**作者**: Manus AI
**日期**: 2026年5月15日

## 摘要

本报告针对开源爬虫浏览器项目 **Nanobrowser** 进行了深度调研，重点分析了其性能、防风控能力以及开源协议。同时，结合 downly.cn 文章中介绍的 **CloakBrowser**，对两款工具在技术架构、反检测机制、适用场景及授权模式等方面进行了横向对比。Nanobrowser 侧重于构建基于大语言模型（LLM）的浏览器自动化多智能体（Multi-agent）系统，而 CloakBrowser 则专注于在底层 Chromium 源码级别提供极致的隐身和反风控能力。

## 1. Nanobrowser 调研分析

### 1.1 项目概述与定位

Nanobrowser 是一个运行在浏览器中的开源 AI 网页自动化工具，定位为 OpenAI Operator 的免费替代方案 [1]。它以 Chrome 扩展程序的形式存在，允许用户使用自己的 LLM API 密钥（支持 OpenAI、Anthropic、Gemini、Ollama 等）来运行多智能体工作流。

### 1.2 性能表现

Nanobrowser 的性能主要取决于其背后的多智能体架构和所连接的 LLM 模型：
- **多智能体协作**：系统内置了 Planner（规划者）和 Navigator（导航者）等专门的 AI 智能体。Planner 负责高级推理和规划，Navigator 负责具体的网页导航任务。这种分工协作模式提高了复杂任务的执行效率 [1]。
- **模型灵活性**：用户可以为不同的智能体配置不同的模型以平衡性能和成本。例如，官方推荐使用 Claude Sonnet 4 作为 Planner 以获得更好的推理能力，使用 Claude Haiku 3.5 作为 Navigator 以提高导航效率 [1]。
- **本地运行**：作为 Chrome 扩展，其核心逻辑在本地浏览器中运行，减少了云端通信的延迟，同时也支持连接本地模型（如 Ollama）以实现零 API 成本和完全隐私 [1]。

### 1.3 防风控能力

Nanobrowser 的防风控能力相对基础，主要依赖于其作为标准 Chrome 扩展的运行环境：
- **真实浏览器环境**：由于它直接在用户日常使用的 Chrome 或 Edge 浏览器中作为扩展运行，其底层指纹（如 Canvas、WebGL、User-Agent 等）就是用户真实的浏览器指纹，这在一定程度上降低了被识别为无头浏览器（Headless Browser）的风险 [1]。
- **局限性**：Nanobrowser 并没有在底层对 Chromium 进行防检测修改。如果目标网站使用高级的机器人检测技术（如分析鼠标轨迹、按键延迟或检测自动化扩展特征），Nanobrowser 可能会被识别。它更适合用于常规的网页自动化和数据提取，而非对抗强风控的爬虫场景。

### 1.4 开源方式与协议

- **开源协议**：Nanobrowser 采用 **Apache License 2.0** 协议完全开源 [1]。
- **开源方式**：代码托管在 GitHub 上，包含扩展程序的完整源代码。用户可以自由地查看、修改、分发和用于商业用途，只需保留原始版权声明。
- **限制条款**：项目在 README 中明确声明，不支持且不参与任何基于该代码库的加密货币、代币、NFT 或其他区块链相关应用的衍生项目 [1]。

## 2. Nanobrowser 与 CloakBrowser 对比分析

downly.cn 文章中介绍的 **CloakBrowser** 是一款旨在提供高度隐身能力的 Chromium 浏览器项目 [2]。以下是两款工具的深度对比：

### 2.1 技术架构与修改层次

| 特性 | Nanobrowser | CloakBrowser |
| :--- | :--- | :--- |
| **产品形态** | Chrome 浏览器扩展程序 | 深度修改的 Chromium 二进制文件及 Python/JS 封装 |
| **修改层次** | 应用层（扩展注入） | 底层（C++ 源码级编译） |
| **核心驱动** | LLM 多智能体系统（Planner/Navigator） | Playwright / Puppeteer 自动化框架 |
| **部署方式** | 浏览器插件安装 / 源码构建 | Docker 部署 / 二进制文件下载 |

**分析**：Nanobrowser 是建立在现有浏览器之上的“大脑”，通过 AI 驱动操作；而 CloakBrowser 是重构了浏览器“躯体”，使其在自动化操作时看起来像真实人类。

### 2.2 防风控与隐身能力

| 防风控维度 | Nanobrowser | CloakBrowser |
| :--- | :--- | :--- |
| **自动化信号消除** | 依赖真实浏览器环境，无底层修改 | 源码级移除 `navigator.webdriver`，禁用自动化启动参数，模拟 CDP 行为 [2] |
| **指纹伪装** | 使用当前真实浏览器指纹 | 基于种子的确定性指纹噪声化（Canvas, WebGL, Audio, GPU 等） [2] |
| **代理与网络特征** | 依赖浏览器全局代理或扩展代理 | 深度清理代理特征，GeoIP 自动对齐时区和语言，防 WebRTC 泄露 [2] |
| **行为拟人化** | 依赖 AI 生成的操作指令 | 内置 `humanize=True` 参数，模拟真实鼠标轨迹、按键延迟和物理滚动 [2] |
| **检测通过率** | 面对高级检测（如 Cloudflare Turnstile）可能受限 | 宣称通过 reCAPTCHA v3 (0.9分)、Cloudflare Turnstile、FingerprintJS 等 30/30 项测试 [2] [3] |

**分析**：在防风控能力上，**CloakBrowser 具有压倒性优势**。它通过 57 个 C++ 源码级补丁彻底消除了自动化特征，是专门为对抗高级机器人检测而设计的。Nanobrowser 则不具备这种底层的反检测能力。

### 2.3 开源协议与商业模式

| 授权维度 | Nanobrowser | CloakBrowser |
| :--- | :--- | :--- |
| **开源协议** | Apache License 2.0（完全开源） [1] | 混合授权：封装代码 MIT，核心二进制文件闭源/专有协议 [3] [4] |
| **代码可见性** | 100% 源码可见 | 仅 Python/JS 封装层可见，核心 C++ 修改不可见 |
| **使用限制** | 免费商用，禁止用于区块链/加密货币项目 [1] | 免费使用，但**严禁重新分发、转售、逆向工程或修改二进制文件** [4] |
| **云端/CI 使用** | 无限制 | 允许内部 Docker/CI 使用，但禁止作为 SaaS 提供给第三方 [4] |

**分析**：Nanobrowser 是真正的开源项目，赋予开发者极大的自由度。CloakBrowser 采取了“核心闭源、接口开源”的策略，其编译好的 Chromium 二进制文件受到严格的专有协议（Binary License）保护，限制了其被二次打包或商业化分发的可能。

## 3. 总结与建议

**Nanobrowser** 和 **CloakBrowser** 虽然都涉及浏览器自动化，但解决的是完全不同的痛点：

1. **选择 Nanobrowser 如果您需要**：
   - 构建基于 LLM 的智能工作流（如自动总结新闻、智能购物比价）。
   - 一个免费的、本地运行的 OpenAI Operator 替代品。
   - 完全开源的代码库以便进行深度二次开发。
   - 目标网站没有极其严苛的反爬虫机制。

2. **选择 CloakBrowser 如果您需要**：
   - 极高的防风控能力，需要绕过 Cloudflare、reCAPTCHA v3、Kasada 等高级检测。
   - 稳定的、基于 Playwright/Puppeteer 的大规模数据抓取。
   - 确定性的浏览器指纹管理（用于账号矩阵、社交媒体自动化）。
   - 能够接受其核心二进制文件闭源的授权限制。

**综合建议**：如果您关注的重点是**防风控能力**，那么 **CloakBrowser** 是更专业的选择。但如果您希望在完全开源的框架下探索 **AI 驱动的自动化**，**Nanobrowser** 则提供了优秀的平台。在某些高级场景下，甚至可以考虑将两者的优势结合：使用 CloakBrowser 作为底层驱动，结合 LLM 智能体来实现既智能又隐蔽的自动化操作。

## 参考文献

[1] GitHub - nanobrowser/nanobrowser. https://github.com/nanobrowser/nanobrowser
[2] CloakBrowser 技术调研 | Downly. https://www.downly.cn/articles/bba61f3e-4033-4ebd-8ab7-71e45cd8e42b
[3] GitHub - CloakHQ/CloakBrowser. https://github.com/CloakHQ/CloakBrowser
[4] CloakBrowser Binary License. https://github.com/CloakHQ/CloakBrowser/blob/main/BINARY-LICENSE.md


Nanobrowser AI 浏览器调研分析

 

> 导语：阿里云限免Qwen 3.6 Plus原生智能体，标志着大模型从文本接龙向系统级规划跃迁。其底层架构的重构正在彻底改变下游开发者的应用构建逻辑与推理成本结构。

## 告别外挂组件 原生智能体的技术底座革命

在过去一年多的AI开发生态中，构建一个Agent（智能体）通常充满了工程上的妥协与无奈。开发者不得不依赖LangChain等外挂框架，像搭违建一样将大语言模型与外部工具强行缝合。这种非原生的架构导致了灾难性的多步推理延迟，以及因为上下文窗口污染引发的频繁调用失败。大模型本质上仍在做纯粹的“文本接龙”，它并不真正理解API接口的参数定义。

Qwen 3.6 Plus的核心技术突破，正是在于对这一痛点的底层重构。所谓“原生智能体（Native Agent）”，意味着工具调用（Tool Calling）和复杂任务规划能力被直接内化到了模型的预训练和微调阶段。从架构解构来看，阿里云的技术团队显然在模型的注意力机制中，针对结构化数据（如JSON输出）和函数签名引入了高权重的对齐策略。这使得Qwen 3.6 Plus不再需要经过冗长的中间解析层，它能够在输出自然语言的同时，在合适的时机无缝切换并输出绝对严格、可直接执行的代码指令。这是从“外接假肢”到“长出神经”的本质跃迁。

![52.png](https://static.downly.cn/images/a4951fd60d343abec60099a53366038a.png) <center>图源备注 图片由AI生成</center>

## 算力视角的暗线 推理成本的极致压缩

为什么阿里云敢于将如此强悍的Plus版本原生智能体进行限免？在极客视角下，这种激进商业策略的底气，来源于其后台推理架构（Inference Architecture）的极致优化。

关键创新　原生智能体在执行多步任务时，会产生海量的中间状态交互。如果沿用传统的推理引擎，KV Cache（键值缓存）的显存占用将直接把服务器压垮。Qwen团队必然在底层部署了诸如PagedAttention（分页注意力）的进阶变体，以及极致的推测解码（Speculative Decoding）技术，极大地缩短了Time-To-First-Token（首字延迟）并提升了吞吐量。通过将单次工具调用的边际算力成本压缩到极限，限免政策便成为了收集高质量、多模态真实交互数据的最强吸尘器，从而形成无情的数据飞轮。

![53.png](https://static.downly.cn/images/ecd98addb791cd0b72623f0fd53dd635.png) <center>图源备注 图片由AI生成</center>

## 开发者生态的涟漪效应 从调参工程师到工作流编排者

底层架构的每一次重构，都会在下游生态引发剧烈的地震。Qwen 3.6 Plus的出现，标志着“Prompt工程”中那些为了规范输出格式而写的、又臭又长的咒语将被彻底淘汰。

对于一线开发者而言，他们终于可以从枯燥的“异常捕获”和“正则表达式解析”中解放出来。当模型本身自带极高的容错率和原生工具链抽象时，开发者的身份将发生彻底转换：从疲于奔命的“调参工程师”，进化为真正聚焦业务逻辑的“流编排者（Workflow Orchestrator）”。这种底层技术的赋能，将让未来的企业级AI应用开发变得像拼接乐高积木一样优雅且具备确定性。


拆解Qwen版本迭代 原生智能体架构与算力分配革新



> 凭借新一代模型的强劲表现，月之暗面年度经常性收入迅速突破一亿美元大关。企业端对极简算力的渴求推动千万级预付款涌现，标志着行业正式迈入重度商业化与多智能体协同时代。

## 算力告急与千万级预付

在大模型商业化落地的生死时速中，头部初创企业再次刷新了行业的吸金纪录。最新迭代的模型发布仅一月有余，公司的年度经常性收入已正式跨越一亿美元基准线。这一跃升不仅将其送入全球商业变现第一梯队，更印证了深度思考型网络在企业端B端市场的高昂应用价值。随着性能优势的显现，其云端接口的吞吐配额迅速陷入紧缺状态。为确保核心业务流的稳定运行，众多大型企业客户甚至开出千万美元级别的长期采购承诺，并提供大额预付款以锁定这一关键生产力工具。

![42.png](https://static.downly.cn/images/9d4080db6ff7c06404e88451a7f6172c.png) <center>图源备注 图片由AI生成</center>

## 多智能体集群构筑技术壁垒

爆发式的营收增长建立在长期深耕的智能体架构基础之上。自去年底推出主打逻辑推理的模型以来，研发团队持续推动多模态能力的融合升级。更为关键的是，全新版本打破了单体智能的瓶颈，创新性地引入了多智能体集群工作流。该架构允许成百上千个独立的算法节点如同企业跨部门团队一般进行并行运算与协作，精准拆解并攻克传统单模型无法处理的超高复杂度工程任务，极大地拓宽了数字化工具的业务边界。

## 资本青睐与估值跃迁

超预期的商业化效率使得该公司成为一级市场最受追捧的投资标的。在完成前期多轮巨额融资后，资本市场对其增长曲线给予了极高溢价。当前业界正密切关注其正在推进的新一轮十亿美元级募资计划，若交易顺利落地，其投后估值将逼近两百亿美元大关。从依赖愿景叙事到依靠真实利润表驱动，算力基建的商业规则正在重写。率先跑通模型能力与行业痛点深度契合的厂商，已然握住了通往下一代通用计算平台的入场券。

月之暗面年经常性收入破亿美元 多智能体集群重塑商业变现逻辑




> 导语 本期AI资讯看点纷呈，从备受期待的OpenAI GPT-5展示其在编程等领域的革命性潜力，到智谱GLM-4.5刷新开源模型新高度；从农业、数学等垂直领域的AI应用落地，到微软、阶跃星辰等公司推出新型AI助手，人工智能正以前所未有的速度渗透到各个行业，开启智能新纪元。

---

## **GPT-5超凡能力曝光，重塑编程与多任务处理规则**

OpenAI的下一代旗舰模型GPT-5及其系列版本，包括GPT-5-pro（代号zenith）和GPT-5-high（代号summit），近日揭开了神秘面纱。其能力展示远超当前所有AI模型，在编程、网站快速生成、为现有游戏添加新功能，乃至构建宇宙飞船控制面板和创建视频平台等复杂任务上表现出色。GPT-5不仅有望彻底改变AI在高级编程领域的游戏规则，更通过其强大的自主任务处理、多模态分析、企业级调试和深度记忆功能，预示着一个由AI极大拓展人类能力边界的智能时代的到来。

![image.png](https://static.downly.cn/images/f7501557a1410139835ac49d09c8a307.png)

---

## **智谱GLM-4.5横空出世，树立开源AI新标杆**

智谱AI正式发布了专为Agent应用打造的最新旗舰模型GLM-4.5。该模型在推理能力、代码生成及智能体综合表现上均达到了开源模型的顶尖水平（SOTA），并已在Hugging Face和ModelScope等平台开源，采用对商业友好的MIT许可证。GLM-4.5包含3550亿和1060亿参数两个版本，在多达12项权威基准测试中名列国产及开源模型首位。此外，它还兼具参数效率高、API价格亲民等显著优势，为开发者和企业提供了更强大的AI工具。

![image.png](https://static.downly.cn/images/1e4c085301695a945c1e876f5f5b3520.png)

---

## **AI精准赋能，中国首个农业大模型助农民增收**

中国中化集团推出了国内首个专注于农业种植的综合性大模型。该模型深度整合了海量的农业知识库与线下技术服务中心，实现了对“耕、种、管、收”全流程的智能覆盖。通过线上智能决策系统与线下专家服务的无缝结合，它能为农民提供精准的种植指导，有效将决策时间缩短75%，并帮助每亩地实现150至200元的增收，成为中国农业数字化转型道路上的重要里程碑。

![image.png](https://static.downly.cn/images/3c83af840a63b5e2bc02c8e16e75bbc6.png)

---

## **数学难题迎刃而解，Harmonic推出AI解题机器人**

AI初创公司Harmonic推出了一款名为“亚里士多德”（Aristotle）的聊天机器人应用，致力于提供“无幻觉”的精准数学推理。这款应用目前已在iOS和Android平台开启Beta测试，用户可以通过它来访问Harmonic强大的AI数学模型。公司宣称其模型有能力在2025年的国际数学奥林匹克竞赛中摘得金牌，并于近期完成了1亿美元的B轮融资，显示出市场对其技术前景的高度认可。

![image.png](https://static.downly.cn/images/6146d52baee113eb0b9b2d62aa928866.png)

---

## **微软Edge浏览器集成Copilot，引领智能浏览新体验**

微软为其Edge浏览器推出了全新的Copilot模式，旨在通过人工智能技术重塑用户的网络浏览体验。新模式允许用户通过自然语言或语音输入，实现搜索、信息整合及决策建议的自动化。它巧妙地融合了搜索、聊天和导航功能，极大地提升了用户获取和处理信息的效率。微软同时强调，该功能在提供便利的同时，会严格遵守隐私保护标准，目前已向所有用户免费开放。
![image.png](https://static.downly.cn/images/889f38e9ef52afaad977ba3e56333cd2.png)


---

## **阶跃星辰发布AI研究助手，十分钟生成专业报告**

阶跃AI（StepFun）推出了一款面向专业领域的智能研究工具“阶跃深研”，并已开启邀请测试。该助手专为金融、咨询、法律等知识密集型行业设计，能够理解用户的自然语言指令，在短短十分钟内自主完成信息搜集、交叉验证、整合分析等一系列复杂研究任务，并最终生成结构化的专业报告。其背后依靠的是先进的多智能体架构和端到端自主强化学习技术，旨在为知识工作者提供前所未有的效率与支持。

![image.png](https://static.downly.cn/images/c8247a2117f207f336c5631a447f13fc.png)



搜索结果: 智能体架构