PandaScript 与 Puppeteer 和 Playwright 的比较

PandaScript 就是你为 Puppeteer 或 Playwright 写的那种脚本，区别在于它直接在 Lightpanda 二进制内部运行，而不是向另一个进程中的浏览器发送指令。无需任何配置：lightpanda run script.js 读取文件后自己完成浏览。同样的脚本如果用 Puppeteer 或 Playwright，则需要 Node.js、npm install、下载 Chrome，还要有一个正在运行的浏览器供其连接。

PandaScript 非常省内存：在新闻监控任务示例中，内存占用只有 Playwright 的 1/4。速度也很快：一个登录流程比 Puppeteer 加 Chrome 快 14 倍，还把浏览器启动时间算在内。并行运行时，一批 Hacker News 请求快 3 倍，CPU 占用约低 30 倍，内存约低 40 倍——因为 Chrome 会把整台机器吃满，而 Lightpanda 几乎不占资源。

Lightpanda 的 agent 还能根据一段自然语言提示直接帮你写脚本。回放已保存的脚本是确定性的，且不需要 API key。

脚本示例

PandaScript 是一个语法简单的 JavaScript 文件。在这个例子中，我们打开 Hacker News 首页，取前五条新闻，访问每条新闻的评论页，返回前三条评论。共加载六个页面，输出一个 JSON 结果。对应的 PandaScript 如下：

const page = new Page();
await page.goto("https://news.ycombinator.com");
const { stories } = page.extract({
  stories: [{
    selector: "tr.athing",
    limit: 5,
    fields: {
      id: { selector: "", attr: "id" },
      title: ".titleline > a",
      url: { selector: ".titleline > a", attr: "href" }
    }
  }]
});
 
for (const story of stories) {
  await page.goto(`https://news.ycombinator.com/item?id=${story.id}`);
  story.comments = page.extract({
    comments: [{
      selector: "tr.comtr",
      limit: 3,
      fields: { user: ".hnuser", text: ".commtext" }
    }]
  }).comments;
}
return stories;

两个值得注意的细节：第一，page.goto 需要 await，因为它要等待网络；而 page.extract 不需要，因为它读取的 DOM 就在当前进程里。第二，脚本的返回值就是最终以 JSON 形式输出到 stdout 的内容。

PandaScript 比 Puppeteer 或 Playwright 更简单，后两者在执行任何操作前都必须先启动浏览器，结束后再销毁：

import puppeteer from 'puppeteer';
const browser = await puppeteer.launch();
const context = await browser.createBrowserContext();
const page = await context.newPage();
// 与上文相同的导航、选择和循环操作
await page.close();
await context.close();
await browser.close();

中间的工作内容是一样的。区别在于两端：启动浏览器并打开页面需要四行代码，关闭则需要三行。而 PandaScript 从第一行代码开始就在工作，因为运行脚本的进程本身就是浏览器。

另一个区别在于数据的输出方式。Puppeteer 和 Playwright 提供 $$eval：你需要把一个函数发送到页面中并收集其返回值。而 PandaScript 的 extract 接受声明式 Schema，输入选择器，输出 JSON。

相比代码，Schema 在重放（replay）时更稳定。选择器要么匹配，要么不匹配，不匹配时错误信息会直接指出是哪个选择器出了问题。使用 $$eval 时，你得到的只是一个序列化到不可见页面中的函数内部的堆栈帧。

在运行任何脚本之前，机器需要以下条件：

	Puppeteer / Playwright	PandaScript
运行时	Node.js	无
依赖项	npm install，node_modules/	无
浏览器	下载 Chromium（约 170 MB）或运行中的 Chrome	无
连接	启动浏览器，通过 CDP 连接	无
总计	两个进程和一个协议	一个进程

安装 Lightpanda 只需一条命令：curl -fsSL https://pkg.lightpanda.io/install.sh | bash。之后，执行 lightpanda run script.js 即可。

使用 Lightpanda agent 生成 PandaScript

你可以手动编写脚本，考虑到这个规模，这么做是合理的。也可以用大白话描述任务，然后让 lightpanda agent 来完成。Agent 会打开一个 REPL，每条指令都在实时页面上执行，你在它变成脚本之前就能看到返回的结果。下面这个 Hacker News 示例的编写成本仅为 0.12 美元（使用 Gemini 3.8 Flash API），这是一次性的。之后的每次重放都是免费的。

$ lightpanda agent
❯ 打开 news.ycombinator.com 并获取前 5 个新闻及其 ID
// 这里打印新闻
[agent: 运行 4.7s · 2 次工具调用]

❯ 对于其中每一项，打开评论页并获取前 3 条评论
// 这里打印带评论的新闻
[agent: 运行 49.5s · 10 次工具调用]

❯ /save hn.js
[agent: 运行 3.4s · 0 次工具调用]
已将合成脚本保存至 hn.js

❯ /usage
usage: input=148195 (fresh=140225 · cache read=7970 · cache write=0), output=3112
cache: 5% 的输入来自缓存

上面的 PandaScript 仅包含成功获取目标数据的调用。Agent 的所有失败尝试均被排除。

凭据

如果任务需要登录，请将秘密信息放入环境变量中，并按名称引用。以下是本稍后文中测得的登录脚本全文：

const page = new Page();
await page.goto("$LP_BASE_URL/login");

page.fill("input[name=acct]", "$LP_HN_USERNAME");
page.fill("input[name=pw]", "$LP_HN_PASSWORD");
page.press("input[name=pw]", "Enter");

page.waitForState({ state: "load" });
page.waitForSelector("#logout");

await page.goto("$LP_BASE_URL/user?id=$LP_HN_USERNAME");
const { karma } = page.extract({
  karma: "#hnmain table table tr:nth-child(3) td:nth-child(2)"
});

return { karma: parseInt(karma, 10) };

使用环境变量中的值运行它：

LP_HN_USERNAME=panda LP_HN_PASSWORD=… lightpanda run login.js

Lightpanda 在调用执行的那一刻，会根据自己的环境解析所有 $LP_* 占位符。脚本里只保存变量名而不保存值，因此可以放心提交到代码仓库。只有带 LP_ 前缀的变量会被解析，脚本无法访问环境中的其他变量。

PandaScript 的内存占用只有 Puppeteer 和 Playwright 的四分之一

我们在四种配置下运行了同样的四个任务：PandaScript、Puppeteer、Playwright 和 browser-use CLI。Puppeteer 和 Playwright 是目前使用最广泛的两个网页自动化库；browser-use CLI 则是较新的自动化工具，面向编码 agent 而非供人直接编写脚本的库（这一点与 PandaScript 类似）。

测试中，每种工具分别驱动 Chrome 或 Lightpanda 引擎（即 PandaScript 所用的引擎）。让每个驱动工具搭配两种引擎，就能把引擎本身和驱动方式的影响分开，剩下的差异就是驱动开销。

四个任务分别是：Hacker News、一个依赖大量 hydration 的电商页面（eu.gymshark.com）、一个广告密集的新闻页面（apnews.com），以及一个本地运行的登录流程（用于排除网络因素）。

配置	HN 抓取	电商（storefront）	新闻监控	登录（本地）
PandaScript	39 MB	218 MB	227 MB	16 MB
Puppeteer → Lightpanda	128 MB	355 MB	438 MB	102 MB
Playwright → Lightpanda	139 MB	368 MB	456 MB	109 MB
Puppeteer → Chrome	614 MB	1,038 MB	1,024 MB	436 MB
Playwright → Chrome	680 MB	1,186 MB	986 MB	516 MB
browser-use CLI → Lightpanda	98 MB	341 MB	365 MB	90 MB
browser-use CLI → Chrome	433 MB	807 MB	845 MB	395 MB

PandaScript 之所以更轻量，是因为它仅靠一个进程直接在 Lightpanda 浏览器上原生执行任务。相比之下，Puppeteer、Playwright 和 browser-use CLI 通过 CDP（Chrome DevTools Protocol）在独立的进程（Node.js 或 Python）中控制浏览器。这种方式不仅要求浏览器保持运行，还需要通过 WebSocket 连接进行消息的序列化和反序列化。

内存差距的一部分也源于浏览器引擎本身。Chrome 比较沉重，在前述店面示例中消耗了 1 GB 内存。正如上文数据所示，Lightpanda 引擎则轻量得多。

PandaScript 比 Puppeteer 和 Playwright 更快

当每次只运行一个请求时，任何引擎的大部分时间都花在等待网络响应上。例如，Hacker News 的响应时间只有几百毫秒。然而，爬虫或监控任务通常会并行运行数百个请求。在这种情况下，关键指标是单个请求消耗的机器资源量。

与 Puppeteer 搭配 Chrome 相比，PandaScript 的效率要高得多，并行任务的处理速度快了 3 倍。同时，Lightpanda 引擎的性能也优于 Chrome，且随着负载规模扩大，其资源消耗仅略微增加。

PandaScript 实际上快到了需要“降速”的程度。在本次基准测试中，我们同时启动 16 个进程，并在同一毫秒内发送它们的首个请求，结果 Hacker News 的突发限制器将其视为攻击。因此，我们的基准测试让 PandaScript 的进程每 30 ms 启动一次（任何工作进程池其实也应该这么做）。

驱动	4 个流	8 个流	16 个流	16 个流时的 CPU 时间	16 个流时的峰值内存
PandaScript	2.05 s	2.28 s	2.67 s	2.1 s	162 MB
Puppeteer → Lightpanda	2.34 s	2.43 s	2.78 s	12.0 s	870 MB
Playwright → Lightpanda	2.37 s	2.39 s	2.92 s	14.4 s	982 MB
browser-use CLI → Lightpanda	2.97 s	2.63 s	3.16 s	9.7 s	966 MB
browser-use CLI → Chrome	3.97 s	4.75 s	7.19 s	43.4 s	5.4 GB
Puppeteer → Chrome	4.32 s	5.38 s	7.79 s	57.0 s	7.2 GB
Playwright → Chrome	4.50 s	5.37 s	8.31 s	65.0 s	8.0 GB

测试框架、脚本以及每次运行的原始数据都可以在基准测试仓库中找到。