跳到正文
AI超元域的博客

ego lite 实测:让 WorkBuddy 查资料,我继续看论文

把 ego lite 接入 WorkBuddy,实际检查 Chrome 登录复用、独立 Space、GitHub 项目研究、Hugging Face 模型筛选和双标签页对比。最直接的变化是少打断日常浏览;批处理的速度与 token 节省还没有做定量测试。

文章目录
  1. 先认识这几个功能,别把工作区当成账号隔离
  2. 导入 Chrome 后,GitHub 和邮箱都不用再登一次
  3. 接入 WorkBuddy:先找到 ego-browser Skill
  4. GitHub Trending:先筛三个项目,再继续翻 Issues 和 PR
  5. 它研究仓库的时候,我继续看论文
  6. Hugging Face:推荐模型,也把限制一起留下
  7. 两个标签页,比较同一模型的不同版本
  8. 把重复步骤做成批处理,但节省多少还没量过
  9. 最后聊聊我的感受

我经常要查 GitHub 开源项目,也会去 Hugging Face 看最近有哪些模型值得试。把这些资料搜集工作交给 Agent,确实能少做不少重复操作。不过,当它开始操作浏览器时,我自己正在看的页面怎么办?

这次我把 ego lite 接入了 WorkBuddy,想试的就是这个问题:让它在自己的 Space 里查项目、翻 Issues 和 PR,我能不能继续看论文,而不是坐在旁边等它把浏览器还给我。

整套流程跑下来,最直观的变化是少了打断。导入 Chrome 数据后,我测试的 GitHub 和邮箱也都保留了登录状态。下面按操作顺序,聊聊这次具体做了什么,以及哪些结论还不能下得太早。

如果播放器无法加载,可以前往 YouTube 观看完整视频。


先认识这几个功能,别把工作区当成账号隔离

▶ 观看对应测试:01:26

ego lite 为 Agent 提供了独立的 Space 工作区。Agent 在里面打开和操作网页,我的个人标签页可以留在原处。它还支持复用导入的浏览器登录环境,通过 Snapshot 和元素引用帮助 Agent 找到页面上的链接、按钮,以及用 Node 批处理串起已经确定的操作步骤。

这里有一个区别值得提前说清楚:页面分开,不代表账号和权限自动隔离。 官方 Space 文档明确区分了这两件事。换一个 Space 名字,并不能证明换了登录账号、浏览器 Profile 或网站权限。涉及私有资料、发消息或者修改数据时,仍然要确认当前账号以及任务允许它做什么。Space 官方说明

这次重点是网页研究和使用体验,不是对浏览器的安全性做完整审计,也没有单独测量 Snapshot 带来的性能提升。


导入 Chrome 后,GitHub 和邮箱都不用再登一次

▶ 观看对应测试:02:50

安装完成后,初始设置里可以导入常用浏览器的数据。我这次导入的是 Chrome,随后进入 ego lite,检查原来已经登录的网站。

先打开 GitHub,账号已经处于登录状态;再进入邮箱,也没有要求我重新登录。这两个检查对应的是我当时的账号和环境,不能据此保证每个网站、每种登录方式都能直接复用。但对于这次工作流来说,少做两遍登录已经很实用。

设置过程中还可以选择标签页横向或纵向排列。这不是自动化能力本身,却关系到你能不能把它当作日常浏览器一起使用。


接入 WorkBuddy:先找到 ego-browser Skill

▶ 观看对应测试:04:13

我在 WorkBuddy 中新建了工作空间,然后从输入框的斜杠菜单里选择 ego-browser Skill,把浏览器任务交给它。

视频中的环境可以直接找到这个 Skill。如果你安装后看不到,官方 WorkBuddy 文档还给出了把已安装 Skill 放到 WorkBuddy 对应目录、再重启应用的方法。具体设置以当前官方说明为准,不要把我这次顺利出现的菜单当成所有环境都会自动配置好的保证。WorkBuddy 接入说明

演示使用了较宽的权限设置。这方便连续执行任务,但不是说日常使用必须把所有权限都放开。尤其复用了已登录的网站之后,应当把允许访问的数据和允许执行的动作说清楚。


GitHub Trending:先筛三个项目,再继续翻 Issues 和 PR

▶ 观看对应测试:04:48

第一步,我让 WorkBuddy 打开 GitHub Trending,从热门项目中筛选三个值得进一步研究的 AI 开源项目。

它打开趋势榜,完成筛选后返回结果,还给出了被筛掉的项目。最终的三个候选按不同的研究价值组织,并以卡片形式展示。这里得到的是一份研究起点,不是我已经验证过质量、决定采用的项目清单。

▶ 观看对应测试:06:04

接下来,我让它继续研究其中一个项目:阅读文档、Issues、PR,分析项目价值和社区热度,最后输出报告。

进入它的 Space,可以看到它沿着仓库页面继续查资料,从 Issues 翻页到 PR,再到 Insights。对我来说,能看到它正在研究哪些页面,比只等一个最终答案更有用。视频里翻页看起来很快,不过我没有做统一条件下的耗时对比,因此不会把这次观感写成浏览器速度排名。

▶ 观看对应测试:09:19

任务完成后,WorkBuddy 给出了分析报告,里面有结论、项目介绍和图表。这说明从打开网页、搜集资料到组织报告的流程能够串起来。报告里每一条判断是否可靠,仍然要回到原始项目材料核查,不能因为排版完整就省略复核。


它研究仓库的时候,我继续看论文

▶ 观看对应测试:07:10

这是我这次最想验证的一段。

WorkBuddy 还在独立 Space 里研究仓库时,我切回自己正在看的论文,继续阅读。想看它做到哪一步,再从右上角进入 Agent 的工作区;看完之后,又能回到自己的页面。

这种切换让两个任务各有位置。我不用把正在读的论文页交出去,也不必一直盯着 Agent 翻页。这是这次演示里能直接感受到的改善,但并不意味着并行任务完全不占用电脑资源,或者所有网站都不会互相影响。

▶ 观看对应测试:08:23

我也做了一个简短对照:让 Codex 通过 Chrome 打开 GitHub Trending,同时在 Chrome 里保留那篇论文。这个过程中,页面上出现了“ChatGPT 正在调试这个浏览器”的提示,也多出了执行任务的标签页。

换回本次 ego lite 与 WorkBuddy 的流程,我没有遇到同样位置的调试提示。这种界面上的区别,比笼统说“谁更强”更容易解释我为什么在意独立工作区。它不是 Codex 全部浏览器能力的完整评测,更不能据此推出通用性能结论。


Hugging Face:推荐模型,也把限制一起留下

▶ 观看对应测试:09:51

第二轮研究换成 Hugging Face 趋势榜。我这次把任务要求说得更细:保留采集时间和原始顺序,区分基础模型、微调版、量化版与镜像,核查模型卡和权重许可,再面向文本与编程用途,推荐最多五个值得实测的候选。

此外,还要求它给出理由、限制和来源,不确定的地方标为未确认。

WorkBuddy 在 Space 中打开榜单、进入模型卡,最后输出了原始排名和五款候选模型的研究结果。其中的限制并没有全被略掉,例如报告提到了非商用许可和硬件门槛。

我觉得这类结果适合用来决定下一步先研究什么。筛选出值得实测的模型,不等于已经完成模型实测。 这次没有把五款模型都下载、运行并做统一基准,所以不能把候选顺序写成性能排行榜。


两个标签页,比较同一模型的不同版本

▶ 观看对应测试:11:14

有了候选之后,我继续让它研究其中一个模型:同时打开我提供的两个相关模型链接,对比相同点、不同点以及适合的使用场景。

进入工作区,可以看到它打开了两个标签页,分别研究对应页面。完成后,它给出了对比报告和对比图。

这一段展示的是多页面资料对照的流程,没有运行这两个版本,也没有测推理速度、显存占用或回答质量。具体版本身份和报告中的技术判断,要结合原始模型卡继续确认,不能仅凭生成的对比图作选择。


把重复步骤做成批处理,但节省多少还没量过

▶ 观看对应测试:12:24

最后,我让 WorkBuddy 把刚才获取 Hugging Face 趋势榜、筛选五个候选并输出报告的工作流,整理成可以复用的 Node 批处理。

它完成了这一步。对于已经明确的操作顺序,下次不必重新从零描述流程,是个值得继续尝试的方向。

但本期展示到的是批处理创建完成,没有展示多次重复执行的计时,也没有对照实际 token 账单。少一些工具往返,不等于我已经测出了具体节省比例。后续还需要检查脚本能否稳定重跑,以及网页变化后怎么处理失败。


最后聊聊我的感受

对我这种经常研究 GitHub 项目和开源模型的人来说,这次最有价值的发现,是可以让 Agent 去处理重复的查找与整理,同时保留自己的浏览节奏。

登录复用减少了开始任务前的准备,独立 Space 则让研究过程不必挤占我正在使用的页面。报告也不是完全不可见的黑盒:想知道它在查什么,可以进去看,再回到自己的工作。

当然,方便不等于不用管理权限,生成完整报告也不等于事实已经全部核对。这次更适合看作一次真实工作流体验。性能、安全边界和批处理的长期稳定性,还需要更有针对性的测试。

本文根据本期视频对应的带时间脚本整理;未据此补造未展示的操作、模型成绩或速度数据。视频发布于 2026 年 11 月 16 日,具体发布时间与时区未确认。

资料参考:本期完整视频 · ego lite 项目仓库 · WorkBuddy 官方接入文档 · Space 官方说明