OpenAI浏览器Atlas核心架构，终于揭秘！

今天一早就有情况，Atlas负责人Ben Goodger公开了一篇博文，而在这之后OWL架构首次出现展现了出来。

就在上一周，那酝酿了特别久的OpenAI的终极浏览器GPT Atlas终于出现了，它开启了一种全新样式的网页浏览方式，并且在整个过程当中还能够和GPT进行交互。

团队重构了浏览器的架构OWL，目的是要让GPT成为得力的「领航员」 。

OWL架构自画像

其中，最为关键的一步存在于，把Atlas应用以及Chromium运行时，予以分开 。句号

这般情况下，他们开拓出一套全新型的 Chromium 整合模式，基于此情形，Atlas 能够达成这样的结果——

原生框架OWL，重构UI体验

为何要用谷歌Chromium去做「套壳」？

OpenAI作出了解释，Chromium是一种理想的构件基础句号。

它给出了一流的网页引擎，具备强大的安全模型，有着久经考验的性能表现，还有无与伦比的网页兼容性。

再者，它被一个全球化的社区连续不断地进行开发，并且持续予以改进，它是现代桌面网页浏览器领域的首选方案。

在另外一个方面，OpenAI的设计团队，为「用户体验」这个方面，设定了十分宏大的目标，举例来说，像是为「智能体模式」这类功能，达成丰富多样的动画以及视觉效果 。

这便提出要求，工程团队得采用最为现代化的原生框架，像SwiftUI、AppKit以及Metal，以此构建UI，并非单纯地给开源的Chromium UX进行「换皮」。

因此，Atlas的UI是对整个应用用户体验的一次彻底重建。

除此之外，OpenAI团队存在着别样的产品目标，像是迅速开启，又譬如能够支持同时打开数百个标签页面那般 。

仅靠开箱即用的Chromium，是无法实现的。

因其针对启动序列，有其固定实现方式，针对线程模型，有其固定实现方式，针对标签页模型，也有其固定实现方式，且涉及许多细节 。

为了将开发速度提升至最大限度，OpenAI得找寻一种别样方式，用以整合并且驱动Chromium运行。

衡量这项技术投资是成功的关键之处，不仅在于它可不可以支持更快的实验迭代，以及新功能交付，它关乎于它能不能坚守OpenAI工程文化的核心：

入职第一天就提交代码。

每一位新入职的工程师，在入职一天的下午之时，都能够完成并且合并一项小的改动。

哪怕进行检出以及构建Chromium所需的时长可能达到数小时那么久，可这一点无论如何都得达成句号。

为此，OpenAI给出的解决方案是：OWL。

以应对这些挑战，OpenAI构建了一个全新架构层，将其称作OWL，也就是OpenAI Web Layer ，。

OWL是一种集成Chromium的方案，Chromium的浏览器进程，被它运行在主应用Atlas的进程的外部，标点符号在这里为，句号。

第一天提交代码，数分钟造Atlas

你能够如此去理解，Chromium借助把标签页转移至单独进程，对浏览器进行了彻底的变革。 ，Chromium改变了浏览器！句号不是一个常见的逗号句号的组合！然而，它是一个句号！

OpenAI把这个理念进行推进，推向了新的高度，这个理念是将Chromium本身从主应用进程里剥离出来，将其置于一个隔离的服务层当中。

这种设计方式，带来了一系列优势：

之所以开发速度能够得到极为显著的提升，是由于工程师不必频繁地从源码构建Chromium，哪怕是新入职的成员，在入职当天下午时分，也都能够合并简单的代码改动 。

位于顶层的角度而言，Atlas浏览器属于OWL客户端，Chromium的浏览器进程，为OWL主机。

它们中间采用IPC（也就是进程间通信）实行通信，具体运用的是Mojo（点击可在新窗口中打开），这是Chromium自带的消息传递系统 。

OpenAI给Mojo撰写了专门的Swift（甚至TypeScript）绑定，这致使Swift应用能够径直去调用主机端的接口，

OWL客户端库对外提供了这样一个公共Swift API，该API具有简洁的特性，它用于对主机服务层所暴露的数个关键概念进行抽象提炼，。

另外，存在着一系列范围广阔的服务端点，这些端点被用以管理书签，进行下载操作，实现扩展功能以及完成自动填充等具备高级性质的功能 。

渲染：跨进程边界传递像素

在客户端应用里面，多个WebView各自拥有一个互斥的显示空间，这些WebView会在一个共享的整体呈现空间里被换入再换出，这个共享的整体呈现空间是合成容器，而这些WebView是在这个合成容器中进行换入换出操作的。

例如，一个浏览器窗口，通常仅有一个可见的共享容器，当用户于标签栏里选择一个标签页时，该标签页所对应的WebView，就会被换入这个容器。

于Chromium端，此容器对应一个gfx::AcceleratedWidget，此gfx::AcceleratedWidget的底层又受一个CALayer支持。

OpenAI把那CALayer的上下文ID透露给客户端，客户端里的NSView接着凭借私有的CALayerHost API将其嵌入。 ```

要是碰到一些情形特殊的状况，像那种下拉菜单模样的或者是进行颜色选择器方面操作的时候，Chromium会在那种独立开来的弹出窗口当中去开展画面渲染的行为的，不过呢依旧是采用相同的办法来做这件事的。这些弹出窗口里面并不存在content::WebContents这种东西的，可是它们自家是有着一个content::RenderWidgetHostView和一样有着gfx::AcceleratedWidget的，所以同样的委托渲染那一套模型仍然是能够适用的。首先，OWL内部会保持视图几何信息与Chromium端同步，这样一来GPU合成器便能相应更新，且始终生成尺寸及设备缩放比例正确的的的图层内容。其次，OpenAI还利用此项技术，有选择性地把Chromium自在原生Views UI的元素投射进Atlas里。最后，实现权限提示一类功能，它就非常有用，不需要在SwiftUI里从零开始搭建替代品。这项技术大量参照了现有的Chromium应用于macOS上面的安装了可以安装网页应用的基础设施，输入事件是解析还有转发，在把平台事件像macOS的NSEvents转发给运行显示的机器之前，Chromium的用户界面会先把它转变为Blink的网络输入事件的模型。但因OWL于一个隐藏进程里运行Chromium，OpenAI在Swift客户端库中自行达成了这一转换，且把转换后的事件直接转发至Chromium，此后，这些事件会遵循与真实输入事件在网页内容里相同的生命周期，这涵盖了当页面表示未处理某个事件时将该事件返回给客户端的情况，此时OpenAI会重新合成一个NSEvent，让应用的其他部分有机会处理该输入。智能体模式，有着特殊处理，针对Atlas AI智能体浏览功能，在渲染方面，在输入事件转发方面，在数据存储方案方面，提出了一些独特的挑战。计算机视觉模型，需要把整个屏幕的单张图像当作输入。然而，某些UI元素，像下拉菜单，会在标签页边界之外的独立窗口中进行渲染。

在智能体模式之时，OpenAI 将把这些弹出的窗口，按照恰当的坐标予以合成，使其重新回至主页面的图像里面之中，以此确保那个模型能够于单个的画面之内看到完整无缺的上下文。

他们针对输入采用相同原则，由智能体生成的事件，直接路由到渲染器，绝不经过拥有特权的浏览器层。

这确保了即使在自动化控制下，沙箱边界依然得以维持。

比方说，OpenAI不乐意这类事件组合生成键盘快捷键，进而致使浏览器施行和当下网页内容没有关联的操作。

智能体浏览还可以在一个临时的「已登出」的上下文中运行。

同时，OpenAI不会共享用户现有的无痕模式配置文件，利用Chromium的StoragePartition基础设施，以此来启动隔离的存储空间，内存中的存储空间 。

每一个智能体的会话，均是从一个全然新鲜的状态起步，当会话终结的时候，全部的cookie以及网站数据，都会被舍弃掉。

有那么一些人，能够在同一时间之内同时去运行数量众多的处于「已登出」状态的智能体所作的对话，其中的每一段对话呢，都分别处在一个个相互独立的浏览器的标签页之中，还会和园其他一些会话能够完全处在彼此隔离开来的这种情况 。

丝滑解锁下一代AI浏览器

要是没有全球Chromium社区，要是没有他们为构建现代网络基石所付出的颇具成效的努力，这所有的一切都根本没办法去谈起句号。

OWL正是在这一基石上，以一种全新的方式进行构建：

引擎与应用被解耦，世界级的网络平台与现代化的原生框架得以相融合，进而解锁出一个更快、更灵活的架构。

借助重塑浏览器承载Chromium这个途径，OpenAI开创了新型体验的空间，有更流畅的启动，有更丰富的UI，有与操作系统更深度的集成，还有一个能跟创意速度同步的开发循环。

所以，Atlas远不止是Chromium一个简单的外壳。

参考资料：

该内容只是一个网址链接，无法进行改写，其为https://openai.com/index/building-chatgpt-atlas/ 。