量独立浏览器环境的场景（如多账号操作）非常有用。部署 CloakBrowser Manager 的命令如下：

```bash
docker run -d -p 8080:8080 -v cloakprofiles:/data cloakhq/cloakbrowser-manager
```

部署后，可以通过访问 `http://localhost:8080` 来使用其 Web 界面。`-v cloakprofiles:/data` 参数用于将配置文件数据持久化到宿主机的 `cloakprofiles` 卷中，确保数据在容器重启后不会丢失。

### 6.3 自定义 Dockerfile 构建

对于需要更精细控制或集成到现有 CI/CD 流程的用户，可以基于 CloakBrowser 提供的 `Dockerfile` 进行自定义构建。官方 `Dockerfile` 基于 `python:3.12-slim` 镜像，并安装了 Chromium 运行所需的系统依赖、Node.js 以及各种字体包（如 `fonts-noto-color-emoji`、`fonts-wqy-zenhei` 等）。这些字体对于规避基于 Canvas 指纹的检测至关重要。此外，`Dockerfile` 中还包含了在构建阶段预下载 CloakBrowser 二进制文件的步骤，以优化运行时性能 [5]。

自定义构建时，应确保包含所有必要的系统依赖和字体，并考虑在构建过程中运行 `python -c "from cloakbrowser import ensure_binary; ensure_binary()"` 来预下载 CloakBrowser 二进制文件，从而避免在容器启动时才进行下载，减少首次运行的延迟。

## 7. 测试与验证方案

为了全面评估 CloakBrowser 的隐身能力和功能完整性，可以设计以下测试方案：

### 7.1 基础功能测试

*   **环境搭建验证**: 编写一个简单的 Python 或 JavaScript 脚本，使用 CloakBrowser 启动一个浏览器实例，访问一个公共网站（如 `https://example.com`），并获取页面标题。这可以验证 CloakBrowser 是否正确安装、二进制文件是否可用以及基本功能是否正常。
*   **API 兼容性测试**: 确保现有的 Playwright 或 Puppeteer 脚本在切换到 CloakBrowser 后能够正常运行，验证其 API 兼容性。

### 7.2 隐身能力测试

隐身能力是 CloakBrowser 的核心价值，应针对主流的机器人检测服务进行测试：

*   **reCAPTCHA v3 分数检测**: 访问 `https://antcpt.com/score_detector/` 或其他 reCAPTCHA v3 测试站点，检查 CloakBrowser 获得的 reCAPTCHA 分数。理想情况下，分数应接近 0.9，表明其被识别为人类用户 [1]。
*   **Cloudflare Turnstile 绕过**: 访问包含 Cloudflare Turnstile 保护的网站（例如 Cloudflare 官方 Demo 页面或一些受保护的网站），验证 CloakBrowser 是否能自动绕过非交互式和管理式挑战 [1]。
*   **指纹检测服务**: 使用专业的指纹检测网站，如 `https://www.browserscan.net/` 和 `https://fingerprint.com/products/bot-detection/`，检查 CloakBrowser 是否被识别为自动化工具或具有独特的机器人指纹。同时，可以利用 `https://abrahamjuliot.github.io/creepjs/` 进行更深层次的指纹分析，评估其对 Canvas、WebGL、AudioContext 等高级指纹的伪装效果。
*   **WebDriver 检测**: 验证 `navigator.webdriver` 属性是否为 `false`，以及其他 WebDriver 相关的自动化标志是否被成功移除 [1]。
*   **TLS 指纹匹配**: 检查 TLS 指纹（如 JA3/JA4）是否与真实 Chrome 浏览器一致，以避免在网络层被识别 [1]。

### 7.3 行为模拟测试 (Humanize)

对于启用了 `humanize=True` 功能的场景，需要进行行为模拟的验证：

*   **视觉观察**: 在 `headless=False` 模式下运行自动化脚本，并录制视频或进行屏幕截图，肉眼观察鼠标移动、键盘输入和页面滚动是否自然，是否存在明显的机器人行为特征（如直线移动、瞬间跳转）。
*   **日志分析**: 如果可能，分析目标网站的服务器日志或行为分析工具的报告，查看用户行为模式是否与真实用户相似，例如请求间隔、交互速度等。

### 7.4 环境一致性测试

为了确保 CloakBrowser 在不同部署环境中的表现一致，可以进行以下测试：

*   **多环境对比**: 在本地开发环境、Docker 容器以及云服务器（VPS）等不同环境中，使用相同的 CloakBrowser 配置和脚本，对同一目标网站进行隐身能力测试。比较各环境下的测试结果，确保一致性。
*   **固定指纹验证**: 使用 `--fingerprint=seed` 参数指定一个固定的指纹种子，在不同环境中启动 CloakBrowser，并检查其生成的指纹是否完全一致，以验证指纹持久性功能。

## 8. 结论

CloakBrowser 通过在 Chromium 源码层面的深度干预，为浏览器自动化提供了一套近乎完美的隐身方案。尽管闭源二进制文件带来了一定的透明度挑战，但其在反风控领域的卓越表现、免费自托管的特性、灵活的 Docker 部署方案以及对主流框架的无缝支持，使其成为当前复杂反爬环境下的首选技术方案。

## 参考文献

[1] CloakHQ. (2026). *CloakHQ/CloakBrowser: Stealth Chromium that passes every bot detection test.* GitHub. [https://github.com/CloakHQ/CloakBrowser](https://github.com/CloakHQ/CloakBrowser)
[2] CloakBrowser. (n.d.). *CloakBrowser — Stealth Chromium for Browser Automation*. [https://cloakbrowser.dev/](https://cloakbrowser.dev/)
[3] CloakHQ. (2026). *CloakBrowser Binary License v1.0*. [https://github.com/CloakHQ/CloakBrowser/blob/main/BINARY-LICENSE.md](https://github.com/CloakHQ/CloakBrowser/blob/main/BINARY-LICENSE.md)
[4] Reddit Community. (2026). *Discussion on CloakBrowser Stealth Capabilities*. Reddit r/webscraping. [https://www.reddit.com/r/webscraping/comments/1t9g0kr/is_cloak_browser_good/](https://www.reddit.com/r/webscraping/comments/1t9g0kr/is_cloak_browser_good/)
[5] CloakHQ. (2026). *CloakBrowser Dockerfile Configuration*. GitHub. [https://github.com/CloakHQ/CloakBrowser/blob/main/Dockerfile](https://github.com/CloakHQ/CloakBrowser/blob/main/Dockerfile)


CloakBrowser 技术调研

在 2026 年1月12日，Windsurf 再次通过 **1.13.6 版本** 证明了它是目前最懂开发者的 AI 编辑器。本次更新引入了核心功能 —— **Skills（技能）**。

简单来说，如果之前的 AI 只是一个“听懂指令的实习生”，那么拥有 Skills 后的 Cascade（Windsurf 的 AI 核心）就进化成了**带工具箱的高级工程师**。

它不再只是根据你的 Prompt 瞎猜，而是能**读取你预设的文档、脚本和模版，严格按流程办事**。


## 为什么你需要 Skills？

你是否遇到过这些痛点？

- **重复劳动**：每次让 AI 写爬虫，都要强调“记得加 User-Agent，记得用 Headless 模式”。
- **规范遗漏**：每次让 AI 写 Java 代码，它总是不记得用 Lombok 或者特定的注解。
- **上下文丢失**：Prompt 越来越长，但 AI 还是会漏掉关键步骤。

**Skills 就是为了解决这个问题而生的。** 它是 Prompt 的“持久化”和“结构化”版本，让你的工程标准成为 AI 的本能。

------

## 一、快速上手（基础篇）

### 目标：创建一个“代码审查 (Code Review)”技能

**场景**：AI 写的代码有时不符合团队规范（例如缺少注释、变量命名随意）。我们要创建一个技能，让 AI 在 Review 代码时自动加载我们的检查清单。

#### 步骤 1：创建技能目录

WindSurf和 [Claude Code Skills](https://github.com/anthropics/skills) 的目录基本一致，只是根目录从`.claude`换成了`.windsurf`，请在您的项目根目录下，创建以下文件夹结构：

```markdown
.windsurf/
  skills/
    code-review/          <-- 技能名称
```

**WindSurf Skills目录结构示例：**
![image.png](https://static.downly.cn/images/ea439d487290dd9315a4e920320cc6f1.png)

#### 步骤 2：编写核心描述文件 (SKILL.md)

在 `code-review` 文件夹中创建 `SKILL.md`。这是技能的“大脑”，定义了它的触发条件和执行逻辑。

```markdown
---
name: code-review
description: 用于对代码进行审查、重构和优化。当用户要求检查代码、优化代码或进行 Code Review 时调用此技能。
---

# 代码审查专家

你现在是团队的高级技术负责人。请根据以下检查清单对代码进行审查：

## 1. 基础规范
- [ ] 变量命名是否遵循驼峰命名法 (Java/TS) 或下划线命名法 (Python)？
- [ ] 是否存在硬编码的 Magic Numbers 或字符串？
- [ ] 关键逻辑是否有注释说明？

## 2. 安全性检查
- [ ] SQL 注入风险（必须使用参数化查询）
- [ ] 敏感信息（API Key、密码）是否已脱敏？

## 3. 性能优化
- [ ] 循环中是否存在不必要的数据库查询？
- [ ] 集合操作是否高效？

请以列表形式输出审查结果，并给出修改后的代码建议。
```

#### 步骤 3：测试调用

1. 打开 Windsurf Cascade 对话框。
2. 输入：`@code-review 帮我看看这段 Python 代码有什么问题`（或者直接说 `帮我 Review 一下当前打开的文件`，Cascade 会根据 description 自动识别）。
3. **效果**：AI 会严格按照你 `SKILL.md` 中的三个维度（规范、安全、性能）进行输出，而不是泛泛而谈。

**WindSurf Skills 触发 Skills 示例：**
![image.png](https://static.downly.cn/images/22666450e4ba6863ab99b39c4155a591.png)

------

## 二、进阶实战（带模版的生成器）

### 目标：创建一个“Spring Boot 模块生成器”技能

**场景**：开发 Java Spring Boot 应用时，重复写 Controller/Service/Repository 结构非常枯燥，且容易出错。

#### 步骤 1：准备模板文件

在 `.windsurf/skills/spring-feature-gen/` 目录下，放置两个文件：

**1. `ControllerTemplate.java` (辅助资源)**

```java
package com.example.demo.controller;

import org.springframework.web.bind.annotation.*;
import lombok.RequiredArgsConstructor;

// 强制要求：所有 Controller 必须使用 RestController
// 强制要求：必须使用构造器注入
@RestController
@RequestMapping("/api/v1/${resource}")
@RequiredArgsConstructor
public class ${Resource}Controller {
    private final ${Resource}Service service;
    
    @GetMapping("/{id}")
    public ${Resource}Dto getById(@PathVariable Long id) {
        return service.findById(id);
    }
}
```

**2. `SKILL.md` (核心指令)**

```markdown
---
name: spring-feature-gen
description: 为 Java Spring Boot 项目生成标准的 Controller-Service-Repository 分层代码结构。
---

# Spring Boot 功能模块生成器

当用户要求生成一个新的业务模块（Feature）时，请严格遵循以下架构：

## 技术栈要求
1. **框架**: Spring Boot 3.x
2. **构建**: Maven/Gradle
3. **原生支持**: 考虑到后续可能编译为 GraalVM Native Image，避免使用复杂的动态反射。

## 生成步骤
1. 读取当前目录下的 `ControllerTemplate.java` 作为风格参考。
2. 生成 DTO (Record 类型), Service 接口与实现类, Repository (JPA)。
3. 确保所有依赖注入使用 `@RequiredArgsConstructor` (Lombok)。

## 输出格式
请直接生成代码文件内容，不要过多解释。
```

#### 步骤 2：实战调用

在 Cascade 中输入：

> "帮我生成一个用户管理模块（User Management），包含增删改查功能。"

**结果**：AI 会自动读取技能并参考你的 Java 模板，生成一套符合你团队习惯的代码。

------

## 三、实战玩法（用 Skill Creator 创建 AI Skills）

手动编写 `SKILL.md` 还是觉得麻烦？Windsurf 的 Skills 机制与 Claude 官方的 ecosystem 是兼容的。我们可以利用官方的 **Skill Creator** 来让 AI 帮我们写 Skills，除此之外，您也可以参考[Anthropic Claude Code Skills 深度解析](https://www.downly.cn/articles/ee2537e0-00a1-430d-baaa-b0545fcd982c)。

### 1. 引入官方 Skill Creator

[Claude Code Skill Creator](https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md)是 Anthropic 官方提供的一个“元技能”，专门用来生成其他技能。

1. **创建目录**：`.windsurf/skills/skill-creator/`
2. **下载文件**：将官方仓库中的 `SKILL.md` 内容复制进去。
   - **源码地址**：[Claude Skill Creator Template](https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md)

### 2. 如何使用

安装好这个技能后，你就可以套娃操作了：

> **用户**：`@skill-creator 我想要一个专门写 Python 单元测试的技能，要求使用 pytest，并且覆盖率要达到 90% 以上。`

> **Cascade**：(自动调用 skill-creator) 好的，我为您生成了 `python-tester` 的技能结构，包含 `SKILL.md` 和推荐的测试规范...

### 3. 更多官方灵感

Anthropic 官方维护了一个 Skills 仓库，里面包含了很多开箱即用的简单教程和案例（如数据分析、文档编写等），建议收藏并在 Windsurf 中尝试：

- **官方仓库**：https://github.com/anthropics/skills

------

## 核心技巧总结

1. **Description 是关键**： Cascade 依靠 frontmatter 中的 `description` 字段来决定是否**自动**调用技能。写得越具体，AI 自动触发越精准。
   - ❌ `description: 代码工具`
   - ✅ `description: 当用户询问有关 Playwright 爬虫编写、浏览器自动化脚本时使用此技能。`
2. **全局 vs 项目级**：
   - **全局习惯**（如“总是用 Python Type Hint”）：放在 `~/.codeium/windsurf/skills/`。
   - **项目规范**（如“本项目使用 MyBatis”）：放在 `.windsurf/skills/`。
3. **Skills vs Rules**：
   - 使用 **Rules** (.windsurf/rules) 设定你的基本身份（“我是谁”）。
   - 使用 **Skills** 处理具体任务（“怎么做”）。

现在，打开你的 Windsurf，试着创建你的第一个 Skill，把重复的工作流“外包”给 AI 吧！

Windsurf 1.13.6 重磅更新 - 支持 Claude Skills

<video src="https://static.downly.cn/images/13-Steps-to-High-Efficiency-by-the-Creator-of-Claude-Code.mp4" controls width="50%">
  Your browser does not support the video tag.
</video>

> 在 AI 辅助编程领域，我们通常只把 AI 当作一个更聪明的自动补全工具。然而，Claude Code 的创造者 Boris Cherny 展示了一种完全不同的维度：他通过构建一套严密的系统工程，将自己从“代码撰写者”转变为“AI 军团指挥官”，实现了月产 4 万行高质量代码的惊人效率。

本文将基于 Boris Cherny 的实战演示，详细复盘他的 13 步工作流，并补充我们对于高阶技能定制的第 14 步实践，深入剖析这套范式背后的技术哲学。

------

## 01. 并发多线程 (Parallelization)

### 🎥 Boris 的实战现场

Boris 的终端界面就像一个繁忙的指挥塔。他通常会同时开启 5 个并行的 Claude 会话（Tabs 1-5），每个 Tab 都有明确的职责划分：

- Tab 1：专注于数据库层面的重构任务。

- Tab 2：处理前端组件的视觉调整。

- Tab 3：运行单元测试并修复回归错误。

  为了解决“等待 AI 生成”的时间浪费，他利用系统的“通知铃声”功能。当后台某个 Tab 完成任务时，会发出提示音，他便立即切换上下文进行确认。这种方式消除了人类在等待 AI 思考时的闲置时间。

### 🧠 技术视点：工程师的“调度器化”

> 这标志着工程师的核心能力正在发生代际转移。

过去，我们的核心能力是“专注力”和“手速”；而在 Boris 的模式下，核心能力变成了**任务架构拆解（Architecture Decomposition）\**与\**上下文切换（Context Switching）**。如果不具备良好的架构思维，无法将一个大需求拆解为 5 个低耦合的子任务，那么开启 5 个窗口只会带来 5 倍的混乱。**并发的前提，是解耦。**

------

## 02. 端云协同 (Teleport)

### 🎥 Boris 的实战现场

Boris 演示了如何打破“本地终端”与“云端网页”的物理隔阂。他使用 `teleport` 命令配合后台任务符 `&`，将本地正在进行的终端会话“瞬移”到浏览器端的 Claude 界面。

- **场景切换**：当需要处理复杂的长文本阅读、查看图表或进行更自然的对话交互时，他切换到网页端。
- **状态同步**：在网页端确认好思路或生成文案后，所有的上下文和结果又能反向同步回本地终端，继续执行代码命令。

### 🧠 技术视点：交互模态的流动性

> 未来的开发环境将不再固守单一的 IDE，而是“数据流”的载体。

CLI（命令行）适合执行和精确控制，GUI（网页）适合阅读、规划和视觉反馈。Boris 的实践告诉我们：**上下文（Context）应当像流体一样**，根据开发者的认知需求，在不同的容器之间自由流转，而不是被锁死在某个软件窗口里。

------

## 03. 慢思考 (Thinking Models)

### 🎥 Boris 的实战现场

在处理复杂的逻辑重构时，Boris 并没有选择响应最快的模型，而是强制指定带有思维链（Chain of Thought）的 Opus 4.5 模型。

尽管这需要等待数分钟才能看到结果，但他强调，对于核心逻辑，必须让 AI 像人类高级工程师一样进行深度的推理。他宁愿花时间等待一个准确的方案，也不愿快速得到一个充满 Bug 的代码块。

### 🧠 技术视点：算力换人力的经济账

> 这是一个关于“信噪比”的决策。

在软件工程中，**生成速度 $\neq$ 开发效率**。修复一个由快速模型产生的幻觉 Bug，其耗时（定位、调试、修改）往往是生成时间的 10 倍以上。这里的策略是典型的“慢即是快”：用昂贵的推理算力，去置换昂贵的人类调试时间。**准确率（Precision）远比延迟（Latency）重要。**

------

## 04. 共享大脑 (CLAUDE.md)

### 🎥 Boris 的实战现场

Boris 展示了他在项目根目录维护的核心文件：CLAUDE.md。

这不是给人类看的 Readme，而是给 AI 看的“宪法”。文件中定义了：

- **架构规范**：如“本项目使用 MVC 模式，Service 层不应直接返回 DTO”。

- **编码细节**：如“日期必须使用 ISO8601 格式”、“禁止使用 `eval` 函数”。

- 路径映射：解释项目特有的黑话和目录结构。

  每次启动 Claude，它都会预加载这份文件，从而让一个通用的 AI 瞬间变成最懂该项目的“资深员工”。

### 🧠 技术视点：隐性知识的显性化

> 这是文档工程（Documentation Engineering）在 AI 时代的复兴。

传统团队中存在大量“部落知识（Tribal Knowledge）”，它们只存在于老员工的脑子里。`CLAUDE.md` 迫使我们将这些隐性知识显性化。这本质上是一种**轻量级的 RAG（检索增强生成）**，它解决了 LLM 的无状态问题，让项目具备了可传承的“记忆”。

------

## 05. 复利工程 (Compounding Engineering)

### 🎥 Boris 的实战现场

当 Claude 犯错（例如引入了一个被禁用的库）时，Boris 的做法令人印象深刻：他不仅仅是纠正代码，而是直接在 GitHub 评论区 @claude 下达指令：“你犯了一个错误，请把这条新规则更新到 CLAUDE.md 中，以后不要再犯。”

通过这种方式，每一次错误都转化为了文档中的一条新规则，确保 AI 不会在同一个地方跌倒两次。

### 🧠 技术视点：错误的资产化

> 我们正在目睹一种全新的“资产积累”方式。

在传统开发中，踩过的坑容易被遗忘；而在这种模式下，**错误被提炼成了系统的“养料”**。随着项目推进，`CLAUDE.md` 越来越完善，AI 越来越聪明。这不仅仅是在写代码，更是在训练一个不断自我进化、不断增值的数字资产。

------

## 06. 计划模式 (Plan Mode)

### 🎥 Boris 的实战现场

Boris 通过双击 Shift+Tab 进入一个特殊的“计划模式”。在此模式下，AI 被禁止写一行代码。

他和 AI 像两个在白板前的架构师一样，纯粹通过自然语言反复推演：“如果我们要改这个 API，会影响哪些文件？”、“数据库 Schema 需要怎么变？”。只有当计划被彻底确认无误后，他才会切换回执行模式让 AI 动手。

### 🧠 技术视点：决策层与执行层的分离

> 这解决了新手使用 AI 最容易犯的错：过早陷入细节。

Plan Mode 强行将**设计（Design）\**与\**实现（Implementation）** 剥离。这不仅通过思维链（CoT）降低了 AI 的幻觉风险，更重要的是，它强制人类保持在“决策层”。**AI 是手，你是脑，动手之前先动脑。**

------

## 07. 斜杠命令 (Slash Commands)

### 🎥 Boris 的实战现场

Boris 演示了他自定义的 /commit-push-pr 命令。

只需输入这一个指令，Claude 就会在后台自动执行一系列复杂的动作：检查 Git 状态 -> 分析变更内容 -> 生成符合规范的 Commit Message -> 推送到远程分支 -> 调用 GitHub API 创建 PR。原本需要敲击十几次键盘的流程，被压缩成了一次指令。

### 🧠 技术视点：流程的“模糊自动化”

> 这是对传统 Shell 脚本的降维打击。

传统的脚本是僵化的，参数必须精确匹配。而挂载了 AI 的 Slash 命令是**基于意图（Intent-based）**的。开发者只需要发出意图，AI 负责填充参数、处理异常。我们正在从“自动化（Automation）”向“自主化（Autonomy）”过渡。

------

## 08. 子智能体 (Sub-agents)

### 🎥 Boris 的实战现场

在处理特定任务时，Boris 会调用专门的“子智能体”。例如：

- `code-simplifier`：这是一个被设定了极强约束的 Agent，它只负责简化代码语法，绝不修改业务逻辑。

- verify-app：专门负责按照测试手册运行端到端测试的 Agent。

  主 AI 负责攻坚，子 Agent 负责扫尾，分工明确。

### 🧠 技术视点：单一职责原则 (SRP) 的 AI 实践

> 我们写代码遵循 SRP 原则，使用 AI Agent 也应如此。

一个通用的“全能 Agent”往往表现平庸。通过构建专门的 Sub-agents，我们可以针对特定任务（如安全审计、性能优化、文档生成）微调 Prompt 和工具集。这是**多智能体协作（Multi-Agent Systems）** 的实战雏形。

------

## 09. 钩子 (Hooks)

### 🎥 Boris 的实战现场

Boris 配置了严格的 Pre/Post-execution Hooks。每当 AI 生成代码准备写入文件之前，系统会自动触发 Prettier 或 Linter。

无论 AI 生成的代码格式多么混乱，在写入磁盘的那一刻，它都会被强制格式化为团队标准风格。

### 🧠 技术视点：最后一道防线

> 这是防御性编程在 AI 时代的必要延伸。

我们不能无条件信任 AI 的输出质量。Hooks 建立了一个**不依赖于 AI 自身道德约束的外部质量门禁**。这不仅解决了 AI 代码“能跑但很难看”的顽疾，更守住了代码库整洁度的底线。

------

## 10. 权限管理 (Permissions)

### 🎥 Boris 的实战现场

Boris 并没有让 AI 处于完全的“裸奔”状态（`dangerously-skip-permissions`）。相反，他精心设置了白名单：

- 读取类命令（`ls`, `cat`, `git status`）：默认允许，无需人类确认，保证交互流畅。
- 破坏类命令（`rm`, `upload`, `deploy`）：必须弹窗询问，且高危操作会被钩子拦截。

### 🧠 技术视点：基于行为的零信任架构

> 信任，但要验证（Trust but Verify）。

在 AI 能够自主执行命令的时代，安全架构必须从“基于身份”转向“基于行为”。这种配置既保证了探索性任务的效率，又锁死了破坏性操作的风险。

------

## 11. 万物互联 (MCP)

### 🎥 Boris 的实战现场

通过 Model Context Protocol (MCP)，Boris 让 Claude 连接到了 IDE 之外的世界。

他展示了 AI 如何直接读取 Slack 中的讨论记录来理解需求背景，或者直接查询 BigQuery 数据库来验证业务逻辑，甚至连接 Sentry 查看线上的实时报错日志。

### 🧠 技术视点：打破 IDE 的“数据孤岛”

> 当 AI 开始感知业务数据时，它才真正成为了“全栈”。

这预示着 **AIOps** 的到来——AI 不再仅仅处理代码文本，而是能够感知线上状态、用户反馈和业务数据。它正在从一个“编码工具”进化为一个能够感知上下文的“业务伙伴”。

------

## 12. 长任务管理 (Ralph Wiggum)

### 🎥 Boris 的实战现场

对于那些极度耗时的任务（如全项目大规模重构、运行数小时的回归测试），Boris 使用了一个被称为 "Ralph Wiggum" 的后台挂机插件。

他将任务扔给这个后台进程，配置好“完成强提醒”，然后就去处理其他事情，甚至睡觉。在这些隔离环境中，他给予 AI 更高的自主权。

### 🧠 技术视点：异步生产力的解放

> 人类的时间是线性的，但算力是可以并发的。

通过将长耗时任务剥离给后台 AI，工程师实现了**算力与人力的解耦**。你不再需要盯着进度条发呆，这是对人类注意力的极致保护。

------

## 13. 反馈闭环 (Feedback Loop)

### 🎥 Boris 的实战现场

这是 Boris 演示中最精彩的部分：赋予 AI 眼睛。

当 AI 修改了前端代码后，它会自动启动一个浏览器实例，像真实用户一样点击按钮、输入表单、截图并分析控制台报错。如果发现页面崩溃或报错，AI 会根据错误信息自动修正代码，直到通过验证。

### 🧠 技术视点：从“开环”到“闭环”

> 这不仅仅是自动化测试，这是“自主纠错”。

目前的 AI 编程多是“开环”的（AI 写完 -> 人去测 -> 人反馈）。Boris 构建的是**闭环系统**（AI 写 -> AI 测 -> AI 改）。只要有了可靠的反馈机制（视觉验证、测试套件），AI 就能在不断的试错中收敛到正确结果，这才是 AI 能够独立完成任务的关键。

------

## 14. claude Code Skills 进阶实践

### 🚀 超越脚本的终极形态

Boris 展示了如何用 Slash Commands 和 MCP 连接工具，但这依然是零散的。通过研究 Anthropic 最新的官方规范，我们发现 Claude Code 真正的杀手锏其实是：**Agent Skills（代理技能架构）**。

这不是简单的写个脚本，而是定义了一种**标准化的能力封装协议**。如果说 `CLAUDE.md` 是公司的“宪法”，那么 Agent Skills 就是 Claude 的“岗位技能手册”。

### 🛠️ 我们的实践：构建标准化的 Skill 目录

我们不应满足于散落在各处的 Prompt，而应按照官方规范，构建可复用的 **Skill 文件夹**结构：

#### 1. 采用“三位一体”的目录结构

一个标准的 Skill 不是一个文件，而是一个目录：

- **`SKILL.md` (大脑)**：核心指令文件。包含 YAML Frontmatter（元数据）定义 `name` 和 `description`，以及 Markdown 格式的操作指南。这是 Claude 唯一“必读”的部分。
- **`scripts/` (肢体)**：存放 Python/Bash 脚本。用于处理需要精确执行、容错率低的逻辑（如数据清洗、格式转换）。这比让 LLM 自己写代码执行要稳定得多。
- **`references/` (海马体)**：存放 PDF 规范、API 文档或模版。这些是 AI 按需查阅的知识库。

#### 2. 利用“渐进式披露”机制 (Progressive Disclosure)

这是该架构最精妙的技术设计，旨在解决上下文窗口（Context Window）的限制：

- **静默态**：Claude 启动时，只加载所有 Skills 的 `name` 和 `description`（约 100 tokens），极度节省资源。
- **激活态**：只有当 Claude 判定当前任务需要该技能时（例如你提到“处理这个 PDF”），它才会动态加载该技能完整的 `SKILL.md` 指令。
- **执行态**：只有在真正执行细节时，才会去读取 `scripts/` 或 `references/` 中的具体文件。

#### 3. 设定“自由度” (Degrees of Freedom)

我们在编写 `SKILL.md` 时遵循“窄桥原则”：

- **低自由度**：对于发布生产环境的操作，我们提供固死的 `scripts/`，不给 AI 自由发挥的空间，确保 100% 的一致性。
- **高自由度**：对于“代码优化建议”类技能，我们只提供 Markdown 文本指导，让 Claude 发挥它的创造力。

### 🧠 技术视点：AI 的“Docker 化”时刻

Agent Skills 的出现意味着 **AI 能力的标准化和模块化**。

- **可移植性**：你可以把一个写好的 `data-analysis` Skill 文件夹打包发给同事，他的 Claude 瞬间就学会了如何分析公司特有的数据格式，无需任何 Prompt 调试。
- **程序性记忆**：以前我们通过 RAG 给 AI **陈述性记忆**（知识），现在我们通过 Skills 给 AI **程序性记忆**（方法）。

------

**结语**

Boris Cherny 的 13 步工作流，配合最新的 Agent Skills 架构，本质上是将程序员从**代码的实现者**，升级为了**代码生产系统的设计者与监督者**。

搜索结果: Python