GitHub 最近突然爆紅了一個很有意思的 AI Browser Agent。
名字叫 Jev Ultrafast。
專案 9 月 16 日才出現，上線約 15 小時時還不到 1,000 Stars。
幾天後：
9/16：不到 1,000 Stars
↓
9/21：約 6,800
↓
現在：突破 10,000 Stars
短短 6 天，增長速度非常誇張。
但真正值得注意的不是 GitHub Stars，而是它對 Browser Agent 做了一個很不一樣的選擇。
目前很多 AI Browser Agent 操作網頁的方式，大致是：
截圖
→ AI 看畫面
→ 找按鈕
→ 點擊
→ 再截圖
→ 再判斷下一步
這種方法很直覺，但也意味著大量視覺處理、模型推理與操作成本。
Jev 的思路不同。
它不需要讓 AI 不斷「看螢幕」，而是直接把網頁 DOM 與可操作元素整理成結構化的 Action Space。
模型看到的更像是：
按鈕 A
輸入框 B
選項 C
然後只需要決定下一步執行什麼動作。
真正需要產生文字時，才呼叫 LLM。
官方展示的一個 Google Flights Demo 中，從 Zurich 搜尋到 London 的航班，大約 7.1 秒完成。
官方公開的測試還顯示，部分任務的 browser protocol calls 可以大幅減少。
這件事讓我覺得很有意思。
過去大家談 AI Agent，注意力幾乎都放在：
模型是不是更聰明？
但真正大規模部署 Agent 之後，另一個問題可能更重要：
完成一個任務，到底需要多少次模型推理、多少 Token、多少秒，以及多少錢？
如果 Browser Agent 可以少「看」很多次、少「想」很多次，卻完成同樣的工作，
下一場 Agent 競爭可能不只是 Intelligence。
而是：
Efficiency。
名字叫 Jev Ultrafast。
專案 9 月 16 日才出現，上線約 15 小時時還不到 1,000 Stars。
幾天後：
9/16：不到 1,000 Stars
↓
9/21：約 6,800
↓
現在：突破 10,000 Stars
短短 6 天，增長速度非常誇張。
但真正值得注意的不是 GitHub Stars，而是它對 Browser Agent 做了一個很不一樣的選擇。
目前很多 AI Browser Agent 操作網頁的方式，大致是：
截圖
→ AI 看畫面
→ 找按鈕
→ 點擊
→ 再截圖
→ 再判斷下一步
這種方法很直覺，但也意味著大量視覺處理、模型推理與操作成本。
Jev 的思路不同。
它不需要讓 AI 不斷「看螢幕」，而是直接把網頁 DOM 與可操作元素整理成結構化的 Action Space。
模型看到的更像是：
按鈕 A
輸入框 B
選項 C
然後只需要決定下一步執行什麼動作。
真正需要產生文字時，才呼叫 LLM。
官方展示的一個 Google Flights Demo 中，從 Zurich 搜尋到 London 的航班，大約 7.1 秒完成。
官方公開的測試還顯示，部分任務的 browser protocol calls 可以大幅減少。
這件事讓我覺得很有意思。
過去大家談 AI Agent，注意力幾乎都放在：
模型是不是更聰明？
但真正大規模部署 Agent 之後，另一個問題可能更重要：
完成一個任務，到底需要多少次模型推理、多少 Token、多少秒，以及多少錢？
如果 Browser Agent 可以少「看」很多次、少「想」很多次，卻完成同樣的工作，
下一場 Agent 競爭可能不只是 Intelligence。
而是：
Efficiency。
