LT98

15,455次真实执行的数据：YouTube 50%的「成功」运行返回空结果。最常见失败不是selector找不到，而是数据对象的属性消失了。

跟进 AI 研究进展太累了。大量论文每天涌现，大多数「论文发现」工具要么需要注册账号，要么每次搜索消耗 API Token。 我现在用这个： 输出：20 篇按日期排序的论文，含标题、作者、发布日期、摘

问题 每次让 AI Agent 在浏览器里做事，都要花钱花时间。点这里、输那里、抓数据——AI 每次都从头搞一遍。 如果 AI 只需要搞明白一次呢？ Tap：编译器思路 Tap 是一个协议 + 工具链

AI 分析界面一次，生成 .tap.js，之后永久运行——零 LLM 调用、零 token 消耗。106 个开箱即用 skills。

AI 理解一次界面，锻造确定性程序，零成本永久运行。8 core + 17 built-in，3 运行时，Unix 管道。

所有让 AI 操作浏览器的工具都面临同一个问题：AI 太慢、太贵、太不可靠，无法实时驱动每一次交互。 每次点击都烧 token，一次简单的「获取 GitHub 热门」花费约 ¥1，耗时 30+ 秒，还

现在所有 AI 浏览器自动化工具的思路都一样：LLM 看页面 → 决定点哪里 → 点击 → 再看 → 再决定。每一步都要调用一次大模型。