KeyFrame內部研究專用

Cloudflare built a browser for AI agents in Rust

Let's Get Rusty·8月18日週二·7 min英文

三句話摘要

Cloudflare 用 Rust 開發 Kiturf——專為 AI 代理優化的輕量級瀏覽器。 Cloudflare 用 Rust 從零設計 Kiturf 展示了為特定使用場景優化系統的威力——AI 代理的高效能低成本瀏覽器遠優於通用型 Chromium,是場景驅動設計的典範。 解決的真實問題:AI 代理需要瀏覽器執行任務,但 Chromium 為人類設計,帶來 AI 模型不需要的記憶體與計算開銷,導致每個代理實例成本高昂。Cloudflare 決定針對 AI 代理需求開發專用瀏覽器。

重點整理

重點
  • 1

    解決的真實問題:AI 代理需要瀏覽器執行任務,但 Chromium 為人類設計,帶來 AI 模型不需要的記憶體與計算開銷,導致每個代理實例成本高昂。Cloudflare 決定針對 AI 代理需求開發專用瀏覽器。

  • 2

    AI 代理的真正需求:代理不需要標籤頁、主題或擴充功能,反而更在乎令牌數量、上下文視窗、可擴展性與效能。代理優先需求結構化機器可讀內容,威脅模型涉及提示注入與工具安全,這些都與人類瀏覽器的設計理念完全不同。

  • 3

    工程方法的嚴謹性:增加大量測試(Web 平台測試套件、Puppeteer 多步驟測試),盡可能使用 Rust 編譯為 WebAssembly 避免模擬層,採用無狀態組件設計,所有網路請求經過單一沙箱出站組件檢查。

  • 4

    效能成果的實質意義:CPU 與記憶體大幅降低意味著 AI 代理運行成本劇減。雖然單次執行速度略遜於 Chromium(因冷渲染 vs JIT 預熱),但整體資源效率優勢對 AI 代理場景具決定性價值。

實用技巧與重點

乾貨
  • 產品:Kiturf 瀏覽器
  • 技術棧:Rust、WebAssembly、運行於 Cloudflare Worker 平台虛擬專用伺服器隔離區
  • 靈感來源:Obscura(另一款 Rust 開發的 AI 代理優化瀏覽器)
  • 開發週期:約 12 週
  • 測試成果:通過超過 215,000 項 Web 平台測試
  • 效能對比(vs Chromium):
  • 截圖 CPU 使用率:低 3.1 倍
  • HTML 擷取 CPU 使用率:低 3.8 倍
  • 截圖記憶體:低 4.7 倍
  • HTML 擷取記憶體:低 7 倍
  • 截圖速度:Chromium 快 1.x 倍
  • HTML 擷取速度:Chromium 快 1.7 倍
  • 測試工具:Web 平台測試套件、Puppeteer 多步驟測試
  • 安全機制:單一沙箱出站組件檢查所有互聯網請求、核心標頭、Cookie
  • 計劃:準備就緒後開源 Kiturf

結論

結論

Cloudflare 用 Rust 從零設計 Kiturf 展示了為特定使用場景優化系統的威力——AI 代理的高效能低成本瀏覽器遠優於通用型 Chromium,是場景驅動設計的典範。

完整解析

詳細

Cloudflare 的無頭瀏覽器自動化 API「browser run」隨著 AI 興起獲得巨大成長,許多 AI 代理需要瀏覽器來執行各類任務。然而,Chromium 等現有瀏覽器根本是為人類使用者設計的架構,導致 AI 模型必須承載大量無用開銷——龐大的記憶體消耗與計算資源浪費。結果是每個代理程式運行一個瀏覽器實例的成本高得令人無法接受。

Cloudflare 面臨的核心問題是:要麼縮小成本,要麼想辦法從根本上改造工具。他們選擇後者,決定開發一款專門為 AI 代理優化的瀏覽器,而非與主流瀏覽器競爭。AI 代理不需要標籤頁、主題或擴充功能,反而更在乎令牌數量、上下文視窗、可擴展性與效能。代理對結構化的機器可讀內容需求遠大於視覺介面,且面臨提示注入與工具安全等 AI 特有的威脅。這些需求徹底不同於傳統瀏覽器設計。Kiturf 的靈感來自既有的 Obscura 瀏覽器,後者也用 Rust 編寫、專為 AI 代理優化。Cloudflare 甚至讓 AI 代理自身參與初期開發工作,雖然效果不佳,但一旦定下切實可行的計劃與明確成功標準,他們就做出了可行原型。

工程實踐上,Cloudflare 採取了多項嚴謹決策。首先大幅增加測試,使用 Web 平台測試套件驗證瀏覽器功能實現,同時在真實網站上跑 Puppeteer 多步驟測試並與 Chromium 對標。其次盡可能使用 Rust 編譯為 WebAssembly,避免不必要的模擬層與額外的執行時開銷。第三重視隔離與異常處理,讓組件盡可能無狀態。安全方面,所有互聯網請求無論來自引擎或頁面腳本都經過單一沙箱出站組件,該組件檢查核心標頭、Cookie 等。

經過約 12 週開發,Kiturf 已通過超過 215,000 項 Web 平台測試且測試覆蓋率持續增加。效能對比中,Kiturf 的 CPU 使用率比 Chromium 低 3.1 至 3.8 倍,記憶體低 4.7 至 7 倍——對 AI 代理的大規模部署成本而言是決定性優勢。雖然 Chromium 在單次執行速度上快 1.x 至 1.7 倍(因為 JIT 編譯器已預熱而 Kiturf 需冷渲染),但這種權衡對 AI 場景完全值得。Cloudflare 計劃開源 Kiturf,反映了用 Rust 重寫或移植軟體的廣泛趨勢,尤其在開發工具與雲端基礎設施領域。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。