AI Agent on 蔡大锅's Blog

当 AI 替你考网络安全：一次 pi-agent + Chrome DevTools 的完整实战

Thu, 24 Sep 2026 21:00:00 +0800

目标读者：想让 AI 智能体替自己完成浏览器内操作（答题、表单、巡检）的开发者。实测结果：在线安全答题 100 分。本文拆解整条链路的技术原理，以及它为什么"作弊"得如此干净。

0. 先说结论

这套方案的四个组成部分：

角色	组件	一句话职责
知识库	培训 PPT → markdown	答案的唯一来源，提前离线准备好
大脑	pi-agent（终端智能体）	读题、检索知识库、决定点哪个选项
翻译官	chrome-devtools-mcp	把 AI 的意图翻译成浏览器指令
手脚	Chrome 远程调试（CDP）	真正执行：读 DOM、点击、截图

一个必须先建立的认识：这个系统答对题，靠的不是模型懂网络安全，而是答案在喂给它的材料里。 它的本质是一套跑在浏览器上的 RAG（检索增强生成）系统。理解了这一点，你就理解了它的能力边界。

1. 知识准备：答案在开考前就已经写好

题库出自公司培训材料《智能时代，网安护航》。把两份 PPT（72 页）用 python-pptx 抽成 markdown：

三个工程要点：

连备注页和表格一起抽。培训 PPT 的备注里往往藏着出题人视角的解释，表格则是数据类考点的浓缩。
抽成中间产物落盘（_txt_*.md），不要边解析边答题。智能体答题时用 read 工具检索这个静态文件，速度快、结果可回溯。
口径一致是 100 分的前提。知识库和题库同源，检索命中即正确；如果知识库是网上找的二手资料，“多选题选几项"这类口径差异就会丢分。

这一步做完，你拥有了一个和出题口径完全对齐的私有知识库——整场"考试"里最值钱的资产。

2. 打通浏览器：CDP 是什么，为什么是它

2.1 一个冷知识：F12 本来就不在浏览器里

Chrome 的开发者工具（F12）并非内嵌功能——你按 F12 时的每个操作（查 DOM、抓截图、看请求），都是 Chrome 通过一套叫 CDP（Chrome DevTools Protocol） 的协议完成的：JSON-RPC 消息走 WebSocket 通道，Page.navigate 导航、DOM.getDocument 取文档树、Runtime.evaluate 跑脚本。

启动 Chrome 时加一个参数：

1

chrome.exe --remote-debugging-port=9222 --user-data-dir="C:\temp\quiz-profile"

Chrome 就会在 127.0.0.1:9222 起一个调试服务。访问 http://127.0.0.1:9222/json/version 能拿到 webSocketDebuggerUrl——任何本地程序顺着它连上去，就获得了和你 F12 完全等价的能力。Puppeteer、Playwright 底层用的也是同一套协议。

2.2 智能体侧：用 MCP 把 CDP 包成"工具”

pi-agent 是终端编码智能体（npm install -g @mariozechner/pi-coding-agent），原生工具是 read / bash 四件套，看不懂 WebSocket 帧格式。中间靠 MCP（Model Context Protocol） 架一层翻译：

1
2
3
4
5
6
7


// ~/.pi/agent/mcp.json
{ "mcpServers": {
 "chrome-devtools": {
 "command": "npx",
 "args": ["-y", "chrome-devtools-mcp@latest",
 "--browserUrl", "http://127.0.0.1:9222"]
} } }

配好后，智能体面前出现的不再是协议报文，而是一组语义化工具：list_pages、take_snapshot、click、take_screenshot、evaluate_script。模型按工具描述自然语言调用，MCP server 负责转成 CDP 指令发往 9222 端口。

2.3 为什么不用"截图 + 模拟鼠标点击"

视觉方案（看截图、算坐标、模拟点击）直观，但有两个硬伤：坐标随窗口尺寸和滚动位置漂移，动画未结束时点不准。CDP 方案点击的是真实 DOM 节点（element.click()），与视口状态完全解耦——这是整条链路稳定性的关键。

3. 答题循环：每道题都是一次感知-行动循环

智能体对每道题执行同一个四拍循环：

感知——take_snapshot 抓取页面 DOM 文本，拿到题干和全部选项。用文本而非截图，省 token 且零 OCR 误差。
检索——按关键词在 markdown 知识库里定位对应段落。Prompt 里约束规则：答案必须出自材料原文，禁止凭参数记忆作答。
行动——click 点击对应选项的 DOM 节点。
验证——take_screenshot 复核选中态。未生效就重试，生效则进入下一题，直到交卷。

为什么能拿 100 分？ 因为这是 RAG 的教科书场景：题库与知识库同源，检索命中率接近必然。模型在这里的价值是"精确匹配 + 按选项转述"，而不是"懂安全"。反过来讲，如果知识库有错，它会自信地答错——垃圾进，垃圾出。

4. 安全边界：这套玩法本身的安全红线

用安全考试的杠杆去玩浏览器自动化，有几条红线必须写清楚：

调试端口只绑本机。--remote-debugging-port 起的服务默认监听 127.0.0.1，不要改成 0.0.0.0——连上这个端口的进程可以读取你所有登录态、在任意页面执行 JS。
用独立 user-data-dir。把自动化会话和个人浏览数据隔离，避免调试通道碰到真实 cookie。
用完就关。答题结束正常退出该 Chrome 实例，不要让 9222 端口常驻。
材料别外传。培训材料是内部资料，抽出的 md 知识库放在本机即可，不要上传到公共仓库或外部 AI。

这套链路本身就是个绝佳的教材：你刚体验过的"AI 拿到调试端口 = 拿到整个浏览器"，正是材料里"IDE 外传"“权限越界"两类风险的真实形态——只不过这次握着端口的不是攻击者，是你自己。

5. 延伸：这条链路还能干什么

同一套架构，换个知识库和页面就是另一个工具：

场景	知识库换成	浏览器里做的事
内部系统巡检	巡检 SOP 文档	逐页检查配置项并截图存档
竞品价格监控	商品 SKU 表	定时抓取商品页价格写入表格
表单批量填报	数据 Excel	逐行填写并提交
每日打卡类操作	操作手册	定时打开页面执行固定动作

判断标准很简单：规则明确、页面稳定、有知识可依的重复浏览器操作，都值得用这条链路自动化。

6. 最后，也是最重要的

工具让你 100 分通过了考试，但请诚实地区分两件事：AI 帮你通过了安全意识考试，不等于你拥有了安全意识。

敏感数据不出边界；身份必须二次核验；高危操作不交给自动化。

本文涉及的知识点速查（五大风险 / 12 案例 / 四不三必两问 / AI 数据安全治理）已整理成在线页面：AI 安全指南 · 一页速览

AI辅助学习工具选型：MiroMind与DeepResearch类产品的深度对比

Thu, 19 Mar 2026 18:00:00 +0800

AI辅助学习工具选型：MiroMind与DeepResearch类产品的深度对比

在AI辅助学习领域，MiroMind和DeepResearch是两类备受关注的产品。本文将从核心能力、产品定位、适用场景等维度对两者进行深度对比，帮助你做出合适的选择。

一、产品定位对比

MiroMind - 研究+预测双能力Agent

核心定位：

研究专用AI Agent，具备"调研 + 预测"双核心能力
解决长周期、跨领域研究的系统性问题
适合学术研究、行业分析、趋势预测等复杂场景

技术特点：

多Agent协作架构，支持分工合作
强大的知识检索和整合能力
支持自定义工作流和Agent编排
具备一定的预测和推演能力

DeepResearch - 通用AI研究助手

核心定位：

通用AI研究助手，专注于信息整理和分析
解决调研效率问题
适合快速信息搜集、资料整理、知识管理等场景

技术特点：

轻量级、响应快速
支持多种信息源接入
智能信息分类和提取
简洁易用的界面

核心差异总结：

二、MiroMind深度解析

2.1 核心能力架构

MiroMind的设计理念是将研究过程拆解为多个Agent，通过协作完成复杂任务。其核心能力可以分为两大类：

研究能力

信息搜集Agent：自动搜索、爬取多源信息（学术数据库、新闻、政策文件等）
文献分析Agent：对文献进行内容提取、主题分析、引用关系构建
数据整合Agent：将多源数据进行清洗、去重、标准化整合
报告生成Agent：基于研究结果自动生成结构化报告

预测能力

趋势预测Agent：基于历史数据进行趋势分析和未来预测
博弈仿真Agent：支持多方博弈场景的建模和推演
情景推演Agent：在不同假设条件下进行结果预测
风险评估Agent：对研究项目进行风险评估和概率分析

2.2 技术实现特点

Agent架构设计：

模块化设计：每个Agent专注于特定任务，可独立部署和更新
协同机制：Agent间可通过消息队列或共享状态进行协作
任务编排：中央调度器负责任务分配和依赖管理
状态管理：实时监控各Agent执行状态，支持失败重试和异常处理

数据处理能力：

多模态支持：文本、表格、图片、PDF等多种格式
向量数据库集成：支持嵌入检索和相似度计算
实时数据流：支持增量更新和流式处理
数据版本控制：支持数据快照和回滚

三、DeepResearch深度解析

3.1 核心功能架构

DeepResearch走的是轻量、易用的路线，核心聚焦于信息处理的效率和用户体验。

信息处理能力

多源接入：一键导入网页、PDF、Word、PPT等多种文件格式
智能提取：自动识别文档结构、关键信息、数据表格
全文检索：支持语义搜索和关键词搜索
智能标注：支持高亮、笔记、标签分类
导出功能：支持Markdown、Word、Excel、PDF等多种格式导出

知识管理能力

知识图谱：自动构建文档间的关联关系
笔记链接：支持双向链接和引用
标签系统：支持多级标签和标签搜索
模板库：提供常用文档模板，快速创建标准化文档
协作功能：支持分享、评论、版本历史

3.2 技术实现特点

用户体验设计：

极简界面：无干扰设计，聚焦核心功能
快速响应：本地优先的架构，保证操作流畅
快捷键支持：丰富的键盘快捷键，提高操作效率
智能建议：基于使用行为提供操作建议

性能优化：

本地索引：支持离线全文检索，速度快
增量同步：只同步变更，减少带宽占用
懒加载：按需加载内容，降低内存占用
缓存策略：智能缓存常用数据和索引

四、核心能力对比

4.1 研究能力

能力	MiroMind	DeepResearch
自动化信息搜集	⭐⭐⭐ 强（多Agent协作）	⭐ 基础（手动导入为主）
文献智能分析	⭐⭐⭐ 强（专用Agent处理）	⭐ 智能提取（但非深度分析）
多源数据整合	⭐⭐⭐ 强（中央整合）	⭐ 基础（简单分类归档）
自动化报告生成	⭐⭐⭐ 强（Agent协作产出）	⚠️ 不支持（需手动整理）
趋势预测	⭐⭐⭐ 强（专用预测Agent）	❌ 不具备
博弈仿真	⭐⭐⭐ 强（支持复杂场景）	❌ 不具备
情景推演	⭐⭐⭐ 强（支持多假设）	❌ 不具备
风险量化评估	⭐⭐⭐ 强（概率分析）	❌ 不具备

结论： 在研究自动化和高级分析能力上，MiroMind明显领先。

4.2 信息处理能力

能力	MiroMind	DeepResearch
多格式导入	⭐⭐⭐ 强（爬取+导入）	⭐⭐⭐ 强（支持主流格式）
智能结构识别	⭐⭐⭐ 强（AI分析）	⭐⭐ 智能提取（规则+模板）
全文语义检索	⭐⭐⭐ 强（向量搜索）	⭐ 基础检索（主要靠关键词）
智能标注	⭐ 中等（自动+手动）	⭐⭐ 强（丰富标注工具）
知识图谱	⭐⭐⭐ 强（自动构建关系）	⭐ 中等（手动链接为主）
多格式导出	⭐⭐⭐ 强（支持多种格式）	⭐⭐⭐ 强（格式支持全面）
版本历史	⭐⭐ 强（Git式管理）	⭐ 中等（基础版本控制）
协作功能	⭐ 中等（支持分享）	❌ 不支持（个人工具）

结论： 在信息处理和知识管理能力上，DeepResearch在易用性和全面性上略占优势，MiroMind在智能化和自动化上更胜一筹。

4.3 预测与仿真能力

能力	MiroMind	DeepResearch
趋势预测	⭐⭐⭐ 强（时间序列+机器学习）	❌ 不具备
博弈仿真	⭐⭐⭐ 强（支持N人博弈、复杂策略）	❌ 不具备
情景推演	⭐⭐⭐ 强（多参数敏感性分析）	❌ 不具备
风险量化	⭐⭐⭐ 强（蒙特卡洛、贝叶斯推理）	❌ 不具备
预测准确率	⭐⭐⭐ 高（可配置验证集）	N/A
可解释性	⭐⭐ 中等（提供决策依据）	N/A

结论： 在预测和仿真能力上，MiroMind具有独特优势，这是DeepResearch类产品无法提供的核心差异。

五、适用场景分析

5.1 适合使用MiroMind的场景

学术研究和行业分析

需要：大规模信息搜集、跨领域数据整合、趋势预测
理由：MiroMind的多Agent协作架构和预测能力可以大幅提升研究效率
案例：行业趋势研究、政策影响分析、竞争格局分析

复杂项目研究

需要：多方协作、任务分配、进度跟踪、风险评估
理由：Agent编排和协同机制非常适合团队研究项目
案例：跨机构合作研究、大型技术项目评估

预测和推演需求

需要：趋势预测、情景分析、风险评估
理由：MiroMind的预测和仿真能力可以支持这类任务
案例：市场趋势预测、政策影响推演、风险评估

5.2 适合使用DeepResearch的场景

个人学习和笔记整理

需要：快速信息录入、智能标注、多格式导出
理由：DeepResearch的易用性和全面功能可以满足个人学习需求
案例：课程笔记整理、文献阅读笔记、学习资料归档

文档管理和知识库构建

需要：多源文档整合、全文检索、版本管理
理由：DeepResearch的文档处理能力可以高效管理个人知识库
案例：个人知识图谱构建、学习资料分类归档

轻量级研究任务

需要：简单信息搜集、快速整理、基础分析
理由：DeepResearch的轻量设计和快速响应可以提高效率
案例：快速调研、资料整理、初步信息分析

跨语言研究

需要：多语言文档处理、智能翻译、格式转换
理由：DeepResearch的多格式支持可以处理多语言资料
案例：外文文献阅读、跨语言资料整理

六、选择建议

6.1 根据需求选择

你的需求	推荐产品	核心心理由
专业研究工作	MiroMind	需要强大的自动化、预测和协作能力
复杂项目分析	MiroMind	需要多Agent架构、任务编排和风险评估
学术/行业研究	MiroMind	需要趋势预测、数据整合和报告生成
趋势预测和推演	MiroMind	MiroMind独有此核心能力
个人学习笔记	DeepResearch	DeepResearch在易用性和功能全面性上更优
文档管理和知识库	DeepResearch	DeepResearch的文档处理和检索能力更适合
轻量级研究	DeepResearch	DeepResearch的轻量设计和快速响应提高效率
有团队协作需求	MiroMind	MiroMind支持多Agent协作和共享
追求研究和预测	MiroMind	MiroMind提供DeepResearch不具备的核心能力

6.2 根据技术水平选择

你的技术水平	推荐产品	核心心理由
AI/技术背景较好	MiroMind	MiroMind学习曲线陡峭，需要一定的技术背景
愿意投入学习时间	MiroMind	需要学习和配置多Agent工作流
有团队协作需求	MiroMind	MiroMind支持多Agent协作和共享
追求研究和预测	MiroMind	MiroMind提供DeepResearch不具备的核心能力
希望快速上手	DeepResearch	DeepResearch设计更简单，界面更友好

6.3 产品路线图与定位

MiroMind的战略定位：

“研究+预测"双核能力平台
面向专业研究机构、大型咨询公司的企业级解决方案
竞争优势：提供DeepResearch类产品无法具备的高级AI能力
发展方向：继续强化预测算法、扩展Agent生态、提升企业级功能

DeepResearch的产品定位：

“智能研究助手"平台
面向学生、研究者、个人用户的大众化解决方案
竞争优势：易用性、轻量化、快速响应、全面的功能覆盖
发展方向：优化用户体验、增强协作功能、提升多语言支持

七、总结与建议

7.1 核心结论

定位差异：MiroMind是专业级研究Agent平台，DeepResearch是大众化智能研究助手，两者的目标用户和核心能力有本质区别。
能力对比：MiroMind在自动化信息搜集、文献智能分析、预测仿真等高级能力上具有明显优势；DeepResearch在信息处理、知识管理、用户体验方面表现更优。
适用场景：专业研究、复杂项目、趋势预测推荐MiroMind；个人学习、文档管理、轻量级研究推荐DeepResearch。

7.2 最终建议

给专业研究者的建议：

如果你的工作涉及大规模数据收集、跨领域研究、趋势预测，选择MiroMind
充分利用其多Agent协作架构，配置合适的工作流
利用其预测能力进行前瞻性分析和风险评估

给个人学习者的建议：

如果你的主要需求是文档整理、笔记管理、知识库构建，选择DeepResearch
充分利用其智能标注、全文检索和导出功能
善用知识图谱和模板库提高效率

给混合使用者的建议：

研究工作用MiroMind，文档整理用DeepResearch
通过DeepResearch的导出功能将MiroMind的研究结果导入DeepResearch进行整理
两者的能力互补，可以形成更完整的工作流

7.3 关于图片说明

本文配图由 https://www.miromind.ai/ 实时生成，直观地展示了MiroMind作为"研究+预测"双能力Agent平台的强大功能架构，包括多Agent协作界面、数据分析仪表盘和趋势预测模块。

总结： MiroMind和DeepResearch代表了AI辅助学习工具的两条不同路线——一条追求专业化和高级能力，一条追求易用性和全面性。选择哪款产品，关键在于明确你的核心需求和预期使用场景。没有绝对的优劣，只有是否适合。