Tsaagan：面向 AI 智能体的浏览器操作工具，强调动作可验证
开发者发布开源工具 Tsaagan，让 AI 智能体像人一样驱动浏览器完成登录、表单填写等任务，并验证每一步执行结果。
Show HN 上线的新项目 Tsaagan 是一款面向 AI 智能体的浏览器控制工具，由开发者 Michael Olmos 开源发布。其核心理念是把智能体（agent）定位为「大脑」，把浏览器交互交给 Tsaagan 这双「手」，让 Claude、Codex、Cursor 等任意模型驱动的智能体能够在真实浏览器中完成登录、点击、表单填写、抓取登录后数据等任务，并逐步验证动作结果。
核心思路：感知 → 行动 → 验证 → 记忆
Tsaagan 在执行机制上强调「先观察后出手」。它读取页面的可访问性树（accessibility tree）来定位元素，执行操作后通过真实页面状态判断动作是否真的成功，包括 URL 是否改变、是否出现预期文本、是否报错等，而不是发出指令后盲目推进。项目作者认为，这一步验证是「自动化勉强能用」与「无人值守可信自动化」之间的关键差异。
工具内置分层能力调用策略，按从轻到重的顺序选择执行通道：
- 优先调用目标站点的官方 API（密钥保存在操作系统 Keychain 中，速度与可靠性最高）；
- 其次通过浏览器扩展（跨平台）或 macOS 原生通道驱动真实 Chrome，使用受信输入（trusted input），避免被站点识别为自动化流量；
- 最后回退到基于 Playwright 的 CDP 通道，覆盖无 API 的中长尾网站。
记忆与学习机制
Tsaagan 不只是记录状态，而是建立一套学习回路：每次运行成功后保存为可复用流程；失败则通过 LLM 反思生成一行经验教训；遇到反爬风控时自动将该域名切换为「人类节奏」模式。积累的零散经验会被进一步综合成长期规则，供后续任务调用。所有数据保存在本地文件，敏感信息仅存于系统 Keychain。
边界与使用约束
项目作者在文档中明确划定了 Tsaagan 不做的事：不破解验证码、不规避平台封禁、不违反目标站点服务条款；遇到验证码或反滥用拦截时会停下来把控制权交回给人类；对购买、发送、删除等不可逆操作要求人类确认。其使用边界由项目内的 SOUL.md 与 AGENTS.md 文件约束，并要求用户只对自己拥有或被授权的账号与系统进行自动化。
在拥挤赛道中的位置
浏览器控制类智能体工具并不稀缺，OpenAI 的 Operator、Anthropic 的 computer use、开源项目 Browser Use 等都已切入类似场景。Tsaagan 的差异化卖点集中在「每一步都验证」「本地优先、按最轻通道调用」「经验沉淀为规则」三点。但项目目前缺少公开的 benchmark、性能数据或可对比的准确率指标，README 中更多是理念描述而非量化结果，对开发者评估其相对于现有方案的优劣帮助有限。