夜雨聆风
职场里最让人崩溃的瞬间是什么？
你带着满脑子牛逼的方案推开会议室的门，结果却花了10分钟满地找HDMI线、找转接头、调分辨率，把投屏重新折腾一遍，全场人干巴巴地看着你。
最近，我在用 AI Agent 帮我处理网页自动化任务时，真切地体会到了这种感觉。
不管你是搞AI研发需要全网追踪开源项目，还是做自媒体需要高频刷新各大平台的热点榜单，亦或是每天要登录好几个后台系统扒取数据报表的业务人——理论上，这些繁琐的浏览工作，只要一句话，Agent 就应该能帮你全部搞定。
但现实中，让 Agent 去同一个网站执行相似的任务，它的表现就像那个永远记不住你电脑型号的旧投影仪。
你想让它查个资料，它常常迷失在无尽的超链接里；想让它填个表单，它总是找不到隐藏的下拉框；想让它盯个动态，它每次都要重新摸索一遍页面的DOM结构。
派一次活，你就要手把手重新教一遍。
01
一场血压飙升的"在线连线"
前几天，我想让 Agent 帮我查一下B站某位UP主的最新视频数据。我以为这是一句话的事，结果却变成了一场让我血压飙升的在线教学。
一开始，它不走正道，试图用通用的搜索引擎去搜，结果全是过时的网页快照。
💬 "你直接进B站搜。"
进了B站，它又在首页迷路了，找不到UP主的房间。
💬 "不是这个，你点UP主头像进去。"
好不容易进了主页，它又瞎转悠，点了半天其他标签页。
💬 "点投稿，按时间排序。"
就这样，在我的反复纠正下，它勉强完成了任务。但一看时间，10分钟过去了。
更要命的是，仅仅这一次查询，就吃掉了将近 150k 的上下文窗口。当上下文被大量消耗时，模型的推理能力会明显衰减。更糟糕的是，下周如果我再让它查一次，同样的事情还要再来一遍。
那天查完视频后我坐在电脑前，意识到一个致命问题：我不是在让 Agent 帮我查视频，我是在一遍遍地教它"怎么使用B站"。
这感觉，简直和我每天在3号会议室重新拔插一次投屏线、重新调一次分辨率一模一样。
02
Agent缺的不是知识，而是"程序性记忆"
人类的记忆分两种。
一种是"知道是什么"（陈述性记忆），比如你知道引力波的概念；另一种是"记住了怎么做"（程序性记忆），比如骑自行车、游泳，你一旦学会，身体就会自动平衡，不需要每次重新推导。
现在的 Agent 方案已经能解决很多问题，但它们赋予AI的大多是"陈述性"的知识。它知道B站是什么，也知道怎么点击，但它就是没法在外部沉淀出"怎么获取B站数据"的程序性记忆。
这导致了单次操作极度消耗上下文，复杂的长链路更是经常崩溃。就像你其实知道HDMI线长什么样，但系统就是无法自动记住匹配协议，每次都要重新握手。
现在操作浏览器的工具，底层有 playwright 这样成熟稳定的自动化框架，之上也有 playwright-cli 让 Agent 能够通过命令行直接调用浏览器。
但它们依然没有解决"记忆"的问题。
开源社区试图将软件或网站 CLI 化（预置各种命令库）来解决，但我很快发现它无法覆盖我的需求——互联网是无限的，我想查知乎上我最新文章的"阅读量、赞同数、评论数、收藏趋势"，没有任何预置库会内置如此个性化的指令。
去阅读底层源码自建命令？太费劲了。这让我有了一个新思路。
03
WebSculpt：把旧会议室，改造成"推门就亮"
我真正需要的，不是把整个知乎变成一个通用的API，而是把"我查知乎数据"的这个习惯，让AI沉淀下来。
基于这个想法，我开发了 WebSculpt。
它本质上是一个浏览器自动化的 CLI 命令记忆层。如果说之前的自动化工具是让你每次手动插线，那 WebSculpt 就是给你的系统装了一个"无线智能记忆"：只要你成功连过一次，下次一句话，屏幕瞬间点亮。
安装极其简单，你甚至可以直接把我的 GitHub 地址扔给 Agent，让它自己跑下面两行命令：
npm install -g @playwright/cli@^0.1.8 websculptwebsculpt skill install --lang zh
这两行命令的本质，不仅仅是装了个工具，而是向你的 Agent 植入了三个协作 Skill（技能）。它们有着清晰的分工：
🔍 websculpt-explore：指引 Agent 在没有现成命令时，去探索网络，并完成浏览器自动化的试错与跑通。
💾 websculpt-capture：指引 Agent 将探索成功的经验，转换为标准命令格式，完成知识的沉淀。
🛡️ websculpt-scope：指引 Agent 自动感知当前项目需要哪些命令，过滤无关项，保持上下文的绝对纯净。
加入了这个"记忆层"后，Agent的操作会发生什么根本性的改变？看下面这个工作流：
🏃♂️ 第一次：探索与沉淀（辛苦踩坑）
你："帮我查一下知乎热榜。"
Agent 检查本地记忆库，发现没有相关命令。于是自动打开浏览器，开始尝试解析页面、寻找热榜元素、测试验证。几分钟后，拿到数据。
此时，Agent 会询问："我已经跑通了路径，是否需要将这段经验沉淀为 zhihu/get-hot 命令？"
你："确认沉淀。"
当初 Agent 折腾半天跑通的路径，此刻已经变成了一个极其精简的本地命令资产。
🚀 第二次：零成本无限复用（推门就亮）
几天后，你："帮我查一下知乎前3的热榜数据。"
这次，Agent 发现了记忆库里的 zhihu/get-hot，它毫不犹豫地直接调用代码：
$ websculpt zhihu get-hot --limit 3
屏幕闪烁了一下，数据秒级返回。就像你推开会议室的门，PPT已经完美显示在大屏幕上。
这一次，没有漫长的DOM分析，没有盲目的点击试错，零 Agent 思考时间，零额外 Token 消耗。纯代码执行，结果极其稳定。你甚至可以自己在终端里手动敲入这行代码，获得完全一致的结果。
04
纯净的上下文与"自带账号体系"
随着日常使用，你的命令库里可能会积累几十上百个命令。为了防止过多的命令干扰 Agent 的判断，WebSculpt 支持 Scope（项目级白名单）机制。
你不需要去记繁琐的配置指令。 只需要直接和 Agent 说："当前这个项目我只需要知乎相关的命令。"
Agent 就会自动替你配置白名单，屏蔽掉 B站 或 GitHub 的指令噪音，从而保持极致纯净的上下文。
更重要的是，WebSculpt 解决了一个核心痛点：登录态。
国内极具价值的信息几乎都在站内，必须登录才能查看。大多数人并不愿意把自己的账号密码或 Cookie 交给第三方的云端 API。
WebSculpt 通过 CDP（Chrome DevTools Protocol）直接连接你本地的 Chrome 浏览器。这就意味着它天然复用你本机的登录态。这种"本地CLI + 本地浏览器"的组合，是兼顾自动化与保护隐私最合理的边界。
05
水面下的状态机：约束Agent的边界
为了保证这种"无限复用"的绝对稳定，WebSculpt 在水面下的执行逻辑设计了一套严密的约束机制。
最核心的设计，是将过程拆分为 explore（探索） 和 capture（沉淀） 两个严格分离的阶段。这就像是"试驾"和"量产"的区别。
在探索阶段（试驾），允许Agent犯错、走弯路，目标是把路跑通；但在沉淀阶段（量产），要求极度严谨。
如果不加约束，Agent 经常会"自由发挥"（比如跳过关键步骤）。因此，底层的核心机制是一个 Harness 状态机。Agent 只有提供了证据、通过了校验和测试，状态机才会允许它进入下一步，从根本上杜绝了交付残缺代码的可能。
💡 写在最后
梳理 WebSculpt 逻辑的过程，其实也是我重新思考人与AI关系的过程。
一开始，我觉得把常用的网站封装成CLI就够了。但最后我发现，每个人对数据的诉求千差万别。不是网站需要被CLI化，而是你使用浏览器的"业务习惯"需要被CLI化。
工具应当记住人的成功经验，而不是让人去适应工具的预设。
AI 模型再强大，它的强项在于理解DOM、编写脚本、执行点击；而定义一条有价值的数据获取路径，依然需要人的经验去引导。把这条经验喂给 AI，并固化下来，这才是完成自动化闭环的关键。
AI 时代的稀缺资源，不是算力，而是"用好AI、并知道如何让AI沉淀业务逻辑的人"。
如果你也受够了同一个网站每次都要重新教 Agent 一遍的折磨，受够了每次进会议室都要重新连投屏的无力感，欢迎来试试 WebSculpt。
让AI真正成为那个"推门就能开会"的默契搭档。
👇 获取方式 / 开源地址 👇
GitHub地址：github.com/bqw1013/WebSculpt(开源不易，欢迎来点个 ⭐️ Star 支持一下)
一键安装命令：npm install -g @playwright/cli@^0.1.8 websculpt
💡 互动一下：你在用 AI 做网页自动化时，经历过哪些"高血压"瞬间？欢迎在评论区和我聊聊。