与「DevTools」相关的搜索结果

Cloudflare 把给 AI 智能体用的浏览器开源了，叫 Kitesurf 它不跑 Chromium，直接跑在 Cloudflare Workers 上，解析 HTML、跑页面 JS、截屏都能干，还支持 Chrome DevTools 协议，Puppeteer 接上就能用 它把标签页、主题、扩展这些给人用的东西全砍了，只盯智能体关心的指标，截图、提 HTML 这类活儿 CPU 和内存都比 Chromium 省得多，并发能开更多会话 仓库是 cloudflare/kitesurf，Apache 2.0 协议，刚开源就已经 837 个 star 本地跑也不麻烦，pnpm run dev 就能起，跑在 8787 端口；不过部署到 Cloudflare 上要 Workers 付费套餐

Chrome DevTools 官方下场了：出了 MCP，让编码 agent 直接操控浏览器调试。以前 agent 只能靠截图猜，现在能拿到真实的 DOM、网络请求和控制台。这个仓库已经在 GitHub trending 上。

杀穿反爬圈的 Rust 神器彻底封神了！ 狂揽 3.2 万星的现象级开源项目 Obscura 迎来史诗级更新，终于把 Chromium 彻底踢出局了！ 以前跑 Browser Agent 或海量爬虫，要么被 Chrome 几百兆的内存吃干抹净，要么被全网反爬盾拦截成筛子。 Obscura 走的是纯底层重构路线：直接甩掉整个 Chromium，用 Rust + 原生 V8 引擎手搓了一套轻量无头内核。 这次大版本更新的实测表现极其残暴： · 彻底告别 Chromium 依赖：最新版原生渲染引擎正式落地！不再依赖任何外部 Chrome 环境，纯靠内置引擎搞定截图、Live 推流、导出 PDF 与 DOM 解析。 · 内存暴跌 85%：传统无头 Chrome 动不动吃 200MB+，Obscura 运行时内存压到了惊人的 30MB，体积仅 70MB，单台轻量 VPS 能轻轻松松并发开上百个实例！ · 毫秒级闪电启动：网页加载 85ms，启动时间从 Chrome 的 2 秒降到零感秒开，爬取与交互速度直接起飞。 · 工业级全套防风控：基于 BoringSSL 底层重编译，自动伪造 TLS/JA3 指纹与硬件特征，强制锁定 event.isTrusted=true，原生屏蔽 webdriver 并内置 3500+ 反爬探针黑名单，直接把主流盾打穿。 · 零成本无痛迁移：原生支持 CDP（Chrome DevTools 协议），你的 Playwright、Puppeteer 或 Coding Agent 工具链，改个端口直接无缝平替！ 连 Cloudflare 官方做下一代无头浏览器引擎，第一个原型都是把 Obscura 移植到 Workers 上跑通的。 做自动化爬虫、AI 网页操作 Agent 和风控对抗的兄弟建议直接马住！ 开源地址： 你平时跑浏览器自动化，被内存爆掉和反爬盾拦截折磨得最惨的是哪次？ #Rust# #开源# #AI# #爬虫# #Playwright# #开发#

如果你想 Debug Codex/ChatGPT 的 Mac App 的 UI 实现 1. 退出正在运行的 Codex App 2. 命令行窗口执行： $ open /Applications/ChatGPT.app --args --remote-debugging-port=8315 --remote-allow-origins=http://localhost:8315 2. Chrome 里面输入 chrome://inspect/ 打开 Remote Target 3. 从列表中找到 ChatGPT app://-/index.html，点击 inspect 4. 就会弹出 DevTools 窗口看到 Codex UI，像 Debug 普通网页一样 Debug Codex 了

Pi 的作者 Mario Zechner 早期是死硬派的「No MCP」代表：核心只留 4 个工具，公开把 MCP 当反面教材。 结果在逼近 1.0 的 0.99 大版本里，Pi 突然把 MCP 设为了内置功能。 这看起来像妥协，但翻完源码就会发现：Pi 根本不是向 MCP 低头，而是用一层 Codemode 把 MCP 彻底降维驯服了。 传统 MCP 为什么是灾难？直给两组数字： 1. Token 炸弹：挂个 Playwright 吃 13.7k token，Chrome DevTools 吃 18k token。还没开始聊，3 万 token 先没了，首字延迟崩盘，工具疯狂选错。 2. 调度极慢：查 50 个 Issue，传统 ReAct 循环要跑 50 轮完整大模型往返，几十万字节原始 JSON 垃圾全挤进上下文。把大模型当单步 CPU 用，又贵又脆。 Pi 0.99 给出的解法非常干脆：代码即编排（Code-as-Orchestration）。 - Schema 零注入：MCP 工具默认 exposure 全是 codemode，工具定义根本不给大模型看，Prompt 仅留一行摘要，按需用 BM25 在沙箱里搜。几万 token 预载成本瞬间归零。 - 调度权收回代码：大模型不再发单步指令，而是直接写一段 JS 脚本，扔进 QuickJS 沙箱跑。循环、并发（Promise.all）、异常处理毫秒级完成。 1MB 的原始数据在沙箱内存里直接 filter/map，最终只有清洗后的 3 行有效结果才会回到大模型上下文。 MCP 只适合做能力的标准化暴露，从来不该直接当交互界面。 未来的 Agent 架构很明确了：大模型当编译器（自然语言编译成脚本），轻量沙箱当 CPU（跑并发与清洗），MCP 退回底层当系统函数库。

Lauren Tan @poteto 是 Cursor 的工程师，之前在 Meta 做 React Compiler，也在 Netflix 做过 tech lead 和工程经理。 她加入 Cursor 只有五个月。第一个月还在熟悉代码库，上个月已经合入了 1000 个 PR。这个月才过去 12 天，她又合入了接近 800 个。 这不是 AI slop code，而是你每天都在使用的 Cursor 的代码。 很多人，包括 Claude Code 的 Boris，都提过自己借助 coding agent 达到了类似的效率。但真正愿意把工作方法完整分享出来的人并不多。Lauren 在这个一小时的视频里，几乎是手把手讲了她怎么走到这一步。 她认为，用 AI coding 最大的问题不是生成代码，而是验证代码。 如果 agent 不能自己运行产品、操作界面、读取 CPU trace 和 heap snapshot、打开模拟器并复现问题，那么最后还是要由你来检查结果。你就是整个流程的 verifier，也是无法并行工作的瓶颈。 Lauren 的做法，是先给 agent 建立完整的验证能力：让它能通过 Chrome DevTools 或模拟器实际操作产品，再用 feature map 告诉它每个功能在哪里、怎么进入。这样即使同事只丢来一张截图，或者一句很模糊的 bug 描述，agent 也能找到对应功能，复现问题并验证修复。 每当她发现 agent 在猜测、漏读代码或走错方向，就把这个失败模式写成一条 skill。然后像测试代码一样测试这些 skill：让多个 sub-agent 分别执行任务，由 coordinator 制定 rubric，再让另一个模型交叉检查评分，反复迭代到结果足够稳定。 现在，她甚至允许 agent 自动合并 PR。有一天早上醒来，已经有 20 个 PR 自动进入 main；她直接在 main 上检查，结果都没有问题。 这套方法不是简单的提示词技巧，更像做工程管理：先设计好环境、流程和验收机制，再让团队并行工作。只不过这支团队，现在由几十个 coding agent 组成。

Mac image compression tool: ImgZilla Most compressors create new files — which means you have to recheck every reference in your website or code project. ImgZilla does it differently: • Compress in place (same filename & folder structure) • Fully local on macOS — no uploads • Batch optimize PNG / JPEG / WebP / AVIF Perfect for Mac users who maintain websites and project assets long-term. 👉 #MacApps# #DevTools# #WebDev#

Mac 图片压缩工具：ImgZilla 很多图片压缩工具会生成新文件，但对于网站和代码项目来说，文件名变化意味着还要重新检查引用。 ImgZilla 支持： • 原地压缩，不改文件名和目录结构 • macOS 本地处理，不上传图片 • 批量优化 PNG / JPEG / WebP / AVIF 适合长期维护网站和项目资源的 Mac 用户。 👉 #MacApps# #DevTools# #WebDev#

Grok Build is becoming a complete environment for building, deploying and managing real-world applications Its plugin marketplace brings the entire development stack into one connected workflow: • Vercel for deployment • Sentry for monitoring • Chrome DevTools for debugging • Cloudflare for infrastructure • Supabase, MongoDB and Neon for databases • Firecrawl for web data • Figma for design • Railway for hosting • Stripe for payments You are not just asking Grok to write code You can build, test, debug, connect infrastructure, deploy and manage production without constantly switching between tools Grok Build combines a frontier model, a powerful agentic harness and all the tools needed to go from an idea to a shipped product