Atlas 看起来就是个 Chromium 套壳，毕竟...你还能看到 Chrome 应用商店，能装 Chrome 插件
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(198, 110, 73);margin: 24px 0px 8px;">Atlas 把 Chromium 整个搬出去了ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;letter-spacing: 0.1em;color: rgb(63, 63, 63);word-break: break-all;opacity: 0.9;">传统浏览器里，Chromium 挂了，整个浏览器挂
Chromium 卡了，浏览器界面跟着卡
有用户反馈，在 Sora 这种复杂网页，ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(198, 110, 73);margin: 24px 0px 8px;">别的 AI 浏览器会卡住，Atlas 是正常的ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;letter-spacing: 0.1em;color: rgb(63, 63, 63);word-break: break-all;opacity: 0.9;">Atlas 主应用是独立的 Swift 应用，Chromium 作为独立进程在后台运行，两者通过 IPC 通信
这套架构叫OWL（OpenAI's Web Layer）
按 OpenAI 的说法，这种方式
• 启动快：Chromium 在后台慢慢加载，Atlas 界面瞬间显示 • 不崩溃：Chromium 挂了，Atlas 不受影响 • 开发快：大部分工程师不用编译 Chromium，构建从小时级降到分钟级 • Agent 能看清屏幕：强行把所有弹窗合成回主页面
在项目开发上，也能做到足够的解耦，新员工第一天下午就能提交代码
OWL 怎么做的
Atlas 和 Chromium 之间通过 Mojo 通信，这是 Chromium 自己的 IPC 系统
OpenAI 写了自定义的 Swift 绑定，让 Swift 应用能直接调用 Chromium 的接口
这里有几个核心概念：
Session：全局控制 Chromium
Profile：管理用户配置
WebView：控制单个网页的渲染、输入、导航
LayerHost/Client：在 Atlas 和 Chromium 之间交换渲染信息
网页内容怎么显示？
Chromium 渲染好的 layer 通过CALayerHost传给 Atlas
Atlas 用NSView把这个 layer 嵌进界面
输入事件怎么处理？
Atlas 收到用户输入（鼠标、键盘），翻译成 Chromium 能理解的WebInputEvent格式，发给 Chromium
如果网页没处理这个事件，Chromium 会把事件退回来，Atlas 重新合成NSEvent，给应用的其他部分处理
Agent mode 的特殊处理
这里的思路很牛逼
computer use model 需要一张完整的屏幕截图
问题来了，浏览器里有些元素是独立渲染的
<select>下拉菜单、颜色选择器、日期选择器，这些在 Chromium 里是单独的弹窗
AI 只看主页面，看不到这些弹出元素
OpenAI 的做法：强行把所有弹窗合成回主页面
这些弹窗虽然是独立窗口，但有自己的RenderWidgetHostView和AcceleratedWidget
OWL 用跟主页面一样的 delegated rendering 模型，把这些弹窗的 layer 抓出来，按正确的坐标位置合成回主页面
AI 拿到的就是一张完整的截图
还有个细节
Agent 生成的输入事件，直接发给 renderer，不走 browser 层
这样能保持沙箱边界，Agent 不能通过快捷键触发浏览器的特权操作
相关的任务，也进行了隔离
Agent browsing 可以跑在 ephemeral context 里，不共享用户的 Incognito profile
每个 agent session 用独立的StoragePartition，完全隔离
session 结束，所有 cookies 和站点数据全部丢弃
你可以同时开多个 agent session，每个都在独立的 tab 里，互相隔离
工程效率的改变
Chromium 代码库太大
checkout 要很久，编译要几个小时
OWL 把 Chromium 编译成预构建的 binary，内部分发
大部分做 Atlas 的工程师，只编译 Swift 代码，几分钟完事
OpenAI 有个工程文化：新员工第一天下午就能提交代码
对 Chromium 这种项目，这几乎做不到
但 OWL 做到了
而且因为 UI 层完全重写，对上游 Chromium 的改动很少，升级版本也容易
说两句
传统浏览器是为人设计的，Agent 浏览器要解决的问题不一样
人需要各种交互，进行辅助认知，可以点击菜单然后弹出阅读
AI 则不同，需要在一张图里看到所有元素，需要快速响应
新的浏览器架构，很有必要