看同事用 Moli + Codex 读 Quora：从 10 条回答里找选题
“技术创新”这个题太大了，直接写很容易空。同事之前做过一段 Moli + Codex 读取 Quora 的使用记录，我把这段演示和整理出的材料看了一遍：从“Technological Innovation”话题里取回的 10 条回答中，一个水龙头垫片让我找到了想往下写的方向。下面分享的是同事已有的使用记录，以及我从中想到的选题，不是我新做的一次实测。
演示用的是 Codex + Moli：同事给链接和要求，Codex 安排步骤，调用 Moli 去网页里取内容，再把资料整理出来。Moli 是一款给 AI 用的开源浏览器，可以在本地运行。我对这套流程感兴趣，是因为它把“读网页、取材料”这段工作也交给了 Agent，不用先手动复制一堆内容，再让 AI 总结。
Moli 官方产品图｜面向 AI Agent 的开源浏览器。来源：lexmount/moli 官方仓库。
一、贴一个链接，让 Moli 把网页读回来
读网页这一步，同事用的是 Moli Web Fetch Skill。它是一套给 Codex 的操作说明，告诉它怎么调用 Moli 读取页面、等待内容加载、检查结果。演示里已经装好 Moli 和这个 Skill，同事在 Codex 里选中 Moli Web Fetch，贴上话题链接，只加了一句“View all content”（查看全部内容），没复制回答原文，也没预设表格。
原始输入中的链接和要求是：
quora.com
View all content
输入局部｜选中 Moli Web Fetch，贴上链接，再加一句“查看全部内容”。对应视频 6.2 秒。
我看中的是，Moli 能运行网页里的 JavaScript，等内容加载后再读取，并输出 Markdown 或 JSON。 有些内容要等网页加载后才出现，光拿到最初的页面还不够。这些读取步骤可以交给 Codex 调用 Moli 来做，结果还能接着用于整理。Moli 也能处理链接、表单和页面状态，需要查看画面时再生成布局和截图；这次主要用来读资料。
Moli 中文官网能力图，2026 年 11 月 3 日截取。本例用到内容读取和网络响应检查，表单、截图能力未逐项演示。
第一轮就卡住了。Codex 让 Moli 把页面转成 Markdown，命令正常结束，结果却只有话题标题和“Something went wrong”，没有回答内容。录屏里用的是 Moli 1.1.4。
二、第一轮没读到回答，还能接着往下查
Codex 接着调用 Moli，检查 Quora 加载话题时收到了什么数据。Moli 除了读页面文字，还能记录网页请求、等待指定响应，再把响应内容取出来。 换句话说，页面正文没读全，还可以看看网页已经收到的数据。演示中没有让操作者自己打开开发者工具翻请求，Codex 就接着往下查了。
命令局部｜上面读页面正文，下面检查网页响应。两次都由 Codex 调用 Moli 执行；取自视频 42.1 秒的任务回顾。
换成这条读取路径后，Moli 取回了 10 张回答卡，Codex 终于有了可以整理的材料。这只是第一批，返回数据里的 hasNextPage 为真，后面还有下一页。不过，用来初步挑写作方向，这份记录已经给了我一些线索。
[查看 Quora 使用记录]( bilibili.com)
73.5 秒无声录屏，取自 2026 年 9 月 14 日的同一任务演示，展示贴链接到整理清单的过程。原片已加速，片长不代表任务耗时。
三、一个水龙头垫片，让选题具体了
Codex 把 Moli 取回的内容整理成了清单，问题、作者、摘要和来源放在一起。我先扫了一遍，再停在第 3 条：为什么 3D 打印没有像早年想象的那样普及到每个家庭？有这份清单，我能先挑想读的，再顺着来源回看细节。 清单里的互动数是当时的快照，我会拿它当参考，挑材料还是看回答本身。
清单前半｜第 3 条是“What happened to 3D printing?”，作者 James Martin。对应视频 49.8 秒。
放大看第 3 条摘要｜模型设计、材料、价格和量产成本，都是回答里提到的限制。下文的生活例子来自返回正文。
让我想继续写的，是同事整理材料时提到的生活细节。按这份材料，James Martin 说，商店关门了，他就自己打印了一个水龙头垫片；他也用别人上传的模型做过咖啡机配件。不过，碰到便宜的量产件，他还是觉得直接买更划算。设备变好操作了，三维模型怎么来仍是个门槛。这些是材料中转述的回答者自述，我还没有回到原回答逐项核实。
读到这里，我想写的问题就小了下来：3D 打印什么时候能替普通人解决眼前的麻烦？ 临时缺一个买不到的配件，和长期用打印机替代购物，可能是两回事。接下来我会回原回答核对，再找更多使用者的案例，看模型、价格和动手成本到底卡在哪。Moli 带回了这条材料，我才有东西可以顺着想；选题是否成立，还得往下查。
四、拿到清单后，我还会核对什么
第 7 条“100 个人能不能重建现代文明”只有截断预览，后面也还有分页。真要写进文章，我会先补齐选中的回答，核对准备引用的观点和例子。这份清单先帮我找到值得读的东西，引用前该看的原文还是要看。
看完这段记录，我觉得最有用的，是少了在网页和聊天框之间来回搬材料的步骤：Moli 去取，Codex 整理，读者再挑值得往下看的内容。从“技术创新”到“临时缺个配件，要不要自己打印”，有了具体材料，才有了我想写的那个问题。
之后我也想拿产品文档、更新说明试试这套流程。想试的话，可以打开[Moli 开源项目]( lexmount/moli)查看安装方式，再看这次用到的[Moli Web Fetch Skill]( github.com/lexmount/moli/tree/main/skills/moli-we…)。装好后，从一个熟悉的网页开始就行 。
本文根据同事提供的既有演示和资料整理，选题分析为我阅读材料后的想法；使用 AI 辅助写作和润色。
别绑死浏览器。
@0xGky：开源 Moli——Rust 无渲染浏览器，抓取/执行 JS/自动化，兼容 Playwright/CDP/WebDriver，内存占用低于拉起完整 Chrome。GitHub：lexmount/moli
判断：跑批量网页 Agent、被 Chrome 内存拖慢的人先试；需要可视化人工盯页面的可跳过。先在沙箱跑，别对登录态站点乱自动化。
1 like · 145 views
让 Codex 去 Steam 查游戏， Moli 负责哪几步？
Moli 拿了 10 月 25 日的 Product Hunt 日榜第一。比起这个排名，我更关心一个实际问题：给 Agent 用的浏览器，接到 Codex 里以后，能替我做什么？
下面从使用者的需求看一个查游戏的例子，图片和视频用的是 9 月已有演示，不是上榜后新做的一次实测。
## 需求很简单：找一款能和朋友一起玩的游戏
比如在《传送门》和《传送门 2》之间挑一款，我会想知道：哪款支持双人合作，多少钱，电脑配置够不够。演示里先让 Codex 调用 Moli 打开 Steam，然后给它这个要求：
> 在 Steam 搜索 Portal，比较 Portal 和 Portal 2 的价格、合作模式和系统要求，然后推荐一款适合与朋友一起玩的游戏。附上商品链接。
*原始英文输入，中文转述在上面。对应视频 6—16 秒：只给候选和比较条件，没有把两款商品页全文贴给它。*
这里分工很清楚：Codex 安排步骤、整理比较和推荐；Moli 去网页里输入搜索词、打开商品页、读取内容。Moli 是可独立在本地运行的开源浏览器，这套用法里，它作为 Codex 的浏览器工具被调用。
下面这段能看到搜索、打开两款商品页，再回到 Codex 出结果的过程。
[观看 Steam 操作过程（51.1 秒，无声）]( bilibili.com)
*0—16 秒发指令，17—35 秒搜索并查看商品页，35—51 秒看结果。取自 9 月录屏，等待已压缩；网页视角是同一任务的另次录制，片中已标注。视频时长不是任务耗时。*
## 最后拿到了什么
Codex 推荐的是《传送门 2》：一代是单人游戏，二代有独立的双人合作战役，支持在线或本地分屏合作。
结果里还有价格、合作方式、最低配置和商品链接。录屏中两款都是 US$9.99，这是当时的显示价格，买之前要看当前商店。
*对应视频 35—51 秒。比较和推荐由 Codex 完成；截图中的“58s”也不作为完整任务耗时。*
对我来说，这里的方便之处是：不用先自己找好两个商品页、复制资料，再交给 AI 比较。从搜索、进详情到取回内容，都能放进同一个任务。最后按我关心的条件看表格就行。
不过，这份结果还不能直接当购买结论。一代的存储一栏写着“页面未注明”，需要回查；录屏没逐项展示全部配置的读取，也没把要求和我的电脑配置做匹配。任务到推荐就结束了，没有购买、安装或游玩。
## 我还想用它查什么
比起挑游戏，我更想继续试试比较产品参数、整理几个活动的时间和报名条件。都是先给候选和条件，再让 Agent 去网页里找，回来按同一个标准整理。这些场景还没在这份素材里验证。
翻项目文档时，我注意到两点：Moli 能运行网页里的 JavaScript，读取动态加载后的内容；也能把内容转成 Markdown，把按钮、链接整理成带名称和类型的页面结构。这样 Agent 拿到的不光是资料，还有继续操作页面需要的信息。
它强调的“轻量”也有具体做法：读网页结构和文字时可以跳过布局、绘制，需要截图或坐标操作时再做相应计算。这段 Steam 演示没测内存和速度，所以这里不做性能比较。已有 Playwright 或 Puppeteer 流程可以通过 CDP 接入，但只支持部分接口，需要拿自己的页面验证。
只查两款游戏，手动打开网页也不麻烦。如果现有 Agent 已经能稳定完成这些步骤，也没必要只为这个例子换工具。我更想看它接下来能否做好连续查几页、按条件整理资料的任务。
想试的话，[Moli 开源项目（GitHub）]( lexmount/moli)里有安装和接入说明。想了解云端托管，可以看 [Lexmount 云浏览器]( browser.lexmount.cn)；本地运行 Moli 不需要先开通云服务。
你们让 Agent 做这类网页比较任务时，最容易卡在哪一步：打开目标页、读到完整信息，还是最后把结果比对准确？
用 Codex + Moli 跑了几个网页任务，聊聊「给 Agent 用的浏览器」
我在 Lexmount 团队，最近在整理 Moli 的实际使用案例，也让 Codex 配合本地 Moli 跑了几次网页任务：读产品官网、整理资料，以及操作待办演示页。把过程和碰到的限制整理出来，分享一下。
一开始我也没太理解：Chrome 已经能自动化了，为什么还需要一个面向 Agent 的浏览器？试下来，我更关心的是它怎么把网页交给 Agent，以及操作之后能不能读回状态。
先读取页面，再整理材料
Moli 是 Lexmount 开源的浏览器内核，可以本地运行，能执行 JavaScript、处理 DOM 和页面交互。它的设计是结构优先、按需渲染：先读取文字、链接和结构，需要位置或视觉信息时，再请求布局和截图。
这次整理文章时，Codex 用本地 Moli 1.1.19 读取了产品页和 Chrome 的 Headless 文档。例如：
moli fetch --dump markdown --wait done --timeout 20000 https://browser.lexmount.cn/moli
这里的参数对应我这台机器上的版本，其他版本可以先看 moli fetch --help。
返回的 Markdown 保留了标题、正文和链接，Codex 可以继续从中摘出相关段落。不过，里面也有导航和页脚，拿到内容之后仍然需要筛选。
之前整理几个产品的资料时，还遇到过官网返回 403。那次没拿到正文，就明确记为失败，再找其他公开来源，没有让模型补写。
能点击之后，还要核验结果
另一次是 TodoMVC 待办演示页。Codex 通过 Playwright/CDP 连接本地 Moli，添加三条任务、勾选其中一条，再切换筛选。
我比较在意的是最后一步：刷新页面后，重新读取状态。结果是在同一会话里，三条任务还在，一条保持完成状态。
这只能说明那个演示页上的操作通过了检查，不能推出跨会话同步，更不能推出所有网站都兼容。但它让我看清了整个流程：Codex 安排步骤，Moli 执行网页操作，操作后的状态再交回来检查。
和普通浏览器的区别，要放在具体任务里看
Chrome 本来就支持无头运行和程序控制，读取 DOM 也不是 Moli 独有的能力。Moli 的特点主要在于围绕 Agent 的需求安排结构读取和渲染时机。这次没有做性能对照，所以不下“更快”“更省 Token”的结论。
本地 Moli 和托管的 Cloud Browser 也要分开看：前者是浏览器内核，后者是云端会话服务。复杂页面、特殊接口和 Playwright 的兼容范围，仍然需要逐项验证。
目前我觉得比较值得尝试的，是连续读取多个页面、整理字段和出处，或者提交操作后再检查状态的任务。从一个自己熟悉的小页面开始，比直接交给它一整套复杂流程容易判断效果。
项目：[github.com/lexmount/moli]( lexmount/moli)
中文介绍：[browser.lexmount.cn/moli]( browser.lexmount.cn)
在线体验：[Lexmount Playground]( browser.lexmount.cn)
让 Claude Code、Codex 去刷网页却总被 Chrome 内存拖慢的人：可以换无渲染浏览器试一轮。
@0xGky：开源 Moli，用 Rust 专为 Agent 造的无头浏览器——抓取、跑 JS、自动化都支持，兼容 Playwright / CDP / WebDriver，内存比 Chrome 省。GitHub：lexmount/moli
判断：适合爬虫与批量网页处理；要做人眼可见调试或复杂登录态时仍先留一条 Chrome 通路，别一次性砍掉可视化备用。
1 like · 152 views
Structure first and pixels on demand is how Moli sells itself. A headless browser for agents that reads the DOM and screenshots only when it must. 16k stars under Apache-2.0, and am glad someone else wrote it.
lexmount/moli
#ai #rust
4 likes · 64 views
Moli: navegador headless em Rust para agentes de IA
O que é
O Moli é um navegador headless de código aberto projetado para agentes de IA, construído na linguagem Rust. Ele combina um ambiente de execução de navegador completo com um consumo leve de recursos, utilizando um modelo de renderização e layout sob demanda. O Moli funciona nos sistemas operacionais Linux, macOS e Windows, auxiliando agentes de IA a buscar páginas, extrair dados da web, realizar pesquisas e automatizar tarefas no navegador.
Para quem serve
O projeto serve para desenvolvedores e ferramentas de IA que precisam interagir com a web. Ele atende casos de uso que exigem a extração de conteúdo em formatos como Markdown ou árvore semântica (semantic tree), além da criação de capturas de tela ou arquivos PDF. Também é útil para quem precisa executar comandos JavaScript antes de exportar a página e para quem utiliza protocolos padrão como CDP, WebDriver Classic e WebDriver BiDi, permitindo conexões com bibliotecas como o Playwright.
Como começar
A instalação pode ser feita executando o script de instalação oficial para seu sistema operacional (via terminal no Linux e macOS ou via PowerShell no Windows).
Para extrair o conteúdo de uma página em formato Markdown usando a CLI, execute:
moli fetch --dump markdown https://example.com
Para iniciar o servidor de automação padrão, utilize o comando:
moli serve
Instalação
curl --proto '=https' --tlsv1.2 -fsSL \
https://github.com/lexmount/moli/releases/latest/download/moli-installer.sh | sh
🔗 Repositório oficial: lexmount/moli
Veja em 1 minuto
{% embed youtube.com %}
📚 Mais conteúdos do canal: gist.github.com
Moli’s authors describe a Rust headless browser for AI agents. Speed and compatibility are author claims; the supplied evidence does not establish workflow suitability. Treat it as a project reference.
lexmount/moli
#AI #BrowserAutomation
REA 말고 뜬 깃허브 이번 주 TOP 5
2026-10-13 기준 깃허브 주간 트렌딩(전체와 언어별 페이지)에서 이번 주 늘어난 별이 많은 개발 도구 다섯 개를 골랐습니다. REA는 따로 다뤘고, AnyPS5(게임 실행 파일 변환)와 개발 도구가 아닌 저장소는 뺐습니다. 이번 주 별: skills +11,139, moli +8,485(러스트 트렌딩), e2e +5,582, hyperframes +4,482, agent-skills +4,175. 누적 별은 skills 28만 8천, flutter 18만. moli의 메모리 수치(중간값 73 MiB vs 크롬 헤드리스 773 MiB, 공개 웹 192곳 중 유용한 페이지 103 vs 101)는 저장소 README의 자체 측정입니다. 이 쇼츠는 실제로 HyperFrames로 렌더링했습니다. 화면은 각 저장소의 깃허브 페이지를 그날 캡처한 것입니다. e2e와 hyperframes는 익명 사용 통계가 기본으로 켜져 있으니 README의 끄는 방법을 확인하세요.
출처
- github.com/trending
- trending/rust
- trending/javascript
- addyosmani/agent-skills
- heygen-com/hyperframes
- tester-army/e2e
- lexmount/moli
- mattpocock/skills
- flutter/flutter
249 likes · 7 comments · 13,059 views
Moli GitHub Overview: Structure-First Web Automation for AI Agents
moli by lexmount: lexmount/moli
Moli is an open-source Rust headless browser kernel built for AI-agent web extraction and automation. This overview follows its structure-first model: process JavaScript and the DOM without continuous layout or pixel painting, pull semantic-tree and Markdown output with `moli fetch`, then use `moli serve` for persistent Playwright/CDP sessions. It also covers local POSIX prerequisites, the localhost fixture workflow shown in the narration, wait strategies, mock geometry, on-demand `--layout`, and selective `--image`/`--font` resource fetching. The practical tradeoff is clear: keep visual work off for efficient text retrieval, and enable layout or assets only when spatial automation or screenshots require them.
TimeStamps:
0:00 Why AI Agents Need a Structure-First Browser
0:14 Moli's Rust Headless Browser Architecture
0:25 Workflow Scope and POSIX Prerequisites
0:44 Single-Binary Design and CLI Commands
1:30 Local Fixture and Semantic Tree Extraction
1:59 Markdown Extraction and Wait Strategies
3:14 Persistent Automation with Playwright and CDP
3:50 Mock Geometry vs On-Demand Layout
4:28 Image, Font, and Rendering Resource Flags
4:54 Fetch vs Serve: Choosing the Runtime Path
🧠 Structure-first browsing for agent workloads
🦀 Rust kernel with DOM and JavaScript execution
⚙️ Fetch, serve, CDP, layout, and resource controls
For AI web agents, Moli's main value is control over the rendering budget. Use the fetch path for compact semantic or Markdown extraction, then move to the serve endpoint when a workflow needs a persistent Playwright session. Enable real layout and selected resources only for coordinate-aware automation, screenshots, or PDF output.
#Moli #AIAgents #WebAutomation
[de-DE] YNAS ynp_f2e7caa97c385773 Cinematic
Privater automatisierter Staging-Upload. Paketidentität: ynp_f2e7caa97c385773; Ausgabe: cinematic.
[es-US] YNAS ynp_f2e7caa97c385773 cinemática
Carga de entorno de prueba de automatización privada. Identidad del paquete: ynp_f2e7caa97c385773; salida: cinemática.
[fr-FR] YNAS ynp_f2e7caa97c385773 cinématique
Téléchargement de l'environnement de test d'automatisation privé. Identifiant du package : ynp_f2e7caa97c385773 ; sortie : cinématique.
[hi] YNAS ynp_f2e7caa97c385773 सिनेमैटिक
निजी स्वचालन स्टेजिंग अपलोड। पैकेज पहचान: ynp_f2e7caa97c385773; आउटपुट: सिनेमाई।
[id] YNAS ynp_f2e7caa97c385773 sinematik
Unggahan staging otomatisasi pribadi. Identitas paket: ynp_f2e7caa97c385773; output: sinematik.
[it] YNAS ynp_f2e7caa97c385773 cinematic
Caricamento di automazione privata. Identità del pacchetto: ynp_f2e7caa97c385773; output: cinematografico.
[pt-BR] YNAS ynp_f2e7caa97c385773 cinemático
Upload de teste de automação privada. Identificação do pacote: ynp_f2e7caa97c385773; saída: cinemática.
138 views
Mentions
看同事用 Moli + Codex 读 Quora：从 10 条回答里找选题 “技术创新”这个题太大了，直接写很容易空。同事之前做过一段 Moli + Codex 读取 Quora 的使用记录，我把这段演示和整理出的材料看了一遍：从“Technological Innovation”话题里取回的 10 条回答中，一个水龙头垫片让我找到了想往下写的方向。下面分享的是同事已有的使用记录，以及我从中想到的选题，不是我新做的一次实测。 演示用的是 Codex + Moli：同事给链接和要求，Codex 安排步骤，调用 Moli 去网页里取内容，再把资料整理出来。Moli 是一款给 AI 用的开源浏览器，可以在本地运行。我对这套流程感兴趣，是因为它把“读网页、取材料”这段工作也交给了 Agent，不用先手动复制一堆内容，再让 AI 总结。  Moli 官方产品图｜面向 AI Agent 的开源浏览器。来源：lexmount/moli 官方仓库。 一、贴一个链接，让 Moli 把网页读回来 读网页这一步，同事用的是 Moli Web Fetch Skill。它是一套给 Codex 的操作说明，告诉它怎么调用 Moli 读取页面、等待内容加载、检查结果。演示里已经装好 Moli 和这个 Skill，同事在 Codex 里选中 Moli Web Fetch，贴上话题链接，只加了一句“View all content”（查看全部内容），没复制回答原文，也没预设表格。 原始输入中的链接和要求是： quora.com View all content  输入局部｜选中 Moli Web Fetch，贴上链接，再加一句“查看全部内容”。对应视频 6.2 秒。 我看中的是，Moli 能运行网页里的 JavaScript，等内容加载后再读取，并输出 Markdown 或 JSON。 有些内容要等网页加载后才出现，光拿到最初的页面还不够。这些读取步骤可以交给 Codex 调用 Moli 来做，结果还能接着用于整理。Moli 也能处理链接、表单和页面状态，需要查看画面时再生成布局和截图；这次主要用来读资料。  Moli 中文官网能力图，2026 年 11 月 3 日截取。本例用到内容读取和网络响应检查，表单、截图能力未逐项演示。 第一轮就卡住了。Codex 让 Moli 把页面转成 Markdown，命令正常结束，结果却只有话题标题和“Something went wrong”，没有回答内容。录屏里用的是 Moli 1.1.4。 二、第一轮没读到回答，还能接着往下查 Codex 接着调用 Moli，检查 Quora 加载话题时收到了什么数据。Moli 除了读页面文字，还能记录网页请求、等待指定响应，再把响应内容取出来。 换句话说，页面正文没读全，还可以看看网页已经收到的数据。演示中没有让操作者自己打开开发者工具翻请求，Codex 就接着往下查了。  命令局部｜上面读页面正文，下面检查网页响应。两次都由 Codex 调用 Moli 执行；取自视频 42.1 秒的任务回顾。 换成这条读取路径后，Moli 取回了 10 张回答卡，Codex 终于有了可以整理的材料。这只是第一批，返回数据里的 hasNextPage 为真，后面还有下一页。不过，用来初步挑写作方向，这份记录已经给了我一些线索。 [查看 Quora 使用记录]( bilibili.com) 73.5 秒无声录屏，取自 2026 年 9 月 14 日的同一任务演示，展示贴链接到整理清单的过程。原片已加速，片长不代表任务耗时。 三、一个水龙头垫片，让选题具体了 Codex 把 Moli 取回的内容整理成了清单，问题、作者、摘要和来源放在一起。我先扫了一遍，再停在第 3 条：为什么 3D 打印没有像早年想象的那样普及到每个家庭？有这份清单，我能先挑想读的，再顺着来源回看细节。 清单里的互动数是当时的快照，我会拿它当参考，挑材料还是看回答本身。  清单前半｜第 3 条是“What happened to 3D printing?”，作者 James Martin。对应视频 49.8 秒。  放大看第 3 条摘要｜模型设计、材料、价格和量产成本，都是回答里提到的限制。下文的生活例子来自返回正文。 让我想继续写的，是同事整理材料时提到的生活细节。按这份材料，James Martin 说，商店关门了，他就自己打印了一个水龙头垫片；他也用别人上传的模型做过咖啡机配件。不过，碰到便宜的量产件，他还是觉得直接买更划算。设备变好操作了，三维模型怎么来仍是个门槛。这些是材料中转述的回答者自述，我还没有回到原回答逐项核实。 读到这里，我想写的问题就小了下来：3D 打印什么时候能替普通人解决眼前的麻烦？ 临时缺一个买不到的配件，和长期用打印机替代购物，可能是两回事。接下来我会回原回答核对，再找更多使用者的案例，看模型、价格和动手成本到底卡在哪。Moli 带回了这条材料，我才有东西可以顺着想；选题是否成立，还得往下查。 四、拿到清单后，我还会核对什么 第 7 条“100 个人能不能重建现代文明”只有截断预览，后面也还有分页。真要写进文章，我会先补齐选中的回答，核对准备引用的观点和例子。这份清单先帮我找到值得读的东西，引用前该看的原文还是要看。 看完这段记录，我觉得最有用的，是少了在网页和聊天框之间来回搬材料的步骤：Moli 去取，Codex 整理，读者再挑值得往下看的内容。从“技术创新”到“临时缺个配件，要不要自己打印”，有了具体材料，才有了我想写的那个问题。 之后我也想拿产品文档、更新说明试试这套流程。想试的话，可以打开[Moli 开源项目]( lexmount/moli)查看安装方式，再看这次用到的[Moli Web Fetch Skill]( github.com/lexmount/moli/tree/main/skills/moli-we…)。装好后，从一个熟悉的网页开始就行 。 本文根据同事提供的既有演示和资料整理，选题分析为我阅读材料后的想法；使用 AI 辅助写作和润色。
别绑死浏览器。 @0xGky：开源 Moli——Rust 无渲染浏览器，抓取/执行 JS/自动化，兼容 Playwright/CDP/WebDriver，内存占用低于拉起完整 Chrome。GitHub：lexmount/moli 判断：跑批量网页 Agent、被 Chrome 内存拖慢的人先试；需要可视化人工盯页面的可跳过。先在沙箱跑，别对登录态站点乱自动化。
让 Codex 去 Steam 查游戏， Moli 负责哪几步？ Moli 拿了 10 月 25 日的 Product Hunt 日榜第一。比起这个排名，我更关心一个实际问题：给 Agent 用的浏览器，接到 Codex 里以后，能替我做什么？ 下面从使用者的需求看一个查游戏的例子，图片和视频用的是 9 月已有演示，不是上榜后新做的一次实测。 ## 需求很简单：找一款能和朋友一起玩的游戏 比如在《传送门》和《传送门 2》之间挑一款，我会想知道：哪款支持双人合作，多少钱，电脑配置够不够。演示里先让 Codex 调用 Moli 打开 Steam，然后给它这个要求： > 在 Steam 搜索 Portal，比较 Portal 和 Portal 2 的价格、合作模式和系统要求，然后推荐一款适合与朋友一起玩的游戏。附上商品链接。  *原始英文输入，中文转述在上面。对应视频 6—16 秒：只给候选和比较条件，没有把两款商品页全文贴给它。* 这里分工很清楚：Codex 安排步骤、整理比较和推荐；Moli 去网页里输入搜索词、打开商品页、读取内容。Moli 是可独立在本地运行的开源浏览器，这套用法里，它作为 Codex 的浏览器工具被调用。 下面这段能看到搜索、打开两款商品页，再回到 Codex 出结果的过程。 [观看 Steam 操作过程（51.1 秒，无声）]( bilibili.com) *0—16 秒发指令，17—35 秒搜索并查看商品页，35—51 秒看结果。取自 9 月录屏，等待已压缩；网页视角是同一任务的另次录制，片中已标注。视频时长不是任务耗时。* ## 最后拿到了什么 Codex 推荐的是《传送门 2》：一代是单人游戏，二代有独立的双人合作战役，支持在线或本地分屏合作。 结果里还有价格、合作方式、最低配置和商品链接。录屏中两款都是 US$9.99，这是当时的显示价格，买之前要看当前商店。  *对应视频 35—51 秒。比较和推荐由 Codex 完成；截图中的“58s”也不作为完整任务耗时。* 对我来说，这里的方便之处是：不用先自己找好两个商品页、复制资料，再交给 AI 比较。从搜索、进详情到取回内容，都能放进同一个任务。最后按我关心的条件看表格就行。 不过，这份结果还不能直接当购买结论。一代的存储一栏写着“页面未注明”，需要回查；录屏没逐项展示全部配置的读取，也没把要求和我的电脑配置做匹配。任务到推荐就结束了，没有购买、安装或游玩。 ## 我还想用它查什么 比起挑游戏，我更想继续试试比较产品参数、整理几个活动的时间和报名条件。都是先给候选和条件，再让 Agent 去网页里找，回来按同一个标准整理。这些场景还没在这份素材里验证。 翻项目文档时，我注意到两点：Moli 能运行网页里的 JavaScript，读取动态加载后的内容；也能把内容转成 Markdown，把按钮、链接整理成带名称和类型的页面结构。这样 Agent 拿到的不光是资料，还有继续操作页面需要的信息。 它强调的“轻量”也有具体做法：读网页结构和文字时可以跳过布局、绘制，需要截图或坐标操作时再做相应计算。这段 Steam 演示没测内存和速度，所以这里不做性能比较。已有 Playwright 或 Puppeteer 流程可以通过 CDP 接入，但只支持部分接口，需要拿自己的页面验证。 只查两款游戏，手动打开网页也不麻烦。如果现有 Agent 已经能稳定完成这些步骤，也没必要只为这个例子换工具。我更想看它接下来能否做好连续查几页、按条件整理资料的任务。 想试的话，[Moli 开源项目（GitHub）]( lexmount/moli)里有安装和接入说明。想了解云端托管，可以看 [Lexmount 云浏览器]( browser.lexmount.cn)；本地运行 Moli 不需要先开通云服务。 你们让 Agent 做这类网页比较任务时，最容易卡在哪一步：打开目标页、读到完整信息，还是最后把结果比对准确？
用 Codex + Moli 跑了几个网页任务，聊聊「给 Agent 用的浏览器」 我在 Lexmount 团队，最近在整理 Moli 的实际使用案例，也让 Codex 配合本地 Moli 跑了几次网页任务：读产品官网、整理资料，以及操作待办演示页。把过程和碰到的限制整理出来，分享一下。 一开始我也没太理解：Chrome 已经能自动化了，为什么还需要一个面向 Agent 的浏览器？试下来，我更关心的是它怎么把网页交给 Agent，以及操作之后能不能读回状态。 先读取页面，再整理材料 Moli 是 Lexmount 开源的浏览器内核，可以本地运行，能执行 JavaScript、处理 DOM 和页面交互。它的设计是结构优先、按需渲染：先读取文字、链接和结构，需要位置或视觉信息时，再请求布局和截图。 这次整理文章时，Codex 用本地 Moli 1.1.19 读取了产品页和 Chrome 的 Headless 文档。例如： moli fetch --dump markdown --wait done --timeout 20000 https://browser.lexmount.cn/moli 这里的参数对应我这台机器上的版本，其他版本可以先看 moli fetch --help。 返回的 Markdown 保留了标题、正文和链接，Codex 可以继续从中摘出相关段落。不过，里面也有导航和页脚，拿到内容之后仍然需要筛选。 之前整理几个产品的资料时，还遇到过官网返回 403。那次没拿到正文，就明确记为失败，再找其他公开来源，没有让模型补写。 能点击之后，还要核验结果 另一次是 TodoMVC 待办演示页。Codex 通过 Playwright/CDP 连接本地 Moli，添加三条任务、勾选其中一条，再切换筛选。 我比较在意的是最后一步：刷新页面后，重新读取状态。结果是在同一会话里，三条任务还在，一条保持完成状态。 这只能说明那个演示页上的操作通过了检查，不能推出跨会话同步，更不能推出所有网站都兼容。但它让我看清了整个流程：Codex 安排步骤，Moli 执行网页操作，操作后的状态再交回来检查。 和普通浏览器的区别，要放在具体任务里看 Chrome 本来就支持无头运行和程序控制，读取 DOM 也不是 Moli 独有的能力。Moli 的特点主要在于围绕 Agent 的需求安排结构读取和渲染时机。这次没有做性能对照，所以不下“更快”“更省 Token”的结论。 本地 Moli 和托管的 Cloud Browser 也要分开看：前者是浏览器内核，后者是云端会话服务。复杂页面、特殊接口和 Playwright 的兼容范围，仍然需要逐项验证。 目前我觉得比较值得尝试的，是连续读取多个页面、整理字段和出处，或者提交操作后再检查状态的任务。从一个自己熟悉的小页面开始，比直接交给它一整套复杂流程容易判断效果。 项目：[github.com/lexmount/moli]( lexmount/moli) 中文介绍：[browser.lexmount.cn/moli]( browser.lexmount.cn) 在线体验：[Lexmount Playground]( browser.lexmount.cn)
让 Claude Code、Codex 去刷网页却总被 Chrome 内存拖慢的人：可以换无渲染浏览器试一轮。 @0xGky：开源 Moli，用 Rust 专为 Agent 造的无头浏览器——抓取、跑 JS、自动化都支持，兼容 Playwright / CDP / WebDriver，内存比 Chrome 省。GitHub：lexmount/moli 判断：适合爬虫与批量网页处理；要做人眼可见调试或复杂登录态时仍先留一条 Chrome 通路，别一次性砍掉可视化备用。
Structure first and pixels on demand is how Moli sells itself. A headless browser for agents that reads the DOM and screenshots only when it must. 16k stars under Apache-2.0, and am glad someone else wrote it. lexmount/moli #ai #rust
Moli: navegador headless em Rust para agentes de IA O que é O Moli é um navegador headless de código aberto projetado para agentes de IA, construído na linguagem Rust. Ele combina um ambiente de execução de navegador completo com um consumo leve de recursos, utilizando um modelo de renderização e layout sob demanda. O Moli funciona nos sistemas operacionais Linux, macOS e Windows, auxiliando agentes de IA a buscar páginas, extrair dados da web, realizar pesquisas e automatizar tarefas no navegador. Para quem serve O projeto serve para desenvolvedores e ferramentas de IA que precisam interagir com a web. Ele atende casos de uso que exigem a extração de conteúdo em formatos como Markdown ou árvore semântica (semantic tree), além da criação de capturas de tela ou arquivos PDF. Também é útil para quem precisa executar comandos JavaScript antes de exportar a página e para quem utiliza protocolos padrão como CDP, WebDriver Classic e WebDriver BiDi, permitindo conexões com bibliotecas como o Playwright. Como começar A instalação pode ser feita executando o script de instalação oficial para seu sistema operacional (via terminal no Linux e macOS ou via PowerShell no Windows). Para extrair o conteúdo de uma página em formato Markdown usando a CLI, execute: moli fetch --dump markdown https://example.com Para iniciar o servidor de automação padrão, utilize o comando: moli serve Instalação curl --proto '=https' --tlsv1.2 -fsSL \ https://github.com/lexmount/moli/releases/latest/download/moli-installer.sh | sh 🔗 Repositório oficial: lexmount/moli Veja em 1 minuto {% embed youtube.com %} 📚 Mais conteúdos do canal: gist.github.com
Moli’s authors describe a Rust headless browser for AI agents. Speed and compatibility are author claims; the supplied evidence does not establish workflow suitability. Treat it as a project reference. lexmount/moli #AI #BrowserAutomation
REA 말고 뜬 깃허브 이번 주 TOP 5 2026-10-13 기준 깃허브 주간 트렌딩(전체와 언어별 페이지)에서 이번 주 늘어난 별이 많은 개발 도구 다섯 개를 골랐습니다. REA는 따로 다뤘고, AnyPS5(게임 실행 파일 변환)와 개발 도구가 아닌 저장소는 뺐습니다. 이번 주 별: skills +11,139, moli +8,485(러스트 트렌딩), e2e +5,582, hyperframes +4,482, agent-skills +4,175. 누적 별은 skills 28만 8천, flutter 18만. moli의 메모리 수치(중간값 73 MiB vs 크롬 헤드리스 773 MiB, 공개 웹 192곳 중 유용한 페이지 103 vs 101)는 저장소 README의 자체 측정입니다. 이 쇼츠는 실제로 HyperFrames로 렌더링했습니다. 화면은 각 저장소의 깃허브 페이지를 그날 캡처한 것입니다. e2e와 hyperframes는 익명 사용 통계가 기본으로 켜져 있으니 README의 끄는 방법을 확인하세요. 출처 - github.com/trending - trending/rust - trending/javascript - addyosmani/agent-skills - heygen-com/hyperframes - tester-army/e2e - lexmount/moli - mattpocock/skills - flutter/flutter
Moli GitHub Overview: Structure-First Web Automation for AI Agents moli by lexmount: lexmount/moli Moli is an open-source Rust headless browser kernel built for AI-agent web extraction and automation. This overview follows its structure-first model: process JavaScript and the DOM without continuous layout or pixel painting, pull semantic-tree and Markdown output with `moli fetch`, then use `moli serve` for persistent Playwright/CDP sessions. It also covers local POSIX prerequisites, the localhost fixture workflow shown in the narration, wait strategies, mock geometry, on-demand `--layout`, and selective `--image`/`--font` resource fetching. The practical tradeoff is clear: keep visual work off for efficient text retrieval, and enable layout or assets only when spatial automation or screenshots require them. TimeStamps: 0:00 Why AI Agents Need a Structure-First Browser 0:14 Moli's Rust Headless Browser Architecture 0:25 Workflow Scope and POSIX Prerequisites 0:44 Single-Binary Design and CLI Commands 1:30 Local Fixture and Semantic Tree Extraction 1:59 Markdown Extraction and Wait Strategies 3:14 Persistent Automation with Playwright and CDP 3:50 Mock Geometry vs On-Demand Layout 4:28 Image, Font, and Rendering Resource Flags 4:54 Fetch vs Serve: Choosing the Runtime Path 🧠 Structure-first browsing for agent workloads 🦀 Rust kernel with DOM and JavaScript execution ⚙️ Fetch, serve, CDP, layout, and resource controls For AI web agents, Moli's main value is control over the rendering budget. Use the fetch path for compact semantic or Markdown extraction, then move to the serve endpoint when a workflow needs a persistent Playwright session. Enable real layout and selected resources only for coordinate-aware automation, screenshots, or PDF output. #Moli #AIAgents #WebAutomation [de-DE] YNAS ynp_f2e7caa97c385773 Cinematic Privater automatisierter Staging-Upload. Paketidentität: ynp_f2e7caa97c385773; Ausgabe: cinematic. [es-US] YNAS ynp_f2e7caa97c385773 cinemática Carga de entorno de prueba de automatización privada. Identidad del paquete: ynp_f2e7caa97c385773; salida: cinemática. [fr-FR] YNAS ynp_f2e7caa97c385773 cinématique Téléchargement de l'environnement de test d'automatisation privé. Identifiant du package : ynp_f2e7caa97c385773 ; sortie : cinématique. [hi] YNAS ynp_f2e7caa97c385773 सिनेमैटिक निजी स्वचालन स्टेजिंग अपलोड। पैकेज पहचान: ynp_f2e7caa97c385773; आउटपुट: सिनेमाई। [id] YNAS ynp_f2e7caa97c385773 sinematik Unggahan staging otomatisasi pribadi. Identitas paket: ynp_f2e7caa97c385773; output: sinematik. [it] YNAS ynp_f2e7caa97c385773 cinematic Caricamento di automazione privata. Identità del pacchetto: ynp_f2e7caa97c385773; output: cinematografico. [pt-BR] YNAS ynp_f2e7caa97c385773 cinemático Upload de teste de automação privada. Identificação do pacote: ynp_f2e7caa97c385773; saída: cinemática.