浏览器自动化别再复制 Cookie 了：ego lite task space 的跨进程实践与四个坑

为什么要在真浏览器里跑自动化

做浏览器自动化最麻烦的一步从来不是写选择器，而是登录态。把 Cookie 从用户浏览器导出、塞进无头实例，这条路能跑通，但每次掉登录都要重来一遍，而且把长期凭据复制到第二个进程本身就是风险。ego lite 换了个思路：脚本不在自己的 Node 进程里操控一个影子浏览器，而是直接接管用户正在用的那个窗口，用 task space 把「哪些标签页归 agent、哪些归用户」做成了一等公民。

task space 到底是什么

一次 taskSpace() 调用会拿到一个空间，空间里可以开页面，每个页面有稳定的标签（p1、p2），页面里的元素有 ref。关键是这些标签和 ref 会被持久化到状态文件里，所以下一次进程启动时，taskSpace(1) 能把上一次的页面原样接回来，ref 依然指向同一个元素。下面这段是我实测的跨进程链路：第一个进程打开页面并拿到 ref，第二个进程（全新的 Node 进程）直接点击这个 ref，页面跳转成功，说明 ref 不是进程内句柄。

// round-01
const t = await taskSpace("demo");
const p = t.page("p1");
await p.goto("https://example.com");
// snapshot 后得到 anchor 的 ref=1

// round-02（新进程）
const t = await taskSpace(1);
const p = t.page("p1");
await p.click("@1");
await p.waitForURL("**iana.org**");

坑一：定位器比 Playwright 严格得多

第一类问题都来自「它不肯猜」。role 定位器必须带 name，只写 loc=role:textbox 会直接报错；page.fill() 不接受 label 选项，label 只允许给指针类动作；waitForSelector() 要求唯一匹配，匹配到多个不会默默取第一个，而是把前几个候选的文字列出来让你改选择器。这三点第一次用会卡住，但换个角度看，它把 Playwright 里那种「选错了元素但流程照跑」的静默错误提前暴露了。

坑二：状态文件写入失败会让整个 SDK 瘫痪

这个坑最费时间。某次运行开始抛 EPERM: rename 'space-1@browser-host-xxxx.json.tmp'，之后 tabs()、snapshot() 全部失败，看起来像 SDK 崩了。实际是持久化层的原子写在 Windows 上被拦了一下，重试也没能成功，于是所有需要读状态的调用都卡在同一个点上。手动 mv 那个 JSON 文件是成功的，说明不是文件锁，而是写入路径本身出了问题。修法很土但有效：备份后删掉 ~/.ego-browser/state/space-1@browser-host-*.json，下一次运行会重建，代价是页面标签全部变成 undefined，需要重新登记。

坑三：标签丢了要重新登记，参数别传错

状态文件重建之后，t.tabs() 返回的每一项里 page 是一个描述对象，不是页面句柄。t.adopt(tab, { as: "grow" }) 会报「requires an untracked page」，正确写法是把 tab.page 传进去：await t.adopt(tab.page, { as: "grow" })。之后 t.page("grow") 就能拿到句柄继续操作。

坑四：用户一动手，脚本必须停

空间的控制权是可以转移的。用户自己点了一下浏览器，下一次命令就会抛 EGO_TASK_SPACE_USER_IN_CONTROL。SDK 的约定是硬停：不重试、不夺回，等用户明确说继续再 takeOverTaskSpace(1)。这条约束看着碍事，实际避免了两边同时操作同一个页面把状态搞乱。

几个实用建议

• 抓数据优先用 evaluate() 返回结构化对象，不要拉整页快照。快照对大页面又慢又容易触发状态写入。
• 点击 Vue 之类的卡片按钮，用 CDP 的坐标点击（取元素中心，派发 mousePressed/mouseReleased）比 DOM 的 click() 更接近真实用户，路由也更容易触发。
• 每个动作返回 receipt 只说明「动作发出去了」，不说明业务成功。要验证业务状态，自己再查一次页面。
• 需要等页面渲染的场合，宁可多等两秒再看文本，也不要靠固定选择器硬轮询。

小结

把自动化搬进用户正在用的浏览器，省掉的是凭据传递，多出来的是状态管理和控制权协调。ego lite 这套 API 在严格性上明显偏保守：定位器不猜、选择器不猜、控制权不抢。代价是上手时到处报错，好处是出错时你总能知道错在哪一步。