最近做推广和后台操作时，我反复遇到一个很小但很烦的问题。
AI 确实能操作浏览器。让它打开页面、找按钮、填表、发布内容，最后大概率能完成。
但第二天做同一个任务时，它还是会像第一次一样：重新读页面、重新猜哪个按钮是入口、重新点错几次，再重新把流程跑通一遍。
这让我意识到，浏览器自动化真正浪费的不是“第一次探索”，而是重复探索。
于是我做了 AgentLimb。
AgentLimb 是一个 Chrome 扩展 + 本地 Bridge，可以让 Claude Code、Cursor、Codex 这类 AI coding 工具直接操作你正在用的真实 Chrome。
真实 Chrome 这一点很重要：它沿用你的登录状态、Cookie、扩展和当前会话，不需要另开一个 headless browser，也不用为每个平台重新登录。
AgentLimb 最核心的东西叫 muscle。第一次让 AI 跑通一个网页任务后，把关键动作路径沉淀下来。下次再做同类任务时，它可以直接复用这段肌肉记忆，而不是重新阅读整页、重新找按钮。
我希望它解决的是这类场景：
-
重复发布内容到多个平台
-
在后台反复填相似表单
-
做真实登录态下的 QA 回归
-
让 AI 跑一些不适合 headless 的网页流程
-
把“上次已经试对的路径”保存下来
我自己最在意的是 token 和时间。
如果一个网页任务第一次需要 AI 看页面、理解结构、试探按钮，这很正常。但同样的任务执行第 10 次时，仍然让它重新探索，就像每天让一个人重新学习怎么开门。
AgentLimb 的目标不是把人从浏览器里拿掉，而是让 AI 少做重复试错。人负责判断和确认，AI 负责复用那些已经验证过的动作。
目前它是本地运行的：
-
Bridge 在 localhost
-
Chrome 扩展连接真实浏览器
-
不走云端 bridge
-
不做 analytics / tracking
-
项目开源，个人使用免费
如果你也在用 Claude Code、Cursor 或 Codex 做浏览器任务，尤其是运营、资料录入、测试、推广这类重复流程，AgentLimb 可能会省下不少 token 和耐心。
