主站

知识库

Github Agentchat Vs Ziwang Agentchat

Properties1
tagsai-agents, gemini, github, agent-architecture, web-automation

5分钟阅读

GitHub AgentChat 平台 vs ziwang-Physics/AgentChat — 调研报告

Codex 核验（2026-10-09）：官方名称是 Agent HQ，不是已确认存在的独立 GitHub AgentChat 产品；原 features/agent-chat 链接不宜作为官方依据。2026-02-04 公告说明 Claude/Codex 预览依赖指定 Copilot 方案与 premium requests，不是无条件免费。Google 2025-10 的正式发布是 Gemini 2.5 Computer Use 模型（非 2.5 Pro 原生执行）；3.6 Flash已增加客户端 Computer Use 工具，具体平台/安全策略取决于 SDK 与执行器。第三方 Gemini Web DOM 自动化需账户、配额和网页适配，不能保证零 token 成本、稳定性或绕过登录限制。历史架构描述未复跑。

两个不同的 “AgentChat”

1. GitHub 官方 Agent HQ / coding agent 平台

定位: GitHub 原生的 AI Agent 平台，内嵌于 Issues、PR、Code Review 流程 来源: https://github.blog/news-insights/company-news/pick-your-agent-use-claude-and-codex-on-agent-hq/

GitHub Agent 生态 (截至 2026)

GitHub 已从一个 AI 编码助手演变为开放的 Agent 平台：

Copilot Agent Mode — 实时同步协作

  • 在 IDE 内使用，边写代码边与 agent 交互
  • 能理解项目上下文、修改代码、运行命令
  • 实时流式输出，和开发者并肩工作
  • 底层模型 GitHub 统一调度（GPT-4o / Claude 混用）

Copilot Coding Agent — 异步自主 SWE Agent

  • 基于 GitHub Actions 运行
  • 读 Issue → 写代码 → 开 PR → 处理 review comment
  • 完整开发循环，自主完成
  • 类似 SWE-agent/Devin 的工作流

第三方 Agent 集成

  • Claude、Codex 等可通过 GitHub 平台接入
  • MCP 协议扩展
  • 多种底层 LLM 可选

2. ziwang-Physics/AgentChat

定位: Chrome CDP + Playwright 驱动的 Gemini Web 自动化交互系统，以及 MultiAgent DAG 管道 来源: https://github.com/ziwang-Physics/AgentChat

核心架构

Skill 1: gemini-web-extended-thinking
  • CDP 注入 prompt → Gemini Web 免费推理 → 提取回复
  • Pro Extended Thinking 自动激活（DOM 操作切换模型菜单）
  • Angular 变更检测陷阱处理（逗号触发→粘贴→删逗号）
  • 完整错误码体系（ERR_* 前缀，10 个出口码）
  • 遥测记录到 gemini-telemetry.jsonl
Skill 2: multiagent-pipeline (3-Mode DAG)
Phase 1: 路由评估 → SIMPLE/PARALLEL/CONSENSUS 模式选择
Phase 2: 3 Expert Nodes 并发 (ChatGPT + Kimi + Gemini)
Phase 3: 矩阵压缩 (共识区/特色区/冲突区)
Phase 4: DeepSeek V4 One-Shot Scoring-Synthesis Judge
         (Independence Check + Scoring + Conflict Graph + Condorcet 门控)

关键设计决策:

  • Sandwich Prompt: 核心问题 80%, 视角偏移 15%, 交叉覆盖 5%
  • 3 Worker (非 5): 实测 Claude 85% 不可用, Qianwen 非安全场景边际低
  • Early Exit: P2 一致性 ≥ 2/3 且置信 ≥ 0.7 直接返回
  • “免费大脑”模式: DeepSeek 低成本规划 + Gemini Web 免费深度推理

中国网络环境技术攻坚

三层级联故障的修复方案:

  • Chrome 启动时注入 Flags 切断 Google 云端依赖链
  • VLESS Reality 代理与 Chrome BoringSSL 冲突警告
  • Playwright 管理 Chrome 生命周期 (daemon + 心跳 + 自动重启)
  • CDP 绑定 ${LOCALIP} 仅本地访问

Gemini Web Automation (Google 官方)

Project Mariner (2024.12 实验性发布)

  • Chrome 扩展，基于 Gemini 2.0
  • 可以接管浏览器执行购物、填表等任务
  • 依赖 DOM 结构理解

Computer Use 模型 (2025.10)

  • Gemini 2.5 Computer Use 模型生成动作，由客户端执行器完成浏览器操作
  • 截图 → 输出点击/输入坐标 → 直接操控真实浏览器
  • 类似 Anthropic CUA

Gemini 3.5 Flash 原生集成 (2026.6)

  • 视觉驱动的 GUI 自动化（不依赖 DOM 结构）
  • Web/移动端/桌面端多环境支持
  • 带意图解释的动作输出
  • 可配置安全策略和注入检测

与我们 Hermes 的关联

  1. 多模型编排: ziwang-Physics 的 DAG 管道 + 裁决机制值得借鉴
  2. CDP 浏览器操控: 我们目前用 vibesurfer + Obscura，同一技术栈
  3. “免费大脑”: 本地推理 + 免费 Web 端组合，token 成本近乎零
  4. 中国网络兼容: Chrome Flags 注入方案可复用

关系图谱