让 AI 操作远程浏览器,难点不是“能不能点”,而是“什么时候不该点”。远程控制 把观察、动作、审批与人工接管设计成同一套可审计流程。

观察是受控接口

浏览器观察默认只返回交互节点,并限制节点数量。每次观察会保存节点引用映射,后续动作直接定位,避免重复查询与全量 DOM 序列化。

动作需要租约

AI 输入只在持有会话租约时生效。人工接管会立即暂停 AI 输入,审批边界由策略决定。高风险动作可以要求人工确认,而不是默认放行。

审计记录结果而不是隐私内容

审计事件记录的是会话、动作类型、策略结果与时间,不保存页面隐私内容。截图与录制按需开启,并写入对象存储,避免阻塞动作路径。