功能介绍

为什么叫 Mole（鼹鼠）？

Mole 的工作方式就像一只鼹鼠：你提出问题后，它钻入地下（后台），在隧道网络中默默挖掘——调用工具、搜索网页、解析数据。找到宝藏后，它浮出地面，把结果呈现在悬浮球中。整个过程不打扰你正在做的事。

地面 = 悬浮球（你看到的入口） 地下 = Background（AI 工作的地方） 隧道 = Channel + MCP（连接一切的通信网络）

悬浮球 AI 对话

Mole 在每个网页上注入一个悬浮球，作为与 AI 交互的入口。

• Shadow DOM 隔离 - 悬浮球的样式完全隔离在 Shadow DOM 内，不会影响宿主网页的样式，也不会被宿主网页的样式干扰
• 快捷键唤起 - Cmd+E（Mac）/ Ctrl+E（Windows）快速唤起搜索框
• 拖拽定位 - 悬浮球可以拖拽到屏幕任意位置，位置会持久化到 chrome.storage.local
• 贴边微隐藏 - 胶囊形态贴边微隐藏，hover 时滑出，不干扰正常浏览
• 流式响应 - AI 回复以流式方式呈现，实时展示思考过程和工具调用状态

Agentic Loop 架构

Mole 的核心是一个极简的 Agentic Loop（代理循环），设计哲学是：

代码管机制和边界（保下限），模型管决策和策略（定上限）

核心循环

采样 -> 有工具调用 -> 执行 -> 回写 -> 继续采样
         无工具调用 -> 结束

代码负责（机制 + 边界）

• 采样 -> 执行 -> 回写循环
• 预算执行（轮数上限、调用数上限、上下文长度限制）
• 死循环检测（相同工具+参数重复 N 次自动终止）
• 空响应重试
• 上下文超长自动压缩
• 子任务递归入口

模型负责（决策 + 策略）

• 意图分类 / 工具选择 / 任务拆分
• 验证策略 / 何时停止 / 回复措辞

任务分级

Mole 按任务复杂度分为四个等级，由模型自主判断：

第一类：直接回答

问候、闲聊、知识问答等，直接用文字回答，不调用任何工具。

第二类：单步操作

一个明确的小目标（搜索、点击、截图、查询），调用最合适的工具，拿到结果后回复。

第三类：多步任务

需要 2 步以上才能完成的目标。每一步根据上一步的实际结果来决定下一步，不会在开头就把所有步骤都规划好。

第四类：复合任务

包含多个相对独立的子目标。使用 spawn_subtask 将每个独立子目标拆分为隔离任务执行，每个子任务有独立的上下文，避免信息混杂。

CDP 深度控制

Mole 通过 Chrome DevTools Protocol（CDP）接入 10 个协议域，提供浏览器进程级别的深度控制能力，弥补 Content Script 的固有限制：

• 可信事件注入 — 发送 isTrusted=true 的鼠标/键盘事件，绕过反爬的事件来源检测
• 对话框处理 — 自动检测和处理 alert/confirm/prompt 对话框，不再阻断自动化流程
• iframe 穿透 — 跨域 iframe 中执行 JS、获取文本，解决验证码和支付表单等场景
• 网络可见性 — 完整的请求/响应数据（包括 body 和 headers），以及 Cookie 读写
• 请求拦截 — 拦截请求后修改参数放行、返回 Mock 响应、或模拟失败，支持注入认证 headers 和绕过 CORS
• DOM 深度操作 — 无视同源策略直接查询/修改 DOM，获取精确 box model 几何信息
• 页面存储 — 跨域读写 localStorage / sessionStorage，无需 content script
• CSS 样式 — 获取计算样式和匹配规则、修改内联样式、动态注入 CSS 规则
• 视觉高亮 — 高亮标注 DOM 元素或区域，AI 操作时让用户直观看到操作对象
• 设备模拟 — 模拟移动端视口、覆盖 User-Agent、伪造地理位置和时区
• 控制台捕获 — 自动收集 console 输出和未捕获异常，辅助诊断页面问题

所有 CDP 工具共享统一的会话管理器（cdp-session.ts），自动管理 debugger 的 attach/detach 生命周期和域事件监听。

上下文自动压缩

当对话上下文变得过长时，Mole 会自动压缩历史上下文，保留关键信息，确保在 LLM 的上下文窗口限制内持续工作。这使得长时间的多步任务不会因为上下文溢出而失败。

会话历史记录

Mole 支持会话历史记录，可以在 Options 页面查看和管理过往的对话记录。每次对话的完整过程（包括工具调用和结果）都会被保存。