每次 AI Agent 自动化一个网站操作，都在重新消耗 token 解决同一个问题——找 API、定位选择器、组合步骤。上次已经解决了，这次还要再解一遍。
我做了 Tap 来解决这个问题。核心思想：一旦你搞清楚怎么操作一个界面，这个问题就已经被解决了。
范式：锻造（Forging）
forge_inspect → forge_verify → forge_save → tap.run（永久运行，零 AI）
锻造一次，永久运行。 AI 分析真实站点，生成 .tap.js，之后永久运行——没有 LLM 调用、没有 prompt、没有 API key。运行 < 1 秒，返回结构化数据。
成本模型：锻造时约 0。**
协议
8 个核心操作：eval、pointer、keyboard、nav、wait、screenshot、run、capabilities
17 个内置操作：click、type、fill、hover、scroll、pressKey、select、upload、dialog、fetch、find、cookies、download、waitFor、waitForNetwork、ssrState、storage
8 + 17 = 人类在任何界面上能做的所有操作。新运行时实现 8 个方法 → 免费获得 17 个内置操作。写一次 tap，在所有平台运行。
106 个开箱即用的 Skills
curl -fsSL https://raw.githubusercontent.com/LeonTing1010/tap/master/install.sh | sh
tap update
tap github trending --limit 5
tap hackernews hot
tap zhihu hot
tap bilibili hot
tap github trending | tap tap/filter --field stars --gt 1000
Skills 覆盖 GitHub、Reddit、YouTube、B站、知乎、小红书、微博、抖音、Medium、arXiv 等 50+ 站点。
MCP 原生支持
{"mcpServers": {"tap": {"command": "tap", "args": ["mcp"]}}}
支持 Claude Code、Cursor、Windsurf 等所有 MCP 兼容 Agent。43 个工具覆盖运行、锻造、检查、拦截全流程。
安全
三层防御：Deno Worker 沙箱（零权限）+ 7 项 CI 静态分析 + 数据隔离（密钥永不离开本机）。
GitHub
106 个 skills，3 个运行时，~2000 行 Deno 代码，零依赖，AGPL-3.0。
