Lightpanda：不是 Chromium 魔改，是用 Zig 从零写的 AI 专用无头浏览器

当你还在用 Puppeteer 启动几百个 Chrome 实例跑爬虫的时候，有人已经从零造了一个浏览器——专门给 AI 和自动化用的那种。

为什么需要一个新浏览器？

做过爬虫或 Web 自动化的同学都知道一个痛点：现在的网页离了 JavaScript 根本没法用。

Ajax、SPA 单页应用、无限滚动、点击才加载——你再也不能像以前那样发个 HTTP 请求就拿到数据了。于是大家只能祭出终极武器：跑一个真正的浏览器。

Puppeteer、Playwright、Selenium……本质上都是在操控 Chromium 或 Firefox。问题是：

• 吃内存：一个 Chrome 实例轻松占 200-500MB，你跑 100 个试试？
• 吃 CPU：渲染引擎在跑，GPU 加速在跑，实际上你根本不需要看画面
• 启动慢：冷启动动辄好几秒
• 难维护：大规模部署 Chrome 的运维成本，谁做谁知道

本质矛盾在于：你只需要 JavaScript 执行能力，但 Chrome 给了你一整个桌面浏览器。

Lightpanda 的解法

Lightpanda 的思路很直接——既然 Chromium 太重，那就从零写一个轻量的。

不是 fork Chromium，不是魔改 WebKit，是用系统级编程语言 Zig 从第一行代码开始写的全新浏览器引擎。

核心理念：只做无头，不画画面

传统浏览器 80% 的复杂度在图形渲染。Lightpanda 把这一层完全砍掉，只保留：

• ✅ HTML 解析（基于 Servo 的 html5ever）
• ✅ JavaScript 执行（V8 引擎）
• ✅ DOM 操作和 Web API
• ✅ 网络请求（libcurl）
• ✅ CDP 协议（兼容 Puppeteer / Playwright）

不保留的：

• ❌ CSS 渲染
• ❌ GPU 加速
• ❌ 窗口管理
• ❌ 字体渲染
• ❌ 一切和"显示"相关的东西

性能数据

官方 benchmark（AWS EC2 m5.large，Puppeteer 请求 100 个页面）：

指标	Chrome Headless	Lightpanda
内存占用	~9x	1x
执行速度	1x	~11x
启动时间	数秒	瞬时

内存降 9 倍，速度快 11 倍。 这不是优化，是量级上的差距。

怎么用？

安装

# Linux
curl -L -o lightpanda https://github.com/lightpanda-io/browser/releases/download/nightly/lightpanda-x86_64-linux && \
chmod a+x ./lightpanda

# macOS (Apple Silicon)
curl -L -o lightpanda https://github.com/lightpanda-io/browser/releases/download/nightly/lightpanda-aarch64-macos && \
chmod a+x ./lightpanda

# Docker
docker run -d --name lightpanda -p 9222:9222 lightpanda/browser:nightly

直接抓取页面

./lightpanda fetch https://example.com

一行命令，直接输出执行完 JavaScript 后的 HTML。比 curl 多了 JS 执行能力，比 Chrome 轻了 10 倍。

当 CDP 服务器用

./lightpanda serve --host 127.0.0.1 --port 9222

启动后就是一个标准的 CDP 服务器，你现有的 Puppeteer 脚本几乎不用改：

import puppeteer from 'puppeteer-core';

// 唯一要改的：指向 Lightpanda 而不是 Chrome
const browser = await puppeteer.connect({
  browserWSEndpoint: "ws://127.0.0.1:9222",
});

const context = await browser.createBrowserContext();
const page = await context.newPage();

await page.goto('https://example.com', {waitUntil: "networkidle0"});

const links = await page.evaluate(() => {
  return Array.from(document.querySelectorAll('a')).map(a => a.getAttribute('href'));
});

console.log(links);

为什么选 Zig？

这可能是很多人好奇的点。Lightpanda 没选 C++、没选 Rust，选了一个相对小众的 Zig。

Zig 的特点很适合写浏览器引擎：

• 零隐藏开销：没有隐式内存分配，性能可预测
• 编译时计算：大量逻辑在编译时就能解决
• C 互操作性好：直接调用 V8、libcurl 这些 C/C++ 库
• 无 GC：手动内存管理，适合高性能场景

当然 Zig 的生态还不成熟，这也是一个大胆的技术选型。

目前的状态

项目在 Beta 阶段，已经实现的能力：

• ✅ HTTP 请求（libcurl）
• ✅ HTML 解析（html5ever）
• ✅ DOM 树 + DOM API
• ✅ JavaScript 执行（V8）
• ✅ Ajax（XHR + Fetch API）
• ✅ CDP/WebSocket 服务器
• ✅ 点击、表单输入
• ✅ Cookie 管理
• ✅ 代理支持
• ✅ 网络拦截
• ✅ 遵守 robots.txt

还没做的：部分 Web API 覆盖率还不够，复杂网页可能会遇到问题。不过对于爬虫和自动化的主流场景，已经能用了。

适合什么场景？

最适合的：

• 🕷️ 大规模爬虫：内存占用低，可以跑更多并发
• 🤖 AI Agent 的浏览器工具：启动快、资源少
• 🧪 自动化测试：兼容 Puppeteer/Playwright 脚本
• 📊 数据采集：需要 JS 渲染但不需要看画面

不太适合的：

• 需要精确像素级截图的场景
• 需要完整 Web API 支持的复杂 SPA
• 需要 CSS 渲染结果的场景

和竞品比

特性	Chrome Headless	Lightpanda	Playwright
内存占用	高	极低	高
启动速度	慢	瞬时	慢
Web API 覆盖	完整	部分	完整
部署难度	中	低	中
截图能力	有	无	有
生态成熟度	高	低	高

写在最后

Lightpanda 做的事情本质上是把浏览器拆开，只留 AI 和自动化真正需要的部分。

当大模型开始用浏览器当工具（Agent 范式），当爬虫规模越来越大，轻量级无头浏览器的需求只会越来越强。Chrome Headless 不是为这个场景设计的，它只是"能用"而已。

项目目前 2.4 万 Star，社区活跃，值得关注。如果你的业务场景是大规模爬虫或 AI Agent，可以跑个 benchmark 试试——内存账单可能会让你惊喜。

项目地址： https://github.com/lightpanda-io/browser

---

本文基于 Lightpanda 项目 Beta 版本撰写，部分 Web API 覆盖率仍在完善中，生产环境使用请做好兼容性测试。