如何用 ego-lite 让 AI 代理玩转富文本编辑器：Google Docs、Notion、Figma 自动化实战指南

如何用 ego-lite 让 AI 代理玩转富文本编辑器：Google Docs、Notion、Figma 自动化实战指南

【免费下载链接】ego-liteThe fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.项目地址: https://gitcode.com/GitHub_Trending/eg/ego-lite

ego-lite是一款专为 AI 代理设计的浏览器自动化工具，它让 Claude Code、Codex 等代理能直接复用你的登录状态，在独立空间里自动操作 Google Docs、Notion、Figma 等富文本编辑器——你照常浏览网页，AI 在后台干活，互不打扰，零成本、零配置。

为什么富文本编辑器是浏览器自动化的"噩梦"

普通网页上，自动化很简单：找到输入框、填入文字、点击按钮就完事了。但 Google Docs、Notion、Figma 这类产品完全不同：

• 它们的编辑区是Canvas 画布或虚拟 DOM，工具栏、隐藏文本框、离屏 iframe 满天飞
• 你在 DOM 里看到的"输入框"，往往根本不是真正能打字的地方
• 传统自动化工具（比如通用爬虫脚本）一上来就"翻车"：字打进了搜索栏、标题栏，或者干脆打不进去

这正是 ego-lite 重点攻克的问题。它的技能文档 skills/ego-browser/SKILL.md 中明确写道：对 Google Docs、Notion、Figma 这类画布型编辑器，优先使用"视觉工作流"，而不是依赖 DOM 选择器。

核心机制：给 AI 一个不扰民的"独立空间"

ego-lite 给每个 AI 代理分配一个Task Space（任务空间）——同一浏览器里的隔离工作区：

也就是说：你让 AI "把这份会议纪要整理成 Notion 文档"，它会自己打开你已登录的 Notion、建文档、写内容，全程不用你切换窗口。

实战三套工作流：AI 如何"看见"并"操作"编辑器

ego-lite 为 AI 提供了三种协作方式，代理会根据页面类型自动选择：

1️⃣ 语义工作流：适合普通网页

AI 调用snapshotText()获取整页的语义化结构（每行元素都带@N引用编号），然后click('@21')、fillInput('@N', ...)精准操作。适合表单、列表、常规网站。

2️⃣ 视觉工作流：富文本编辑器的"杀手锏" 🎯

针对Google Docs、Notion、Figma、飞书文档这类画布编辑器，AI 直接走"看图说话"路线：

• captureScreenshot()截屏 → AI 识别页面上的按钮、光标位置
• click([x, y])用视口坐标精确点击
• typeText(...)/pressKey(...)模拟真实键盘输入

这就像 AI 真的"看着屏幕操作鼠标键盘"，绕开了 DOM 里那些"陷阱元素"。

3️⃣ 直连工作流：js()/cdp()拿底层数据

需要批量提取数据、读取浏览器状态时，直接执行浏览器端 JavaScript，一步到位。

关键技巧：写前"小探针"验证

这是 ego-lite 文档中最值得新手记住的一条经验：在富文本编辑器里写入大段内容前，先做一次微小的"写入探针"——比如只打一个字母，然后截图验证它落在正确位置。

• ✅ 落在正文 → 放心继续写
• ❌ 出现在标题栏/搜索框 → 立即切换为"截图引导 + 真实键盘"模式

这一步能帮 AI 避开 90% 的"字打错地方"事故。

实测效果：快 2.5 倍，成本更低

官方用 4 个真实复杂任务（数据抓取、LinkedIn 填申请表、Expedia 订机票等）对主流浏览器自动化方案做了基准测试：ego-lite 每个任务都更快、更省 token，最难的任务差距最大——速度最高快 2.6 倍，成本最高省一半。而且竞品在机票预订任务上被反爬拦截，ego-lite 靠真实登录态顺利通过。

越用越快：经验沉淀机制

ego-lite 还会把每次成功的操作沉淀为可复用的站点技能包。仓库中已内置 skills/ego-browser/learnings/ 目录，里面收录了 Google 搜索、X 站点的页面结构笔记和自动化工具脚本（如 search-extract.js）。这意味着下次遇到同类任务，AI 直接调用现成"配方"，同类任务执行速度最高提升 5 倍。

快速上手：三步开始

1. 安装：macOS 用户下载 ego lite 应用，或执行npx skills add citrolabs/ego-lite为代理安装 ego-browser 技能；首次启动时选择"迁移 Chrome 数据"，登录状态即刻继承（详见 references/install.md）
2. 下任务：在 Claude Code / Codex 中输入/ego-browser 帮我把这份周报整理到 Notion
3. 坐等收工：AI 在独立 Space 中完成操作并汇报，你的浏览窗口全程不受干扰

背后的驱动能力分布在 package/ego-browser/src/driver/ 目录：快照观察（observe.ts）、鼠标坐标操作（pointer.ts）、键盘输入（keyboard.ts），配合技能文档 SKILL.md 构成完整的富文本自动化体系。

写在最后

如果你正在被"AI 总把字打进 Google Docs 搜索框"这类问题困扰，ego-lite 的思路值得借鉴：别硬怼 DOM，让 AI 看截图、用真实鼠标键盘操作，再配一个不打扰你的独立空间。零成本、零配置，复制你的登录态，剩下的交给 AI。

【免费下载链接】ego-liteThe fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.项目地址: https://gitcode.com/GitHub_Trending/eg/ego-lite