ProofShot CLI предоставляет AI-кодирующим агентам возможности верификации в браузере.

ProofShot: Проверка браузера для ИИ-агентов программирования
ProofShot — это кроссплатформенный CLI с открытым исходным кодом, который даёт ИИ-агентам для программирования возможность проверять создаваемые ими UI-функции, записывая сессии браузера, делая скриншоты и собирая ошибки. Он решает проблему, когда агенты пишут код, но не могут увидеть, как он на самом деле выглядит в браузере, или обнаружить проблемы с вёрсткой и ошибки консоли.
Как это работает
Инструмент следует трёхэтапному рабочему процессу: запуск, тестирование, остановка. ИИ-агент управляет браузером с помощью команд agent-browser, в то время как ProofShot записывает сессию.
Базовое использование:
proofshot start --run "npm run dev" --port 3000
# агент переходит по страницам, кликает, делает скриншоты
proofshot stop
Подробный пример рабочего процесса:
# 1. Запуск — открыть браузер, начать запись, захватить логи сервера
proofshot start --run "npm run dev" --port 3000 --description "Проверка формы входа"
2. Тестирование — ИИ-агент управляет браузером
agent-browser snapshot -i # Просмотр интерактивных элементов
agent-browser open http://localhost:3000/login # Переход
agent-browser fill @e2 "[email protected]" # Заполнение формы
agent-browser click @e5 # Клик по кнопке отправки
agent-browser screenshot ./proofshot-artifacts/step-login.png # Захват доказательства
3. Остановка — объединение видео, скриншотов и ошибок в артефакты доказательств
proofshot stop
Ключевые особенности
- Работает с любым ИИ-агентом для программирования, который может выполнять команды оболочки (Claude Code, Cursor, Codex, Gemini CLI, Windsurf, GitHub Copilot и т.д.)
- Упакован как навык, чтобы ИИ-агенты понимали, как его использовать
- Построен на основе agent-browser от Vercel Labs (описывается как "намного лучше и быстрее, чем Playwright MCP")
- Не является фреймворком для тестирования — не принимает решения о прохождении/провале, а только предоставляет доказательства
- Генерирует автономные HTML-файлы с видео, скриншотами и логами
- Может загружать артефакты в PR на GitHub в виде встроенных комментариев с помощью
proofshot pr
Установка и настройка
npm install -g proofshot
proofshot install
Первая команда устанавливает CLI и agent-browser (с headless Chromium). Вторая обнаруживает ваши инструменты ИИ-программирования и устанавливает навык ProofShot на уровне пользователя — работает автоматически во всех проектах.
Выходные артефакты
Каждая сессия создаёт папку с меткой времени в ./proofshot-artifacts/, содержащую:
session.webm— Видеозапись всей сессииviewer.html— Автономный интерактивный просмотрщик с ползунком прокрутки, временной шкалой и вкладками Console/Server logSUMMARY.md— Отчёт в формате Markdown с ошибками, скриншотами и видеоstep-*.png— Скриншоты, сделанные в ключевые моментыsession-log.json— Временная шкала действий с метками времени и данными элементовserver.log— Вывод stdout/stderr сервера разработки (при использовании--run)console-output.log— Вывод консоли браузера
Доступные команды
proofshot install— Обнаружить инструменты ИИ-программирования и установить навык ProofShotproofshot start— Начать сессию проверки с браузером, записью, захватом ошибокproofshot stop— Остановить запись, собрать ошибки, сгенерировать артефакты доказательствproofshot exec— Пропускная команда
Инструмент полностью бесплатный и с открытым исходным кодом, без привязки к поставщику или зависимости от облака. Он предназначен для разработчиков, которые используют ИИ-агентов для создания UI-функций и хотят проверять результаты без ручного открытия браузера каждый раз.
📖 Прочитать полный источник: HN AI Agents
👀 Смотрите также

Разработчик достиг задержки менее секунды для STT/TTS с локальными серверами Whisper и Coqui-TTS.
Разработчик опубликовал в открытом доступе реализации локальных серверов для Whisper STT и Coqui TTS, которые обеспечивают задержку ~0,2 секунды при преобразовании речи в текст и ~250 мс при преобразовании текста в речь, что позволяет создавать разговорные ИИ-агенты без зависимости от облачных сервисов.

7-Файловый Уровень Управления для Предотвращения Дрейфа Сессий LLM
Разработчик создал слой управления с семью файлами, чтобы предотвратить тихую отмену архитектурных решений Клодом между сессиями. Система включает файлы active_context.md, contracts.md и decisions.md со строгим циклом выполнения.

Engram: Гибридный плагин памяти для агентов OpenClaw — Векторный + Семантический поиск с затуханием
Engram дает агентам OpenClaw постоянную память между сессиями, используя SQLite+FTS5 для точного поиска и LanceDB для семантического поиска, с классами затухания и автоматическими захватами.

Использование инструментария Obliteratus для удаления весов отказа из моделей искусственного интеллекта.
Пользователь Reddit использовал инструментарий Obliteratus для хирургического удаления конкретных весов, отвечающих за поведение отказа в моделях ИИ, продемонстрировав на модели Qwen 1.5B от Alibaba, что это может раскрыть происхождение обучения без переобучения.