Bah：让 AI 替你操作浏览器的开源智能体

一款"开口就能用"的浏览器

想象一下：你坐在电脑前，对着一个浏览器窗口说——"帮我打开 Gmail，把那封垃圾邮件删了"。然后，浏览器自己动了起来：自动跳转、点击、滚动，像一位熟练的数字助理在替你完成这一切。这不是科幻，而是 Bah（发音：/bɑː/，取自巴比伦神话中的神）正在做的事。

Bah 是一款开源 AI 浏览器智能体（Browser Agent），由独立开发者 Alex Vilela（VilelaLab）打造。它的核心理念：用户只需用自然语言下达指令，AI 就能自主操控网页——读取页面、点击真实鼠标、输入文字——直到任务完成。与 Perplexity 的 Comet 模式类似，但完全开源、社区驱动。

Bah 的 Logo，简洁有力

---

背景：为什么需要 AI 浏览器？

传统浏览器需要人类手动操作：点击、输入、滚动。这在重复性网页操作时——批量填写表单、多标签协作、信息抓取——效率瓶颈立刻显现。

2023-2024 年间，Perplexity、OpenAI 先后推出浏览器操作功能，但均为闭源服务。用户无法自托管、无法修改 Prompt、无法接入自己的模型。

Alex Vilela 作为独立开发者，决定用 Electron + React + TypeScript 从头构建一个完全开源的 AI 浏览器，让任何人都能自由使用、审计和定制。

"我想让 AI 浏览器真正属于社区——可以自托管、可以用自己的模型、可以审计每一行代码。"
— Alex Vilela，GitHub 项目主页

---

技术架构：双进程 + 真实输入

Bah 基于 Electron 42（内置 Chromium），采用经典的双进程架构：

进程	职责	技术
Renderer（沙箱）	React UI + AI 决策循环	React 19 + TypeScript + Vite
Main（特权）	真实输入注入、AI 调用、文件处理	Node.js + Tesseract OCR + yt-dlp
Preload（桥接）	唯一安全通道，固定 IPC 列表	contextBridge

最关键的设计：真实鼠标事件。 传统浏览器自动化（Selenium/Puppeteer）使用合成事件，容易被反爬虫检测。Bah 通过 webContents.sendInputEvent 注入真实的操作系统级鼠标点击事件，让 React/Vue/Angular 组件正常响应，绕过大多数反自动化检测。

AI 决策采用 ReAct 循环（Reasoning + Acting），每次循环：感知页面 → AI 决定动作 → 执行真实输入 → 重新感知自评估 → 完成或进入下一步（最多 25 步）。

Bah AI 自主搜索并操作网页的演示

---

核心功能一览

多种 AI 后端支持

• ☁️ 云端：DeepSeek（推荐，便宜）、Mistral、NVIDIA NIM
• 🏠 本地：Ollama（100% 离线免费，支持任意 GGUF 模型）
• 🖼️ 图片生成：开箱即用，无需 API Key（通过 Pollinations）

浏览器原生能力

• 完整标签页管理（新建/切换/关闭）、地址栏 + 导航
• 暗色主题
• 广告屏蔽：EasyList + EasyPrivacy，自动绕过 YouTube/Twitch 等易误拦站点
• 安全浏览：集成 URLhaus 恶意域名列表，每日更新
• 模拟 Chrome UA + 隐藏 navigator.webdriver，兼容现代网站

One-shot 技能（零 Token）

不需要调用 AI 的确定性快捷操作：批量打开视频并跳转指定词句时刻、基于 YouTube 字幕聊视频内容、价格对比、新闻聚合、图片批量下载等。

安全机制

• 支付/购买/删除/银行卡操作前，强制弹窗二次确认
• API Key 本地存储，不上传服务器
• Context Isolation + Preload 严格沙箱隔离

---

上手体验：安装与配置

下载即用（Windows）： 直接下载 Bah-Setup-*.exe，双击安装。首次会触发 Windows SmartScreen 警告（正常现象，开源应用无代码签名），点击"更多信息 → 仍要运行"即可。

开发模式：

git clone https://github.com/alexvilelabah/bah-browser.git
cd bah-browser
npm install && npm run build && npm start

接入 AI： 打开 AI 面板 → 设置 → 选择 DeepSeek/Mistral/NVIDIA NIM，填入 API Key；本地模式安装 Ollama 后在面板中选择并下载模型即可。

---

当前局限与争议

方面	现状
Docker 支持	❌ 无 Dockerfile，不支持容器化部署
macOS/Linux	⚠️ 官方提供 dmg，但非主要测试平台
反自动化检测	仍可能被 Cloudflare 等严格检测拦截
AI 模型限制	非 GPT-4o/Claude Sonnet 等顶级模型，复杂多步推理可能出错
OCR 准确性	Tesseract OCR 在低分辨率/复杂页面上存在误识别
维护状态	个人维护，功能迭代依赖作者时间

---

行业意义与未来

Bah 代表了 AI Agent 在网页操作自动化方向的探索。与 OpenAI Operator、Anthropic Computer Use 等闭源方案相比，它让用户真正拥有对 AI 浏览器的主导权。本地 Ollama 支持是差异化亮点：用户可以在完全离线情况下运行开源模型，实现隐私敏感的网页自动化。

总结：如果你需要一款可以自托管、支持多 AI 后端、真实鼠标操控网页的开源浏览器智能体，Bah 是目前 GitHub 上值得关注的选择。安装包开箱即用，开发调试有完整文档。唯一需要注意的是：目前没有 Docker 方案，需要在实体机上运行。