تصور کنید یک برنامهنویس است که هر بار برای تأیید یک تغییر کوچک در رابط کاربری، باید ثانیهها منتظر بماند تا عامل هوش مصنوعی بفهمد آیا کد درست عمل کرده یا خیر. این انتظار پایان یافت؛ زیرا اکنون یک بررسی واحد در hwatu تنها ۳۵ میلیثانیه زمان میبرد.
به نقل از مستندات گیتهاب این پروژه که در ۲۹ جولای ۲۰۲۶ منتشر شد، این سرعت خیرهکننده با تغییر رویکرد به دست آمده است. در اینجا مرورگر نه به عنوان یک کتابخانه که برای هر görev باید اجرا شود، بلکه شبیه به یک «دیمون گرم» (Warm Daemon) عمل میکند که همیشه آماده و فعال است.
بسیاری از عامل (Agent) — یا همان برنامههای هوشمند که میتوانند بهجای ما ابزارها را اجرا کنند — در حال حاضر از ابزارهایی مثل Playwright یا chrome-devtools-mcp استفاده میکنند. این ابزارها برای هر بار بررسی صفحه، چندین درخواست API میفرستند و مدل را مجبور میکنند عکسهای خام را با حدس و گمان بررسی کند. همین موضوع باعث ایجاد یک گلوگاه میشود؛ یعنی زمانی که صرف بالا آمدن مرورگر، بیشتر از زمانی است که صرف نوشتن خودِ کد میشود. این رویکرد در تضاد با تلاشهایی است که برای اتوماسیون مرورگر با مدلهای محلی و پروتکل DevTools در پروژه WebBrain صورت گرفته بود تا کنترل دقیقتری بر تعاملات مرورگر ایجاد شود.
همانطور که در بحثهای گذشتهی ما دربارهی بهینهسازی حلقههای بازخورد در هوش مصنوعی اشاره کردیم، سرعت استنتاج تنها نیمی از مسیر است و دسترسی سریع به محیط اجرا اهمیت بیشتری دارد. hwatu این پارادایم را تغییر میدهد. این ابزار موتور مرورگر، بافت GPU و قوانین مسدودکننده تبلیغات را بهصورت فعال در حافظه نگه میدارد.
بر اساس بنچمارکهای منتشر شده، این طراحی باعث میشود سرعت عملیات نسبت به یک تنظیمات گرم در Playwright حدود ۹ برابر بیشتر شود. در واقع هزینه یک بازبینی تأییدی از ۳۴۱ میلیثانیه به تنها ۳۹ میلیثانیه کاهش یافته است.
ابزارهای تأیید با دقت بالا
این ابزار توصیفات بصری مبهم را با دادههای سخت جایگزین میکند. بهجای اینکه از مدل خواسته شود «چیدمان را چک کند»، hwatu موارد زیر را ارائه میدهد:
- امتیاز تفاضل پیکسلی (Pixel-diff scoring): بازگرداندن درصد تطابق، مناطق تغییر یافته و یک نقشه حرارتی (Heatmap).
- دادههای عددی انیمیشن: ثبت مدتزمان، شتاب و سرعت بهجای حدسهای بصری.
- فریمهای قطعی: امکان تثبیت انیمیشنها در یک زمان مشخص (t) برای تأیید وضعیت.
- وضعیت JSON: خروجی وضعیت صفحه بهصورت توکن و JSON بهجای پیکسلهای خام.
یکپارچگی و انتقال به انسان
این ابزار برای جریانهای کاری مدرن طراحی شده و از سوکتهای بومی برای Jcode، پروتکل زمینهٔ مدل (MCP) و یک رابط خط فرمان (CLI) استاندارد پشتیبانی میکند. همچنین با عاملهایی مثل Claude Code و Cursor سازگار است تا بتوانند تستهای دودهای (Smoke Tests) را در پسزمینه و بدون مزاحمت برای برنامهنویس اجرا کنند.
یکی از متمایزترین قابلیتهای این سیستم، ماهیت «قابل توقف» جلسات آن است. در اکثر مرورگرهای بدون رابط گرافیکی (Headless)، حالت اجرا در لحظه شروع قفل میشود. اما در hwatu، حالت بدون رابط تنها یک ویژگی پنجره است. اگر عامل با یک کپچا یا تصمیم پیچیدهای مواجه شود، توسعهدهنده میتواند با دستور hwatu focus جلسه زنده را — با تمام کوکیها و وضعیتها — مستقیماً در مدیر پنجرههای خود ظاهر کند. این قابلیت نظارتی، یادآور مکانیزمهای سختگیرانهای است که در سیستم MakerChecker برای جلوگیری از تایید خودکار اقدامات توسط عاملها استفاده میشود تا نظارت انسانی بر تصمیمات حساس حفظ گردد.
مشخصات فنی و محدودیتها
این سیستم بهصورت یک فایل باینری استاتیک توزیع میشود که از webkitgtk-6.0 استفاده میکند. به همین دلیل از سربار ارسال یک نسخه ۱۷۰ مگابایتی از Chromium اجتناب کرده است. نصب آن از طریق یک اسکریپت ساده یا ابزار yay در آرچ لینوکس انجام میشود.
طبق گزارشهای فنی، یک بازبینی کامل (باز کردن، بارگذاری، ارزیابی، عکسبرداری و بستن) بهطور میانگین ۳۵ میلیثانیه طول میکشد. این رقم در برابر بهترین حالت اتصال CDP در Playwright که ۸۲ میلیثانیه زمان میبرد و نیاز به ۵ درخواست API مجزا دارد، یک کاهش چشمگیر است.
البته این سرعت به بهایی بهدست آمده است. hwatu در حال حاضر فقط برای لینوکس است و بهجای Chromium از WebKit استفاده میکند. توسعهدهندگان پذیرفتهاند که Playwright همچنان در سرعت «راهاندازی سرد» (Cold Start) — یعنی ۱۹۰ میلیثانیه در برابر ۴۳۵ میلیثانیه — و مصرف کلی حافظه برنده است.
این چرخش به سمت «مرورگرهای تأییدی»، نشاندهنده گذار از اتوماسیونهای همهمنظوره به سمت حلقههای بازخورد تخصصی و با فرکانس بالاست. وقتی مرورگر بهجای یک اپلیکیشن قابل اسکریپت، به عنوان یک زیرساخت دیده شود، عاملها میتوانند اجزای رابط کاربری را با همان سرعتی اصلاح کنند که برنامهنویسان منطق کد را تغییر میدهند. این دیدگاه با رویکردهای GitOps در مدیریت ابزارهای AI همسو است که هدفشان تبدیل ابزارهای پراکنده به یک زیرساخت پایدار و قابل پیشبینی است.
برای کاربر نهایی، این یعنی عاملهای هوش مصنوعی بهجای ادعای اینکه «صفحه درست به نظر میرسد»، آن را با تطابق پیکسلی ۹۸.۸ درصدی اثبات میکنند. در واقع مرورگر از یک ابزار خارجی کُند، به یک اندام حسی سریع و داخلی برای هوش مصنوعی تبدیل میشود.
گام بعدی شما
- اسکریپت نصب را اجرا کنید و با دستور
hwatu setupعاملهای کدنویسی فعال خود را شناسایی کنید. - اتصال مرورگر را از طریق MCP به Cursor یا Claude Code متصل کنید تا تأخیر بازبینی کدها را کاهش دهید.
- برای پروژههای با رابط کاربری پیچیده، از قابلیت
hwatu focusبرای عیبیابی سریع خطاهای بصری مدل استفاده کنید.
اما تأثیر این سرعت بر مدلهای استدلالی جدیدتر حتی شگفتانگیزتر است — به تحلیل ما دربارهی مدلهای Reasoning مراجعه کنید.
گفتگو