browsa

English · 简体中文 · 日本語 · 한국어 · Español · Português · Русский

browsa

读到哪里，问到哪里。

browsa 是一个 Chrome / Edge 侧边栏扩展：把正在看的文章、视频、PDF 带进对话，让你自己的 AI 在旁边帮你读懂。不用复制粘贴，也不用离开页面。通过 Agent Bridge 接入 Codex / Claude Code / pi / Gemini CLI / dsh / ZCode，连接 opencode / Hermes / OpenSquilla，或配置 OpenAI、Anthropic、Ollama 等模型接口。

扩展免费，MIT 开源。 自备模型或 Agent。API Key 保存在本地，用于向你配置的服务进行身份验证。

▶ 完整视频 · 68 秒 · ▶ 读到哪里，问到哪里。 · 下载 MP4 — 68 秒看完完整工作流：附加文章 → 公式 / 流程图 / 图表 → 时间线核对 → 会话管理 → 会话 ID 在智能体侧接续。公式与图表来自真实模型回复；演示数据、播放经过剪辑。

亮点

一、接你正在用的 Agent

通过 Agent Bridge 连接已有的本地智能体，沿用它配置好的登录方式和工具。browsa 把网页内容交给 agent，实时展示工具进度，并在面板里呈现它发出的审批请求。具体工具能力与权限取决于 agent 的配置。

Agent	接入方式	登录
Codex（OpenAI）	agent-bridge 本地桥	沿用 CLI 已配置的认证
Claude Code（Anthropic）	agent-bridge 本地桥	沿用 CLI 已配置的认证
pi（earendil-works）	agent-bridge 本地桥	你在 pi 里配置的模型
Gemini CLI（Google）	agent-bridge 本地桥	沿用 CLI 已配置的认证
dsh（DeepSeek）	agent-bridge 本地桥	DeepSeek API key
ZCode	agent-bridge 本地桥（headless CLI）	沿用 ZCode 桌面版 / CLI 已配置的登录与模型
opencode	官方无头服务器直连	你给它配置的模型
Hermes	自托管部署，`/v1/runs` 协议	自托管
OpenSquilla	自托管网关，WebSocket（`/ws`）直连	网关路由到的模型

一张 browsa 卡可以同时连多个 agent，侧边栏下拉逐个切换。

二、读得动整个网页——视频也行

视频与播客：字幕或自动转写（ASR）→ 带可点击 [mm:ss] 时间戳的笔记，点一下跳回原时刻；无字幕的视频还能直接「看」画面，小宇宙单集附加即转写
PDF / 论文：全程本机解析——表格、多栏、标题原样重建，插图区域裁出来发给视觉模型；扫描件自动转成前几页页图（≤12 页）交给视觉模型直接阅读，页眉页脚与页码不重复入上下文
Office 文档：.docx / .pptx / .xlsx / .epub / .odt / .rtf… 直链在本机转换为 Markdown（docling 编译为 WASM）——表格、标题、列表原样保留
文章与复杂页面：读出干净正文；信息流页面直接读页面自己的数据（YouTube、Bilibili、小红书…）

完整清单见下方「browsa 读什么」。

架构

flowchart LR
    P["当前标签页<br/>文章 · 视频 · PDF · 复杂页面"]
    B["browsa 侧边栏<br/>读出内容 · 对话 · 审批卡"]
    subgraph Y["你的后端 —— 云端、本机或自托管"]
        A1["Codex · Claude Code · pi · Gemini CLI · dsh · ZCode<br/>agent-bridge 桥 · 沿用本地登录"]
        A2["opencode · Hermes · OpenSquilla<br/>本地服务直连"]
        A3["任意 LLM API<br/>OpenAI · Anthropic · Ollama…"]
    end
    P -->|"📎 读出正文 / 字幕 / 表格 / 插图"| B
    B -->|"页面内容 + 你的问题"| Y
    Y -->|"流式回复 · 工具进度 · 审批"| B

面向开发者的代码库导览——消息流、渲染管线、存储模型、Provider 层与 Agent 接入、ASR、安全模型——在项目 Wiki（七语）。

安装

选择一种安装方式即可：

Chrome 应用商店 —— 推荐，自动更新。 点这里添加 browsa。商店审核可能晚于 GitHub 发布。

GitHub —— 手动安装与更新。

从 Releases 下载扩展 ZIP 并解压。如果需要修改代码，也可以克隆或下载本仓库。
打开 chrome://extensions（或 edge://extensions），开启开发者模式。
点击加载已解压的扩展程序 → 选择解压后包含 manifest.json 的目录，而不是 ZIP 文件或外层目录。文件夹名称取决于下载方式。

接下来两种方式都一样：

打开一篇文章，点击扩展工具栏图标，或按 Ctrl+Shift+H（macOS 为 Command+Shift+H）打开侧边栏。
进入 ⚙ 设置，配置一个 LLM 或 Agent 服务商，点 Ping 验证连接。
在侧边栏下拉框选择模型或 agent，点 📎 附加当前页面，再问第一个问题。

完整步骤见快速开始指南。首次使用先连通服务即可，高级设置可以保留默认值。

构建与打包

npm install          # 仅首次需要
npm test             # 运行测试套件
npm run package      # → browsa-v<version>.zip

npm version patch|minor 会自动把版本号同步到 package.json 和 manifest.json。

内存较小的机器建议串行运行测试：node --test --test-concurrency=1 test/*.test.mjs。

连接 Provider

打开 ⚙ 设置，填好地址、点 Ping——验证连通性并自动检测能力；第一个验证通过的 provider 自动设为激活。两类后端：

Agent Provider（智能体）——完整的智能体后端，在服务端执行工具（bash、文件操作、联网搜索……）。AI 真的能做事。
LLM Provider（纯语言模型）——仅用于对话的聊天端点。需填写模型 ID。

与智能体的对话本体保存在智能体一侧：

会话自动命名（「browsa：」+ 你的第一条消息）——在智能体自己的界面里按名字接着聊；会话 ID 在会话抽屉顶部随时可查、可复制
保存的 browsa 对话保留各智能体、各连接地址的会话 ID，恢复时一起切回
未记录 ID 的旧存档：首次发消息时创建独立智能体会话，并带上已有文字记录

🔧 Agent Bridge——桥接本地智能体（Codex、Claude Code、pi、Gemini CLI、dsh、ZCode…）

agent-bridge 是一个独立的本地守护进程，把 codex、claude、pi、gemini、dsh、zcode 等本地智能体适配成统一的本地 HTTP 协议。它沿用智能体配置的认证方式：

npm i -g @xiaohuzai/agent-bridge                  # 已发布到 npm（Node 18+）
cp "$(npm root -g)/@xiaohuzai/agent-bridge/agents.example.json" agents.json
agent-bridge serve                                # 每个 entry 一座桥，端口写在 agents.json 里

打开 ⚙ 设置，选择 Agent Bridge 卡，点 ＋添加 Agent 逐行填桥地址——一行一个 agent，可顺手填别名（留空则 Ping 后自动识别 agent 名字）和该桥自己的 API Key（每桥可不同）。

侧边栏下拉按「Agent Bridge · codex」逐个选择；每个 agent 独立会话线程与连通状态（行上的 ⟳ 可单独 Ping）
危险操作的审批卡片直接出现在面板里（Agent 请求审批时可播放提示音，设置中可关）
截图、粘贴图片与 PDF 图表随消息发送——单条 ≤18 张，需 agent-bridge ≥0.8.0（旧版桥自动降级为前 8 张并在消息里注明）
多轮上下文由 agent 自己维护；工具调用前的过程自述（codex 宣告使用某技能）折进步骤历史，不混进回复正文

ZCode：走官方 CLI 的 headless 模式（需 agent-bridge ≥0.12.0），沿用 ZCode 桌面版 / CLI 已有的登录与模型配置——桥会自动找到桌面版内置的 CLI，改用 PATH 上的 zcode 也行。三点与其他 agent 不同：

没有审批卡：headless 回合里没人能点确认，agents.json 的 "mode" 就是唯一的权限闸。默认 edit（自动应用改动）；只想问答设 plan（只读）；guarded 类似 yolo、只在 rm -rf / git reset --hard / force push 这类危险命令前停下（headless 下无人可批，表现为直接拒绝该命令）；build 会等审批而卡死，headless 下别用
模型由 ZCode 侧的供应商排序决定（providerOrder 第一家 provider 的 modelOrder 首项），桥不传模型也传不了；账号订阅类 provider 不会被 headless 自动选中，需要自定义供应商，或先在桌面版/CLI 里选好模型再用会话 ID 续接
图片降级为文字说明：CLI 只接受本地 --attach，桥不往磁盘写用户图片——截图和 PDF 图仍会随消息发出，但以一句提示替代像素

🔧 OpenCode Agent——连接 opencode 命令行智能体

opencode 自带官方无头服务器——browsa 直连即可（会话、流式回复、工具进度，以及危险操作——比如执行 shell 命令——的审批卡片）。browsa 能连任意 opencode serve 地址——但裸 opencode serve 会随机选端口且每次重启都变，所以省心的做法是固定一个：

opencode serve --port 4096

打开 ⚙ 设置，选择 OpenCode Agent provider，Base URL 填 http://127.0.0.1:4096（占位符即此建议值），Ping 通即用。多轮上下文由 opencode 会话自己维护，browsa 只发送你的每一句话。当 opencode 请求执行危险命令时，审批卡片直接出现在面板里。服务器在哪个目录启动，agent 就在哪个项目上干活。

🤖 Hermes Agent——自托管、内置工具的智能体

Hermes 是一个自托管的 AI 智能体，内置工具（联网搜索、终端、文件操作、记忆、技能）。browsa 使用它的 /v1/runs API——比普通 chat completions 更丰富（工具进度、危险操作的审批/澄清提示），并且每个会话使用稳定的 X-Hermes-Session-Id，让 Hermes 能在服务端维持会话连续性。如果某个 Hermes 部署不支持 /v1/runs，会自动回退到普通的 /v1/chat/completions。

1. 安装 Hermes

pip install hermes-agent   # 或按官方安装指南

2. 启用 API 服务——在 ~/.hermes/.env 中添加：

API_SERVER_ENABLED=true
API_SERVER_KEY=your-secret-key

3. 启动 Hermes

hermes gateway
# → [API Server] API server listening on http://127.0.0.1:8642

4. 配置 browsa——打开 ⚙ 设置，选择 Hermes Agent provider。只需 Base URL 和 API key——它自己的 /v1/runs 协议会自动启用（无需选择 API 类型）。

字段	值
Base URL	`http://<server-ip>:8642`
API Key	`API_SERVER_KEY` 的值

5. 点击 Ping 验证。会自动检测并启用 /v1/runs 支持。

🦑 OpenSquilla Agent——网关 WebSocket 直连的本地智能体（桌面版或命令行）

OpenSquilla 是一个本地智能体（网关 + 网页界面 + 桌面应用），主打省 token 的微内核设计、模型路由与技能系统。browsa 走它的网关 WebSocket（/ws）——与其自有网页界面同一条通道——因此拿到的是完整智能体体验：服务端会话记忆、流式增量、思考过程输出、服务端取消。browsa 的会话会以「browsa：…」的名字出现在应用的侧边栏里——之后随时打开桌面应用，就能从面板聊到一半的地方接着聊。

网关用桌面版或命令行二选一跑起来即可——browsa 对两者的接法完全一样，两条路线只有一处差别：网关读哪份配置文件（各自方式的第 2 步）。改错文件是「配了却连不上」的最常见原因。

方式 A：桌面版（无需终端）

安装并启动 OpenSquilla 桌面应用，v0.5.5 或更新（更旧的包内嵌的网关来源守卫不认扩展）。应用会自动拉起自己的网关——打开应用设置，记下它显示的网关地址（通常是 http://127.0.0.1:18791；自动取 18791–18830 里第一个空闲端口）。
放行扩展——桌面版不读 ~/.opensquilla/config.toml，读的是自己应用数据目录里的配置。最准的入口在应用自己这里：设置 → 高级 → 配置文件，直接显示本机 config.toml 的完整路径（带一键复制）。常见默认值：macOS 官方包 ~/Library/Application Support/OpenSquilla/opensquilla/config.toml；源码自建包 ~/Library/Application Support/@opensquilla/desktop-electron/opensquilla/config.toml（两套数据完全隔离）。路径里有空格——终端里必须转义（整条路径包进引号，或每个空格前加反斜杠），否则 shell 会在空格处把路径截断，编辑到错误的文件：

open -e "<粘贴 设置 → 高级 → 配置文件 里复制的完整路径>"   # 用 macOS「文本编辑」打开

写入：

[cors]
# 下面这个值对应 Chrome 商店安装版。解包加载的版本（zip / 仓库目录）扩展 ID
# 不同——见下方「来源守卫细则」。
allowed_origins = ["chrome-extension://kghjmmajnpbkljankbbjbmnhfdocaeho"]

完全退出并重新打开应用（只关窗口不算）——网关只在启动时读一次配置。桌面版的模型 / API key 在应用内配置（引导设置窗口），不读 shell 环境变量。进阶：桌面应用也能挂外部命令行网关——设 OPENSQUILLA_DESKTOP_GATEWAY_URL。
跳到下方「配置 browsa」。

方式 B：命令行

安装并启动网关（uv 提供 Python 3.12）：

uv tool install --python 3.12 "opensquilla[recommended] @ https://github.com/opensquilla/opensquilla/releases/download/v0.5.5/opensquilla-0.5.5-py3-none-any.whl"
opensquilla gateway start
# → running: http://127.0.0.1:18791

放行扩展——命令行网关读 ~/.opensquilla/config.toml，写入与方式 A 相同的 [cors] 块。网关的模型路由也在这份配置里设（见 OpenSquilla 自身文档；LLM key 通常随启动时的环境变量注入）。
重启网关（Ctrl+C 停掉，再 opensquilla gateway start）——配置只在启动时读一次。
跳到下方「配置 browsa」。

配置 browsa（两种方式相同）——打开 ⚙ 设置，切到 OpenSquilla 标签：

字段	值
Base URL	`ws://127.0.0.1:18791/ws`——以网关实际显示的地址为准（桌面版看应用设置；命令行看 `running:` 那行）
API Key	仅当网关配置了令牌时填写（可选）

点击 Ping 验证——会执行真实的 WebSocket 握手，绿色即同时证明连通性和来源白名单都已就绪。

来源守卫细则（两种方式通用）：白名单是逐字精确匹配（* 无效）。上面片段的值对应商店安装版；解包加载的版本 ID 不同——直接以「加载已解压的扩展程序」加载仓库目录时恒为 chrome-extension://apoodheofdhglelbnmggeokbhampbmgn（由仓库 manifest 的 key 字段锁定），从发行 zip 解包加载则按本机解压根目录路径派生（每台机器不同）。无论哪种，以 chrome://extensions → browsa → ID 实际显示的值为准，把它追加进白名单即可（可并列多条）。v0.5.5 起，守卫接受白名单里精确列出的非 http(s) 来源（仅限 loopback；ws:// 按 http 等价处理，wss 会被拒——本地网关请用 ws://）。

说明：每个 browsa 对话对应一个网关会话（键由网关分配，清空 browsa 历史即重置）。

聊天记录存放在网关侧——browsa 只转发你的文字；📎 附加的页面随下一条消息送出一次，之后住在网关自己的对话记录里
超大页面（超过 6 万字符）作为 page-context.md 文档上传，由智能体用自己的工具分段阅读
页面插图以图片附件随行（路由器选到纯文字模型时自动降级为纯文字）；回答里会用 [图1]、[图2] 引用这些插图；粘贴的截图暂不转发，保留在 browsa 历史里
此协议没有系统提示词字段——语言偏好以普通指令拼在消息开头

💬 LLM Providers——OpenAI · Anthropic · Ollama · Groq · LiteLLM · 任意兼容端点

任何支持 OpenAI Chat Completions（/v1/chat/completions）、OpenAI Responses（/v1/responses）或 Anthropic Messages（/v1/messages）的端点。

打开 ⚙ 设置 → LLM Providers。系统会为你预留一个空的 LLM 1 槽位——填入信息后点 Save。服务商以标签形式收在一张卡里，随时点标签栏末尾的＋新建：

字段	值
Alias	你起的名字（例如「My OpenAI」「本地模型」）——显示在侧边栏下拉框中，方便区分多个 provider
Base URL	例如 `https://api.openai.com`
API Key	你的 API key
Model ID	必填——输入模型 ID 后按 Enter 或点＋添加，点 ✕ 移除；也支持一次输入多个逗号分隔的 ID。侧边栏下拉按「Alias · 模型」逐个选择
API	端点使用的协议：Chat Completions / Responses / Anthropic

想加多少 LLM provider 都行；每个可各自选择协议并带上自己的 Alias。一张卡也可填多个模型 ID——托管几十个模型的聚合网关一张卡就够。用卡片上的 ✕ 删除（内置的 Hermes / OpenSquilla / OpenCode / Agent Bridge 智能体卡片固定不可删）。

browsa 读什么

点击 📎 附加当前标签页——自动模式（先读出干净正文，失败后回退 DOM 树、再回退全文）或 📷 截图模式（当前可见画面，给多模态模型）。附加 PDF 或 Office 文档——或一个其实是这类文件的页面——是自动的，无需单独选模式。

你在读	browsa 发送
文章与文档	干净的正文；站点 `llms.txt` 指令一并烘入上下文
PDF 与论文	完整版式——表格、标题、多栏——本机解析；插图区域裁出作为图片发给视觉模型，回答按 `[图N]` 引用（与网页文章配图同一套）；扫描件自动附前 ≤12 页页图供视觉模型直接阅读
Office 文档（`.docx` `.pptx` `.xlsx` `.epub` `.odt` `.rtf`…）	经 docling-wasm 本机转换为 Markdown——标题、列表、表格保持结构
视频 / 播客单集	带可点击 `[mm:ss]` 时间戳的字幕/转写；无字幕视频自动转写（ASR，可选——设置中填 ASR Key：火山方舟或阿里云百炼）或画面与语音一起精读；小宇宙单集同样一键转写
GitHub 仓库与文件页	文件页直接抓 `raw.githubusercontent.com` 原始源码——markdown 与代码保持结构；仓库页附加结构化元数据（描述、topics、license、星数）加 README 原文，侧栏信息不再被当作导航丢掉
飞书 / Lark 文档	直接解析页面编辑器的块结构——标题、列表与表格行列完整保留
复杂页面	观察并直接读页面自身的网络请求——字幕、评论、文章源码（YouTube、Bilibili、小红书等）。小红书笔记连配图一起附加（按场景挑最优变体）；知乎回答与专栏读 API 全文（长答案不被「展开阅读全文」折叠截断），文章配图一并附加；掘金文章读 Markdown 源码，配图一并附加；极客时间课程与雪球帖子的配图一并附加；X 长推文取全文与配图（引用的原推内容一并保留）；Reddit 优先读帖子自己的 JSON API，图集帖子连图一起附加；B站分P视频按所在分P取字幕，UP主章节一并附带
选中的文字	保留结构——表格、列表、链接在附加时转成 Markdown，不只是纯文本

划选网页文字会出现浮动工具栏：解释和翻译就地作答——流式卡片展开在选区旁，不用打开侧栏；提问和总结（以及右键菜单）把选区送进侧栏。不用点 📎。

功能

完整清单收在这里：

聊天——流式回复、思考块、图表、追问……

回复进行中切换会话不会杀掉它：回复转入后台继续跑，完成后写回它所属的会话（抽屉里以跳动的圆点标记进行中）。手动停止则保留已流出的部分并标记「已中断」——长时间的思考永不白费。

功能	说明
流式回复	token 逐字出现；点击输入框中的 ■ 或按 `Esc` 停止
思考块	`<think>` / `<thinking>` 内容显示为可折叠块，流式结束后自动收起
Markdown 渲染与高亮	完整 GFM（表格、代码块、列表）；40+ 种语言（highlight.js）；`diff` 代码块 `+` 标绿 / `-` 标红
你输入的代码也会渲染	在输入框贴一段 ``` 围栏代码，你自己的气泡里就是带高亮和复制按钮的代码块；不写语言标签也能自动检测。消息里的其他文字逐字保持原样——你写的内容不会被再解释一遍
LaTeX	行内 $...$ 和块级 `$$...$$`（KaTeX）——公式多的消息卸载到 Web Worker 渲染，面板不卡顿；思维导图里的公式用原生 MathML，Mermaid / ECharts / DOT 标签内的公式按各自渲染能力呈现为上下标或 Unicode（不伪造 LaTeX 支持）
Mermaid · ECharts · Markmap	```mermaid / ```echarts / ```markmap 代码块内联渲染，各带缩放/复制/导出 PNG 工具栏（鼠标拖动、键盘 +/−/方向键、触控板或双指捏合）；直接说要一张图表或思维导图——模型懂这个格式。Mermaid 流程图可一键横/纵切换（窄侧栏里横向图不再缩成蚂蚁），拖动侧栏宽度后自动按新宽度重排；中文长标签按标点智能断行。Mermaid 解析失败时，一键让 AI 修复重绘——修复后的图先经本地解析校验再替换
分子式 · 蛋白质 · 关系图	```smiles / ```pdb / ```dot 代码块同样内联实时渲染——2D 结构式与化学反应式由 RDKit 绘制并附分子性质条（分子量、logP、TPSA、氢键供体/受体；化学上不成立的结构直接判废、保留原文），按 PDB ID 或 AlphaFold ID 交互查看蛋白质 3D 结构（Mol* 查看器：悬停即出残基信息、自带序列条、AlphaFold 模型按 pLDDT 置信度着色）、Graphviz DOT 架构图（神经网络、数据流、依赖关系；标签里的 `_k`、`^{T}` 会按真正的上下标排版，公式不再显示成字面下划线）；各带复制/导出工具栏
回复里的图片	点击任意配图放大查看（滚轮 / 触控板缩放、放大后拖动平移、双击切换，`Esc` 或点背景关闭）；不想点开也能就地拖拽缩放——鼠标悬停在图上，右下角出现小圆点手柄，左右拖动即改宽度，松手定格；调过的尺寸按图片本身记住，重开侧栏、切会话回来还是你调的那个大小（图标级小图不显示手柄）。正文图片尺寸上限与带 `[图N]` 引用的配图共用同一套
追问（Follow-up）	选中回复中的任意文本，打开仅针对这段摘录的独立侧边对话，不碰主历史；选中的原文会在回复里持续高亮（重开侧栏也保留）；卡片可折叠、也可关闭；关闭侧栏再打开时卡片会自动折叠成引用（只存在于当前浏览器会话，关闭卡片即删除）；大小可调；可直接粘贴图片，与主输入框一致；输入框 ↑/↓ 只召回追问里发过的问题；引用里的公式照常渲染成公式；选区内含图片（内联配图 / 截图）时图片一起进引用并随每轮追问发出；视频会话里卡内生成的时间戳同样可点击跳转
大纲导航	对话满 4 轮后出现刻度导航条——点击跳转、悬停预览
编辑并重发 · 重新生成	✏ 编辑并重发任意用户消息；⟳ 重新运行任意回复
排队追问	流式回答期间继续输入会自动排队，回答结束后依次发出
错误说明卡	provider 报错归类成大白话标题（鉴权 / 限流 / 超时 / 网络 / 5xx），原始错误可展开、可复制
复制与时间戳	⎘ 复制完整原始 Markdown；悬停任意消息查看发送时间
回复来源标注	每条回复标注生成它的 provider / agent（与侧栏下拉同名）；切换到智能体时会询问：把当前对话作为第一条消息带给它，或新建会话从零开始（直接发送则不带上下文）

历史与会话——抽屉、搜索、导出……

功能	说明
会话	把当前对话保存为命名会话；从 🕐 抽屉浏览和恢复；置顶的会话悬浮在列表上方。回复转入后台期间若它所属的会话被删掉，回复不会写进你正在看的对话，而是在抽屉里重建一个「Recovered turn（…）」会话
处处搜索	`Ctrl+F` 在对话内跨全部消息搜索；抽屉按标题与消息内容过滤会话（仅内容命中会有标记）
导出	任意会话导出为 Markdown 文件
安全删除	会话两步确认删除；消息多选批量删除；清空全部消息前需确认

输入——图片、草稿、快捷操作……

功能	说明
图片附件	直接把图片拖入或粘贴到输入框（用于多模态模型）
输入历史与草稿	↑/↓ 召回之前发送过的消息并继续编辑；↓ 越过最新一条恢复原草稿；未发送的草稿在面板关闭后仍在
斜杠命令	输入 `/` 查看补全——见下表
快捷操作	输入框上方的「总结 / 要点 / 解释 / → 中文 / 大纲」一键按钮
浮动工具栏与右键菜单	在任意页面划选文字：提问 · 解释 · 翻译 · 总结——解释 / 翻译就地流式作答；提问 / 总结与右键菜单送侧栏

设置——系统提示词、语言、llms.txt、长附件自动总结……

常用设置直接展示：界面语言、服务商、系统提示词／回复语言和聊天偏好。高级设置里放划词工具栏、llms.txt、深读和 ASR 等选项；不使用这些功能时无需展开。LLM 与 Agent 服务商也可分别折叠，切换 agent 不会展开已折叠的 LLM 分组。

设置	说明
系统提示词	每轮对话以 `role: system` 注入——回复语言、语气与格式规则在这里定
回复语言	无论页面语言，强制用指定语言回复。划词操作也遵循此偏好；自动模式使用界面语言。
界面语言	中文 / English / 日本語 / 한국어 / Español / Português / Русский / Auto（跟随浏览器语言）——侧栏、浮动工具栏与右键菜单即时生效，无需刷新网页
划词工具栏与 llms.txt	开关划选文字时的浮动工具栏；附加页面（📎）时抓取一次 `<origin>/llms.txt`，把站点 LLM 指令烘入页面上下文——放在系统提示词之外，保证提示词前缀跨轮次字节稳定（对 prompt 缓存友好）
思考档位	按模型设置思考深度（`auto` 不发送；其余按模型自带的档位——GLM/Qwen 类是开关档，GPT/Claude 类是低→最高力度梯）。可选项跟着你填的模型 id 自适应，请求字段按各家 API 方言自动适配（`reasoning.effort` / `thinking`+`output_config` / `enable_thinking`……）
阅读偏好	消息字号、正文字体（系统默认 / 宋体 / 等宽，图表文字跟随）、发送快捷键（Enter / Shift+Enter）、思考块自动折叠
多模态视频理解	无字幕视频的转写/精读服务商（默认阿里云百炼，也可用火山方舟）：API Key、语言、热词、字幕来源，支持一键「测试连接」
长附件自动总结	自动进行——超过阈值（默认 100,000 字符）的页面或字幕会分块、并行总结、后台合并；`[mm:ss]` 标记显式保留，跳转链接继续可用；任何错误都安全失败、静默保留原文
深读（Deep extract）	默认开启——附加前自动展开折叠区块、翻页抓取后续内容，让更多页面内容进入模型；全程在后台标签页静默进行，不滚动、不点击你正在看的页面

斜杠命令

在输入框输入 / 查看自动补全。所有命令都可以跟额外指令——/summarize focus on the methodology：

命令	发送给模型的提示词
`/summarize`	3–5 条要点总结
`/translate`	翻译成中文
`/rewrite`	更简洁的改写，保留全部事实
`/explain`	用简单语言向新手解释
`/outline`	仅标题的嵌套大纲
`/keypoints`	前 5 条要点
`/prompt`	显示当前生效的系统提示词（不发送给模型）

键盘快捷键

快捷键	动作
`Ctrl+Shift+H`	打开 / 关闭侧边栏
`Enter`	发送消息（可在设置中配置）
`Shift+Enter`	换行
`Ctrl+K`	清空消息（需确认）
`Ctrl+/`	循环切换上下文模式（自动 ↔ 截图）
`Ctrl+F`	打开对话内搜索
`Esc`	取消流式 / 关闭搜索 / 关闭抽屉

工作原理

代码地图

background.js——MV3 服务工作线程，单一消息路由器；通过每轮端口流式传输，超大附件自动总结。
sidepanel.js——聊天 UI 编排器；渲染（Markdown/Mermaid/Markmap/KaTeX/ECharts）、会话、搜索、追问各在 lib/sidepanel/ 下。
lib/——页面提取（Readability 级联 + XHR 拦截）、SSE 流式客户端（/v1/chat/completions、Hermes /v1/runs、opencode / agent-bridge agent 客户端）、chrome.storage.local 封装、内容脚本。

Wiki 把每一行展开成整章——架构总览、渲染管线、存储模型、Provider 层与 Agent 接入、ASR 与视听精读、安全模型、设计决策、参与开发。

浏览器兼容性

Chrome / Edge 116+（主要目标）；Brave 1.56+ 应可运行（相同的 Chromium 内核）。Firefox 不支持（没有 side_panel API）。

安全

API Key 保存在本地 chrome.storage.local，用于向你配置的服务进行身份验证；本地保存不代表密钥不会通过网络发送。
附加的页面内容、问题和对话上下文会发送给你选择的模型或 agent。可选的语音转写／视听分析也会把媒体发送给配置的分析服务。
页面上下文发送前，browsa 会在本地隐去 URL 中可识别的凭据（如令牌、密码、签名、会话参数）；这不等于对页面正文中的敏感信息进行全面脱敏。browsa 自己要拉取的 URL（媒体、图片）不受影响。
PDF 在本地解析（WASM + pdf.js），提取出的文字和图片可以发送给配置的 provider；本地解析不代表所有提取内容都留在设备上。
LLM 回复在渲染前用 DOMPurify 净化（拦截 data:image/svg+xml 来源；Mermaid 的 SVG 输出会移除 <script> / 事件处理器属性）。
内容脚本只观察网络请求，从不修改或阻断它们。

交流群

扫码加好友（备注「browsa」），拉你进微信 / 飞书交流群——使用技巧、问题反馈、更新动态都在群里；也欢迎到 GitHub Discussions 发帖讨论。

微信（备注「browsa」）	飞书（备注「browsa」）

许可证

MIT —— 免费使用、修改与分发。

_{browsa —— 读到哪里，问到哪里。}

Name		Name	Last commit message	Last commit date
.agents/skills		.agents/skills
.github/workflows		.github/workflows
_locales		_locales
build		build
dev-preview		dev-preview
docs		docs
fonts		fonts
icons		icons
lib		lib
test		test
.gitignore		.gitignore
AGENTS.md		AGENTS.md
CONTEXT.md		CONTEXT.md
LICENSE		LICENSE
README.en.md		README.en.md
README.es.md		README.es.md
README.ja.md		README.ja.md
README.ko.md		README.ko.md
README.md		README.md
README.pt-BR.md		README.pt-BR.md
README.ru.md		README.ru.md
background.js		background.js
check-compat.sh		check-compat.sh
config.example.json		config.example.json
manifest.json		manifest.json
options.css		options.css
options.html		options.html
options.js		options.js
package-lock.json		package-lock.json
package.json		package.json
sidepanel.css		sidepanel.css
sidepanel.html		sidepanel.html
sidepanel.js		sidepanel.js

Navigation Menu

Repository navigation

About

Repository files navigation

browsa

亮点

一、接你正在用的 Agent

二、读得动整个网页——视频也行

架构

安装

连接 Provider

browsa 读什么

功能

斜杠命令

键盘快捷键

工作原理

浏览器兼容性

安全

交流群

许可证

About

Releases

Packages

Used by

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

browsa

亮点

一、接你正在用的 Agent

二、读得动整个网页——视频也行

架构

安装

连接 Provider

browsa 读什么

功能

斜杠命令

键盘快捷键

工作原理

浏览器兼容性

安全

交流群

许可证

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Used by

Contributors

Languages