browser-use/jev-ultrafast · 源码研究 → 离线试用 → 真实联网任务

jev-ultrafast 实战工作成果

从安装、31 条契约测试、无 API key 的离线决策循环试跑，到配置真实 key 后在真实 Chrome 上完成 Google Flights 任务并通过 7/7 独立校验——完整记录「决策层浏览器 Agent」的一次落地验证。

日期：2026-09-22 离线契约测试：31/31 通过 真实任务：✅ 7/7 校验通过 真实成本：$0.0114 / 任务

研究对象

browser-use/jev-ultrafast ⚡（17.5k★ / 6 天，MIT）
browser-use 官方出品的超快浏览器 Agent：TypeSafe Jev 从动态索引的动作空间里选出操作与目标元素，只有 TYPE_TEXT 时才由小 LLM 生成文本——「用选择替代生成」。8 种操作：CLICK / TYPE_TEXT / SELECT / SCROLL_UP / SCROLL_DOWN / WAIT / DONE / BLOCKED。
核心机制：投机扇出（Speculative Fan-out）
每轮决策把 operation 与各操作的 target 作为并行 Choice 问题放进一次 TypeSafe 请求，两次判断一次网络往返；每个 target head 只含兼容元素，未命中的 head 作废。官方 Demo：Google Flights 全任务 7.07s，Jev 中位延迟 178ms。
本环境配置
TYPESAFE_API_KEY（jev-latest，实测有效）+ TEXT_MODEL_API_KEY（DeepSeek deepseek-chat）。写入 .env（gitignored，权限 600）。浏览器层：browser-harness 通过 CDP 驱动真实 Chrome（需手动开 chrome://inspect/#remote-debugging）。

工作流程：四步从零到真实任务

STEP 1
安装与契约验证
git clone + uv sync（仅 2 个运行时依赖）。官方离线测试套件 31/31 通过（0.37s，零付费），覆盖 14 条安全契约：非法概率拒绝、过期决策先消费、文本 helper 拒绝猜值等。
✅ 31/31
STEP 2
离线试跑（无 key）
只替换两个网络边界（FakeBrowser 模拟机票站 + 按脚 本作答的假 Jev），驱动真实 Agent 代码路径跑通 9 决策 / 2 文本调用 / done，并产出完整工作日志。
✅ done
STEP 3
配置真实 key
TypeSafe key 与 DeepSeek key 均以最小请求实测验证（成本忽略不计）；Chrome 开启远程调试开关后 browser-harness 自动连接 CDP 端口 9222。
✅ 双 key 有效
STEP 4
真实联网任务
真实 Chrome 上跑 Google Flights：3 次运行定位过期日期根因后，第 3 次成功完成并通过独立校验器 7/7 项检查。
🎉 成功

动作工作原理：一条动作的完整生命周期

每一步都经过同一条流水线：观察 → 动作空间 → 一次投机扇出请求 → 严格校验 → 消费决策 → 新鲜度守卫 → 执行 → 先记日志再重观察。模型输出永远只走「从观察到的 DOM 节点解析」这一条窄通道。

① 原子观察 1 次 CDP 读 · snapshot.js fingerprint = sha256(url+text+actions) ② 动作空间 元素表 [1][2][3]… 每个操作一个兼容 target head ③ 一次 TypeSafe 请求 operation + click_target + type_text_target 并行投机作答 · 中位延迟 809ms（实测） ④ 概率严格校验 候选一致 · Σ=1±0.02 · argmax 任一不过 → 拒绝执行 ⑤ 消费决策 + 守卫 decision 先置空，重试不可能双击 重查指纹 · 遮挡 · 几何 ⑥ 执行（代码拥有动作） CLICK=节点坐标+鼠标事件 TYPE_TEXT=小 LLM 单键 JSON → selectAll+insertText ⑦ 先记日志 概率/延迟/token 落盘 过期观察不能抹掉已执行动作 ⑧ 重新观察 fingerprint 对比 page_changed 写入历史 循环：回到 ①（status=ready） StalePage 页面在决策后变化 → 重新决策 熔断 blocked 连续 3 次无变化(非WAIT) · 步数≤60
安全模型：校验层保证「结构合法」（概率分布、候选一致），不保证「语义正确」——语义靠规则（DONE 需可见证据）与独立结果校验器兜底。模型输出永不成为选择器、坐标、shell 命令或可执行 JS。

工作日志解剖：三层全可审计

Agent 每步产出三层日志，事后审查无需重放。以下字段全部来自真实运行落盘的 state.json。

decisions[] —— 模型判断层
operation 与 target 的选择、完整概率分布（operation_probabilities / target_probabilities）、置信度、延迟、token 用量，以及 request 原始请求体——投机扇出在这里直接可见：questions 同时含 operation + 各操作 head。
history[] —— 执行层
实际执行的 choice、执行概率（target head 的，归因准确）、生成的文本、page_changed（执行后指纹对比，熔断的输入）、text_helper 与其延迟。被过期吞掉的决策不污染历史。
text_calls[] —— 文本生成账本
字段 → 生成值 → 模型 → 延迟 → token，独立于 Jev 计量。真实运行：Where from? → "Zurich"（667ms）、Where to? → "London"（714ms）。

真实联网实测：三次运行定位根因

🎉 第 3 次运行成功：苏黎世 → 伦敦，10 月 20 日，7/7 独立校验全过
独立校验器核验 URL、单程、出发地、目的地、日期、年份与可见航班——DONE 判定从不被当作成功的证据。
运行目标日期决策数执行动作结果根因
Run 12026-09-20108❌ blocked「Open Departure」点击 3 次页面无变化 → 无进展熔断（真实浏览器连接首跑 + 授权弹窗干扰）
Run 22026-09-2028~25❌ blocked官方 Demo 硬编码日期已过期：9 月 20 日已成过去，日历中不可选，Agent 在翻月中迷失。熔断正确兜底
Run 32026-10-207131✅ passed 7/7换未来日期后成功。总耗时 75.6s，成本 $0.0114
研究价值：官方 README 的目标日期（September 20, 2026）在录制时是未来值，发布一周后即失效——任务型 Demo 的可复现性有时效。修正版脚本 flights_future.py 已随报告附带。

实测数据 vs 官方 Demo

75.6s
总耗时（真实）
官方 7.07s
809ms
Jev 中位延迟
官方 178ms · 差异=网络 RTT
56%
决策过期作废率
71 决策仅 31 执行
$0.0114
Jev 成本 / 任务
271,559 输入 token

逐项对比（官方 Demo = 最优路径 + 低延迟链路）

总耗时
7.07s
75.6s
Jev 延迟
178ms
809ms
决策数
17
71（31 执行）
输入 token
90,558
271,559
官方 Demo 本环境实测（延迟条以各自较大值为 100% 基准）
Run 3 操作分布
CLICK 22 · WAIT 5 · TYPE_TEXT 2 · SCROLL_DOWN 2 —— 典型的「判断密集、生成极少」形态：全程只有 2 次文本生成（DeepSeek 667ms / 714ms），其余全部是 Jev 的 Choice 判断。
成本结构确认
Jev $0.042/M 输入、输出免费；单任务 $0.0114 ≈ 官方口径的 3 倍（决策数多 4 倍）。token 是唯一变量——页面稳定性直接决定花费。

任务成果：真实航班（2026-10-20 苏黎世 → 伦敦，单程经济舱）

easyJet ✈ 直飞 1h 45m
11:10 苏黎世机场 → 11:55 伦敦盖特威克
SGD 70不含行李架上包费
British Airways ✈ 直飞 2h
20:10 苏黎世机场 → 21:10 伦敦希思罗
SGD 112
SWISS ✈ 直飞 1h 50m
15:35 苏黎世机场 → 16:25 伦敦希思罗
SGD 166

关键发现

Demo 的可复现性有时效
README 硬编码「September 20, 2026」，发布一周后即过期。Agent 面对不可能目标不会硬编，而是 stuck → blocked——熔断机制正确兜底，但复现官方结果必须先换未来日期。
stale 率是真实成本的大头
56% 的决策在执行前因页面 fingerprint 变化被丢弃（价格刷新、动画）。官方「减少浏览器往返」优化针对的正是这个——页面稳定性比模型延迟更影响花费。
「ultrafast」强依赖网络位置
Jev 中位延迟 809ms vs 官方 178ms，纯 RTT 差异。决策循环是串行的，延迟直接乘在每一步上——跨区域使用时体感约慢 4.5 倍。
会 wander，但不越界
搜索页上多次绕路、误点、重复动作，但每次动作都被守卫约束在观察到的节点上；最终靠「DONE 需可见证据」规则自我纠正并通过独立校验。语义错误存在但被架构无害化。
可审计性是设计出来的
71 次决策的概率、置信度、延迟、token 全部落盘；blocked 可解释（3 次重试记录）；成本可预算（计费到步）。对生产化而言，这比 7 秒的体感更有价值。

复现方式

cd jev-ultrafast
uv run pytest                                # 离线契约测试（31/31，零付费）
uv run python ../jev-ultrafast_dryrun.py     # 无 key 离线驱动真实 Agent 循环
# 真实运行（.env 填入 TYPESAFE_API_KEY + TEXT_MODEL_API_KEY）：
uv run --env-file .env python flights_future.py        # 未来日期修正版，✅ 7/7 校验通过
# 产物：artifacts/flights/future-date/state.json（完整三层工作日志）

环境门槛：新版 Chrome 需在 chrome://inspect/#remote-debugging 手动开启「Allow remote debugging」；browser-harness daemon 随 Agent 启动自动拉起并连接 CDP。