摘要 ｜ 2026-07 · Moli 是一个为 AI agent 设计的 headless browser；这里记录我在其中的角色与动机。
我在参与一个叫 Moli 的项目：一个为 AI agent 设计的 headless browser。传统浏览器是为人眼造的——渲染、合成、字体、GPU 占掉了大头开销，而一个 agent 真正要的，其实只是”读懂页面、点对按钮、拿到数据”。Moli 从头实现了一个轻量引擎，直接讲 CDP 协议，可以替换掉 Chrome、插进现有的 agent 框架里，用小得多的内存和启动成本跑完大部分自动化任务。这个方向已经有先行者（比如 Lightpanda），Moli 想成为在真实 agent 场景里更能打的那一个。
我在项目里的角色主要是两块。一是评测：为这个引擎设计并搭建一套系统化的 benchmark——从 CDP 协议兼容性、浏览器机制级测试，到真实 agent 任务和线上网站的分层靶场，持续回答”Moli 与 Lightpanda、Chrome 的能力边界各在哪里，产品什么时候该 fallback、代价是什么”。二是社区：对接用户反馈与宣发。前者是我的主要投入。
Motivation
决定接下它，先是因为它有实打实的价值：项目本身的回报，对我个人则是一份工程能力的证明——算法岗越来越看重一个 PhD 是否真的能把东西造出来，而不只是发 paper。
更吸引我的，是它像一个我很想亲自跑一遍的实验。我此前做的跟 browser 最相关的是 browser/GUI agent 的评测 benchmark，没有浏览器开发经验，甚至没怎么写过前端。恰恰是这个位置让问题变得有意思：在 AI 时代，一个没有领域背景的人，借助 AI 究竟能在多大程度上完成一个严肃的跨行工程项目，并真正建立起对这个领域的心智模型？顺带地，它也在检验我沟通、推进项目、解决”新问题”的能力。
再往下一层，是我对大型软件工程本身的好奇。近现代多数科技发明真正走进生活，靠的不是想法本身，而是把想法工程化的漫长过程——做到鲁棒、安全、可扩展、可自动化之后，技术才变成人人可用的基础设施（e.g. 互联网，飞机背后的飞控软件）。浏览器是最典型的例子之一：普通人每天用得最多、却最少意识到其复杂度的软件。哪怕只从评测这一侧切入去参与造一个浏览器，也是我能想到的、理解”工程如何让技术落地”最直接的方式。
Why I do
说到底，我做这些事的理由是一致的：我想弄清楚事物为什么 work，也想知道自己能把一个想法推进到多远。研究让我逼近前者，而像 Moli 这样的工程让我检验后者——能把一个东西真正造出来、让它在真实场景里站得住，对我而言和想清楚一个问题同样重要。当然，在一个充满技术感的团队去做一个 infra 上的”SOTA”,这从哪个角度看都 cool 极了