OpenAI 揭秘其 AI浏览器 ChatGPT Atlas 是如何打造的 | XiaoHu.AI 学院
OpenAI 推出了一个全新的AI浏览器 —— ChatGPT Atlas。
它不是普通的浏览器，而是一种新的上网方式：
你上网时，ChatGPT 永远在旁边，帮你理解网页、总结内容、执行操作，比如：
查找信息
填写表单
比较产品
自动执行任务
要实现这一点，ChatGPT 不能只是“在浏览器上运行”
它必须变成浏览器的一部分。
这意味着：ChatGPT 不只是看网页，而是要直接理解网页结构、与内容互动、还能控制它。
问题：为什么要重造浏览器？
现有浏览器（例如 Chrome、Edge、Brave）都是基于 Chromium 打造的。
Chromium 是一个非常复杂的系统，用来渲染网页、执行 JS、管理安全等。
它的优点是稳定、安全、兼容性强。
但它也有一些限制，特别是当你想让浏览器变得“智能化”时。
❌ 主要问题有：
OpenAI 的目标是打造一款：
“启动几乎瞬间完成、永不崩溃、支持上百个标签页、还能与 ChatGPT 紧密配合”的浏览器。
于是，他们决定不照搬 Chromium，而是重新设计浏览器的架构。
为了实现这一目标，OpenAI 需要重新设计浏览器的架构，特别是如何将 ChatGPT 与浏览器引擎 Chromium 整合在一起，确保浏览体验既顺畅又高效。
在这个过程中，OpenAI 提出了一个新的架构方案 —— OWL（OpenAI’s Web Layer）。OWL 是他们为了解决性能、稳定性以及快速迭代问题而开发的一层新架构。
解决方案：OWL（OpenAI’s Web Layer）
OWL 是 OpenAI 专门为 Atlas 打造的全新架构层。
它的核心思想非常简单但强大：
把 Chromium（浏览器引擎）从主程序中分离出来，让它在后台独立运行。
想象一下：
普通浏览器 = 一台电脑里放所有零件。
Atlas + OWL = 把浏览器引擎单独放在另一个“房间”里运行，然后主界面（SwiftUI）用一条“高速通道”与它通信。
OWL 架构：重新构建浏览器的基础
OWL，即 OpenAI Web Layer，是 OpenAI 提出的新架构方案，目的是将 Chromium 引擎 与 ChatGPT Atlas 应用分开。通过这种分离，OpenAI 可以在不牺牲性能和用户体验的前提下，灵活地管理和定制浏览器功能。
OWL 就像一个中间层，把浏览器的大脑（Chromium 引擎）从主程序中分离出来。
让 Atlas 变得：
启动更快；
不容易崩；
运行更流畅；
开发起来更简单。
为什么要这么做？
普通浏览器（像 Chrome）里面，渲染引擎、界面、标签页都绑在一起。
一旦某个网页卡住，整个浏览器都可能卡住。
而 Atlas 把它们分开了：
Chromium 负责网页逻辑；
Atlas 负责漂亮的界面和交互；
它们通过一套安全通道（Mojo）交流。
OWL 是怎么工作的？
OWL 的结构分为两部分：
两者通过 Mojo IPC（进程通信系统） 连接。
Mojo 是 Chromium 原生的消息通道系统，速度快、延迟低。
OpenAI 还为它写了 Swift 版本的接口，使得 SwiftUI 应用能直接“遥控” Chromium。
Chromium 独立运行： 传统的浏览器将 Chromium 引擎和应用界面紧密集成，而 OWL 将 Chromium 的浏览器引擎“分离”到一个单独的进程中。这样，浏览器的渲染、网页交互等任务由 Chromium 来处理，而 UI 和用户交互则由 Atlas 负责。
OWL Client（Atlas）：负责与用户进行交互，显示浏览器界面，控制浏览器操作。
OWL Host（Chromium）：负责处理网页渲染和网页内的所有任务。
进程间通信（IPC）： 为了让这两个进程能够高效通信，OpenAI 使用了 Mojo，这是 Chromium 本身的消息传递系统。通过自定义的 Swift 和 TypeScript 绑定，Atlas 可以直接调用 Chromium 进程中的功能，实现快速的信息交换。
OWL 提供的核心功能接口
OWL 对外暴露了一组简洁的 Swift API，开发者用这些接口就能控制 Chromium：
OWL 架构的设计不仅解决了性能和开发效率问题，还为开发者提供了强大的功能支持。以下是 OWL 的一些核心功能和组件：
WebView：负责显示网页内容，并与用户进行交互。它支持常见的网页操作，比如滚动、缩放、点击等。
Session 和 Profile：管理浏览器的会话状态和用户数据。在不同用户之间进行隔离，确保浏览体验的一致性和安全性。
WebContentRenderer：负责将用户的输入事件（如点击、键盘输入）传递到 Chromium 的渲染管线，并接收反馈结果。
LayerHost/Client：在 UI 和 Chromium 之间交换合成信息，确保网页内容与应用界面的一致性，避免出现卡顿或错位的情况。
Agent Browsing：特别适用于 ChatGPT Atlas 中的 Agent 模式，它允许 ChatGPT 在浏览器中执行自动化任务（例如填写表单、选择选项等），并将这些事件传递到 Chromium 引擎，同时确保安全性和隐私保护。
图像与界面层如何协作？
Atlas 的界面是用 SwiftUI + Metal 打造的。
Chromium 渲染网页后，会输出一张 GPU 图像（CALayer）。
Atlas 会把这张图像嵌入自己的界面层中。
例如：
你在 Atlas 打开网页 → Chromium 渲染 → 输出一张 GPU 图像；
Atlas 的窗口（SwiftUI）通过 CALayerHost 把这张图像“贴”上去；
结果：你看到的网页是 Chromium 画的，但界面是 SwiftUI 控制的。
这种方式的好处是：
不用在 Chromium 内改 UI；
还能在外层做漂亮的动画、特效；
如果 Chromium 崩溃，Atlas UI 不受影响。
🎯 输入事件怎么处理？
Atlas 的界面捕获键盘、鼠标事件，然后：
Swift 层把事件转成 Chromium 能懂的格式；
用 Mojo 通信发给 OWL Host；
Chromium 渲染器处理事件；
如果网页没响应事件，Chromium 会回传；
Atlas 再重新生成 macOS 事件，交给其他 UI 元素处理。
这种“事件往返”机制保证：
输入响应真实；
Chromium 不会“抢走”系统级快捷键；
界面保持独立。
Agent 模式的特别挑战
ChatGPT Atlas 有个特别功能 —— Agent Browsing。
也就是让 ChatGPT “亲自操作网页”，比如填写表单、点击按钮。
这对浏览器架构是一个巨大挑战，因为：
有些网页元素（如下拉菜单）在网页区域外显示；
ChatGPT 需要看到完整的视觉画面；
同时还要保证安全（不能让 AI 操作浏览器本身）。
OWL 的解决方式：
完整画面合成
OWL 把所有网页弹窗和独立 UI（如下拉菜单）都重新绘制到一个大画面上，
这样 ChatGPT “看到”的页面就是完整的一帧。事件安全路由
ChatGPT 产生的点击、输入事件只会发给网页渲染器，
不会触发浏览器自身的快捷键或菜单。无痕临时模式（Ephemeral Session）
Agent 浏览在一个完全独立的临时环境中运行：没有共享 cookies
没有浏览历史
会话结束即销毁
多个 agent 互不干扰
这样就保证了安全、隐私与隔离性。
OWL 架构带来的优势
当你让 ChatGPT 去浏览网页、填写表单或理解页面时，它需要：
看见完整页面（包括弹窗、下拉菜单）；
模拟鼠标键盘操作；
但又不能触发浏览器本身的危险操作。
OWL 通过特殊渲染和输入隔离机制，让这些都能安全发生。
此外，Agent 模式在“无痕状态”下运行——不会共享或泄露你的登录数据。
更快的启动速度： 由于 Chromium 在后台异步启动，Atlas 可以几乎瞬间显示用户界面，而不需要等待浏览器引擎完全加载。
性能隔离： 如果 Chromium 进程发生故障或卡顿，Atlas 仍然能保持正常运行，因为它与 Chromium 进程是相互独立的。这样，即使浏览器崩溃，用户的浏览体验也不会受到影响。
简化开发和维护： 由于 Atlas 不需要在 Chromium 的开源 UI 上做大量定制，OpenAI 对 Chromium 的修改变得更加简洁，减少了维护的复杂性。开发者可以更快速地进行功能迭代，并避免频繁的合并冲突。
更快的开发速度： OpenAI 为大多数工程师提供了预构建的 OWL 二进制文件，这意味着开发者不再需要构建 Chromium 内核，只需要关注 Atlas 的功能开发，极大地提高了开发速度。
如何确保隐私和安全
为了保护用户的隐私和数据安全，OpenAI 在 Agent 浏览模式 中采取了多项措施：
隔离的浏览会话：每次打开新的浏览会话时，Atlas 会使用 Chromium 的 StoragePartition 技术创建一个全新的、内存中存储的数据环境。这样，每次 agent 会话都会是全新的，不会泄露其他会话的数据。
防止数据泄露：不同 agent 会话之间的数据是完全隔离的，保证不会互相干扰或泄露用户的敏感信息。
总结
你可以把 OWL 理解成这样：
🏠 Atlas 就像一栋漂亮的房子，里面有很多房间（标签页）。
💥 Chromium 就像一个强大的电力系统，负责让房子“亮起来”。
🧵 OWL 就是那根超级电缆，让两者通信又互不干扰。
以前的浏览器里，这些都绑在一起；
现在，Atlas 把它们拆开，用 OWL 把它们安全、高效地连起来。
贡献者
jiechen