Skip to content

A team of long-lived bots for DeepSeek Harness, with main bots, bot-to-bot messages and group chats.

6.6 KB
Raw Blame

浏览器插件:全团队一个后端,每个 Bot 一份 profile

  • 日期:2026-10-21
  • 相关:改 浏览器、搜索、密钥和连接器 里「Bot 不操作浏览器」。维护者确认:那条是等这次做的。
  • 代码:ds-bot/src/host/browser-plugins.js、ds-bot/src/host/browser/、browser-plugins/

为什么

Bot 要替用户在网页上做事,只读面板不够。外面已经有很多浏览器后端:browser-use、Playwright、Stagehand、ego lite、Hermes 的 browser_exec、OpenCode 的 browser 工具,以及一堆 DSH 插件。DSH 官方的 browser-use 子系统一次只能挂一个 provider,浏览器属于那一个活着的 Session,换段或重开会丢掉登录。

Bot 是长期身份。登录应该跟着 Bot 走,而不是跟着某一段对话走。同时不能这个 Bot 用一套、那个 Bot 用另一套:团队只选一个后端。浏览器本身仍然分开,cookie 不在 Bot 之间串。

已定的行为

  • 团队配置 browserPlugin,取值 refs、script、task 之一。不配就和以前一样,只有桌面里的只读 read_browser。三个值不会同时注册。
  • 选定之后,每个 Bot 用同一套工具。Bot 自己的会话、它在每个群里的会话、以及这些会话换段之前的 id,都解析到同一个 Bot,打开同一份 profile:bot/browser-profiles/<botId>/。
  • 不同 Bot 的目录不复制、不共享。用户要两个 Bot 登同一个站,就各自登一次。以后如果要「把这份登录复制给另一个 Bot」,做成显式动作,不自动同步。
  • 群聊各用各的浏览器,也就是各用各的 Bot profile,不设一个群共用的浏览器。
  • 页面正文仍然是数据,不当成用户的指令。
  • 浏览、点击、输入、选择、筛选、登录表单和普通设置默认放行,不按 DSH 权限预设分级。
  • 只有发帖、上传、下载、删除需要用户授权。Bot 在设置的「浏览器」页获得匹配网站和操作类型的预授权时直接执行;否则走 DSH 审批卡片,审批只允许本次操作。预授权可设过期时间。
  • 删除无论有没有预授权,都先返回核对快照;Bot 必须在检查目标后用 browser_click 的 confirm: true 再点同一个元素,且页面 URL 和标签都必须匹配,才进入正常授权流程。
  • 付款、购买、转账等操作永远不由 Bot 执行;付款详情也不由 Bot 输入。Bot 调用 browser_handoff(或脚本里的 handoff),由用户完成。登录或验证码也可交给用户;交接后点击、输入、打开页面都会停住,直到 browser_resume。不另设域名名单,也不拦截内网地址。
  • Bot 在自己的聊天里交接时,聊天里出现一张卡片:写明原因、要用户做的事和当前页面的站点,按钮依次是「跳过」「接管」「我完成了」。「我完成了」和「跳过」把结果告诉 Bot 并交还浏览器,Bot 接着做或换一条路;「接管」打开浏览器面板,卡片留着,直到用户点另外两个按钮之一。用户用卡片或面板回答后,回复消息在转录里留下标题和结果;Bot 自己调用 browser_resume 或应用重启后,旧卡片不显示,也不补这一行。
  • 上传只允许使用 Bot 的工作目录、团队目录或 browser-downloads/<botId>/ 中的文件,链接目标在校验前解析。
  • 已授权的发帖、上传、下载、删除若结果未知,会按来源记录,要求先用快照核实;页面仍未观察前,不允许重复同来源的操作。下载文件保存到 Bot 的工作目录;没有工作目录时保存到团队目录。
  • 三个插件:
    • refs:打开、快照、按编号点击和填写、截图。每一步留在会话里,可以核对。快照会读进开放的 Shadow DOM 和同源 iframe。
    • script:一次提交一段 JavaScript,帮手已经在作用域里。这是 Hermes browser_exec 和 ego heredoc 的形状。
    • task:一个目标进去,插件自己用 refs 的工具跑完,交回答案和步骤。
  • 截图作为图片块交给模型。后面的模型按多模态来用,不把 Flash 当成纯文本。
  • 在桌面应用中,Playwright 插件连接到主进程拥有的浏览器页;Bot 和用户看到同一组标签页。DSH Desktop 仍使用独立的 Chromium profile。Bot 的 profile 和下载目录按 Bot 隔离。

不做什么

  • 不在 Bot 之间同步 cookie。
  • 不把 Chrome DevTools MCP 做成可选后端。它留在调研里,不进这三个插件。
  • 不在这台没有 ego lite 的环境里假装测过 ego。
  • 默认不打开任何一个插件,所以现有的只读行为不变。选定之前不合进 dev。

已知限制

  • DSH Desktop 的浏览器面板仍由用户操作;桌面应用中的面板页由 Bot 和用户共同使用,接管状态由用户控制。
  • 群聊或子 Agent 里 Bot 发起的交接不出聊天卡,只在浏览器面板顶部的接管条里处理;工具结果会提醒 Bot 在当前对话说明要用户做什么,在面板里点交还不会通知 Bot。
  • 单独把 browser-plugins/* 装进一个没有 DS Bot 的 DSH profile 时,profile 按 Session id 分开,换段会像官方 browser-use 一样丢掉登录。跟 Bot 走的那份目录只有 DS Bot 挂载时才有。
  • task 在插件内部再调一次模型,步骤在工具结果里,不在 Bot 自己的逐步工具调用里。
  • 这次实测用的是自建多步页面,加上 WebVoyager 里两条 arXiv 任务,不是整套 600 多条。

变更

  • 2026-10-21:维护者定下全团队一个后端、每 Bot 一份 profile、cookie 不同步。三个插件和实测在同一分支,默认关闭。
  • 2026-10-22:browser_task 使用调用 Bot 在 DSH 中配置的模型;基准测试模型由 BENCH_BASE_URL、BENCH_MODEL 和 BENCH_API_KEY 配置。
  • 2026-10-23:维护者定下权限规则:默认放行;发帖、上传、下载、删除按预授权或审批;删除强制多核对一轮;付款一律交给用户;预授权可设时限,在设置的浏览器页管理。
  • 2026-10-24:桌面应用中的 Bot 操作浏览器面板里的页面;用户可接管、停止 Bot 或交还控制权。Bot 交接可由 Bot 恢复;用户接管只能由用户交还。
  • 2026-10-27:Bot 在自己的聊天里交接时,聊天里出卡片,按钮为跳过、接管、我完成了;点「我完成了」或「跳过」会通知 Bot,面板里的交还在这种交接下同样通知 Bot,但只说明控制权已交还,不断言步骤已完成。群聊和子 Agent 不出卡,工具结果提示 Bot 在当前对话说明要用户做什么。