dsh-inner-browser-use

一个由 agent 自己养的 Chrome，实时投到 DeepSeek Harness 的右栏里。

agent 打开网页、读页面、点、输入、滚动。这个浏览器是独立的 Chrome 进程，用自己的磁盘 profile，不是产品自带的那个浏览页签：右栏放的是它的画面，而画面上的鼠标仍然是你自己的。

工具

工具	作用
sidecar_open	启动浏览器（已在跑就复用）并打开一个地址。传 headless: false 会改为在桌面上开真实窗口。
sidecar_view	返回地址、标题、编号成 1 … 120 的控件，以及可见文字。
sidecar_extract	按 CSS 选择器把列表项读成一行一条、带链接，比整页读省得多。
sidecar_click	点编号控件，或点 x/y 坐标。double: true 双击。控件被横幅或弹层挡着时，先关掉它再点。
sidecar_type	往焦点输入框输入文字，也可以先点一个编号控件。中文整段送进去。submit: true 回车提交。
sidecar_key	按一个键：Enter、Tab、Escape、Backspace、Delete、上下左右、Home、End、PageUp、PageDown。
sidecar_scroll	在页面中心滚轮，也可以指定 x/y。dy: 600 约一屏。
sidecar_shot	存一张原尺寸 PNG 到 ~/.dsh-inner-browser-use/screenshots，返回路径。
sidecar_state	报浏览器在不在跑、用的哪个 profile、地址、标题，以及有几个右栏在看它。

sidecar_view 一次给一页文本：

https://example.com
Example Domain

1 [a] More information
7 [input] Search

编号到下一次读之前都有效。任何改动页面的操作都会顺带返回一次新的读取。

右栏

那一栏显示的是浏览器的画面，按会话自己的流发 JPEG：1440×900，质量 72，每帧都发；静止 页面上约 82 KB 一帧、每秒 25 帧。

画面上有两个指针：

• 黑色箭头是 agent。 它标在 agent 上一次点击的落点上，新的点击一发出箭头就动，不等 页面重绘。
• 鼠标是你自己的。 悬停、点击、滚轮、按键都当作真实输入交给浏览器，所以对拦截脚本点击 的站也照常管用。移动鼠标不会带动黑色箭头。

画面上方那行地址就是地址栏：输入域名回车，页面换成它；旁边是后退、前进、刷新。你在编辑时 它不会跟着页面跳。

输入分两路进来：输入法合成的文字（中文、emoji 等）整段插入，按键则按原样送过去，所以 Backspace 在页面上删掉的是一个字。

右栏只在向它要过页面的那个会话里打开。别的会话调用工具时用的是同一个浏览器，但不会抢走 别人正在看的这一栏。

登录态

profile 是独立目录：~/.dsh/inner-browser-use/chrome/default。它在产品自己的浏览数据之外 ——那份数据是每个进程临时建的，进程一退就没了，所以在这里登过的账号第二天还在。

• 插件重载。 重载会接上仍在运行的那个 Chrome，页面也还在原处。
• Harness 重启。 重新打开同一个目录，cookie、localStorage 和 Chrome 存下的密码都留着。
• 退出。 关浏览器是请它自己关（Browser.close），Chrome 在这一步才把 cookie 落盘；空闲 15 分钟会关掉，有右栏在看时不计这段空闲。

profile 之外只写一样东西：~/.dsh-inner-browser-use/screenshots/ 里的截图。

实测

打开页面到第一帧	约 850 ms，含网络加载
单帧	1440×900 JPEG，约 82 KB
画面	约 25 帧每秒
指针移动到箭头跟上	0.8–7 ms

安装

git clone https://github.com/regrevia/dsh-inner-browser-use
dsh plugin install /path/to/dsh-inner-browser-use

在应用里走 插件 → 从文件夹安装，选这个仓库目录。要装打包好的 tgz，就在该目录里打一个再装：

npm pack                                  # 得到 dsh-inner-browser-use-0.12.1.tgz
dsh plugin install ./dsh-inner-browser-use-0.12.1.tgz

装好后在 插件 里显示为 后台浏览器。机器上要有 Google Chrome 或 Chromium，细节见 docs/COMPATIBILITY.md。

使用

1. 打开你想让 agent 代跑的会话。
2. 直接说要页面上的什么事：「打开 example.com，告诉我标题」。

第一次调用会启动浏览器，并把镜像放进这个会话的右栏。没有调用就不会有东西自己打开：没要过 页面的会话，右栏保持原样。

框架、下载、网络

• iframe 能读，跨站也能。 不管是和页面共用进程，还是 Chrome 单独给一个进程，里面的控件都和页面自己的控件一样有编号；点击按框架在页面上的实际位置落点。
• 下载会落到磁盘。 点一下就下载的文件写在这个浏览器自己的 profile 目录里，sidecar_downloads 报出文件名、大小和到达时间。
• 能看到网络。 sidecar_network 倒序列出页面请求了什么，自己用接口填内容、屏幕上又看不出原因的页面，不用截图去猜。
• 遮罩不吞动作。 盖在按钮上的 cookie 横幅会按人的做法先关掉再点下去，同一次调用里完成；sidecar_do 的每一步都一样。写着删除、支付、退出的遮罩只报告，不代按。

不做什么

• 不动你自己的 Chrome。 浏览器跑在单独的 profile 上，和你正在用的窗口没有关系。
• 视口固定。 1440×900、桌面布局，不缩放，也不模拟手机。
• 一次一页。 点开新页签的链接会被跟过去：镜像落到新页面，弹窗随即关掉，不会留下第二个页面要选。

兼容性

Harness	0.2.0 及以上
Chrome	Google Chrome、Chromium 或 Canary，112 及以上
运行时	Node 20 及以上
许可	MIT

细节在 docs/COMPATIBILITY.md，两半怎么连起来在 docs/ARCHITECTURE.md。

开发

node --test test/*.test.mjs

服务端那一半是零依赖 ESM，页面那一半是运行时加载的客户端模块，都不需要构建。

许可

MIT © regrevia