lijianfei.com

在大模型与自主智能体（AI Agent）席卷技术栈的今天，浏览器的角色发生了根本性的位移。我们曾习以为常的 Chromium，本质上是一台为人类肉眼以 60Hz 乃至 120Hz 刷新率呈现精美像素的“重装工业复合体”；然而，当坐在屏幕对面的使用者从碳基生物变成硅基智能体时，这套庞大的图形渲染架构瞬间显露出巨大的结构性错配。

开源项目 Moli（由团队 lexmount 主导并在 GitHub 开源）给出了极具革命性的回答：它用 Rust 重构了一款面向 AI 智能体的生产级无头浏览器，提出了 “结构优先，按需生成像素”（Structure first. Pixels on demand） 的核心架构哲学。它既没有像传统轻量无头工具那样牺牲现代 Web API 兼容性，也没有盲目背负 Chromium 动辄 700 MiB 内存与 11 个并发进程的沉重底噪。在这篇文章中，我将深入其 Rust 底层源码，全景剖析 Moli 如何通过原生 DOM 分离管线、按需销毁的冻结布局树、零拷贝 Markdown 栈机以及原生的 WebMCP 表单工具协议，为 Agentic Web 树立全新的工程标杆。

拿到 TypeSafe AI 开放内测的决策模型 Jev 之后，很多习惯了 ChatGPT 和 Claude 的开发者第一反应往往是困惑：它甚至连一段通顺的文字都不会写，无法生成任意字符串，怎么能被称为“操控电脑的神器”？然而，当它被接入浏览器与桌面自动化管线时，开源社区却集体炸开了锅——订机票 7 秒搞定、界面单步决策仅需 90 毫秒、单次任务模型成本骤降至 0.001 美元。

在过去很长一段时间里，让自回归大模型操作电脑宛如看一场 2 FPS 的慢速 PPT：每点一次鼠标，都要等千亿参数模型慢悠悠“写一篇小论文”。为什么一个只会做“单选题”的模型能将传统截图式 Computer Use 彻底干趴？当它与 WebMCP 结合时，为何能将基准评测成功率直接拉满到 100%，并将运行成本狂砍 112 倍？本文将为你深度拆解这场正在颠覆智能体底层逻辑的“分流革命”。