MediaUse

核心理念很简单：如果浏览器任务已知且可重复，智能体就不应该每次都重新解决它。

如今，大多数 AI 浏览器智能体每次执行都遵循以下流程：

打开页面 → 检查 DOM → 定位元素 → 分析 UI → 执行点击/输入 → 处理边缘情况 → 重复

这在未知或探索性任务中可行，但对于已经明确的工作流来说，会变得低效且成本高昂。

MediaUse 引入了一种不同的抽象：**面向网页的语义化 CLI 工作流**。

智能体无需反复分析页面结构，只需调用稳定的命令接口，例如：

search.hot

get.detail

post.feed

account.health

智能体决定*它想要实现什么目标*，而 MediaUse 在本地通过 CDP/浏览器运行时和站点特定插件执行实际的浏览器自动化。

这将执行模式从「按步骤 Token 推理」转变为「函数级调用」。

它对于固定的高频工作流尤其有效，例如：

* 搜索已知网站

* 读取结构化列表和信息流

* 打开详情页

* 提交表单

* 发布内容

* 检查账户状态

* 重放先前验证过的工作流

在这些场景下，模型不再需要检查 DOM 或逐步做决策。它只需选择语义命令并接收结构化输出。这会将大多数工作流执行过程中的 Token 消耗降低到接近零，同时提升确定性并降低延迟。

这种方法的一个关键优势是关注点分离：

* AI 负责意图理解、规划和工作流选择

* MediaUse 负责执行、可靠性和站点特定逻辑

所有底层细节——选择器、降级方案、登录流程、反弹窗处理、重试和输出Schema——都封装在版本化的站点插件中。这些插件可测试、可复用且确定性强。

我们目前已经支持了越来越多的生产级站点插件，包括：

arxiv、bilibili、bloomberg、chatgpt、douyinv2、fifa2026、google、hackernews、huggingface、instagram、reddit、tiktok、twitter、weibov2

除执行能力外，我们还搭建了**基于智能体的工作流系统，可自动生成和维护站点插件**。

这是系统中非常关键的部分：网站频繁变动，这是传统浏览器自动化最大的故障点之一。MediaUse 通过智能体工作流解决了这个问题，它可以：

* 从 URL 生成新的站点插件

* 通过执行验证工作流

* 自动更新失效的选择器和流程

* 长期维护版本化兼容性

实际上，开发者可以在 30 分钟内将任意网站转换为基于 CLI 的智能体接口。工作流创建后，就会成为可复用的接口，能够以极低的成本和极高的可靠性执行。

重要的是，这不仅限于只读自动化。本地运行时还支持身份验证和交互操作，意味着智能体可以执行真实用户操作，例如发帖、发消息、提交表单以及与 Web 应用交互。

总的来说，MediaUse 并不打算替换通用浏览器智能体。这些通用智能体对于探索性任务和未知环境仍然必不可少。相反，我们聚焦于一个互补层：

> 将已知的 Web 工作流转变为确定性、可复用、低成本的执行原语。

我认为这是生产级 Web AI 自动化缺失的基础设施层。