AI 操作网页时，成本最高的常常不是点击，而是理解页面结构：按钮在哪里、字段叫什么、跳转后出现什么状态、失败时怎么恢复。
AgentLimb 的 muscle memory 思路是把这些探索结果沉淀下来，让同类任务第二次、第三次执行时不必从零开始。
开发细节补充：这篇记录放在 AgentLimb 的产品日记里，不是为了把一个功能包装成故事，而是把“04 · 记忆机制：为什么第二次任务更便宜”放回真实项目推进中看。它要同时回答三件事：用户为什么需要这个点，开发时哪些边界必须先定住，以及这个选择会怎样影响上架、推广和后续课程复盘。平台口径是 Chrome / MCP / 本地桥接，当前公开状态是 开源 / 本地优先 / AI 编程，所以文案不能脱离真实发布进度。
对应的 docs 线索主要来自 浏览器控制底座记录、本地 bridge 设计、MCP 接入说明、多账号运营流程复盘。公开页面不会照搬内部工作记录，而是把可公开、可学习、不会泄露私密路径和账号信息的事实整理出来。AgentLimb 的开发记录围绕真实 Chrome、用户已有账号会话、本地桥接和 muscle memory 展开，目标是让 AI 进入真实网页工作流。 它的关键不是点击按钮，而是把浏览器状态、DOM 探索、任务路径和二次复用做成可解释、可调度的本地能力。 多 profile、多窗口、多账号这些记录说明产品面向真实运营场景，而不是只在无登录沙盒里演示自动化。 安全边界始终围绕本地 127.0.0.1、用户确认和会话不上传展开，这决定了它不能做成粗暴云端代理。
从产品功能看，AgentLimb 关联的能力包括：一段提示词完成接入、复用 DOM 探索结果、真实 Chrome 会话、多账号并行控制。写这类日记时，不能只说“做了什么”，还要说明为什么先做这些、为什么暂时不做另一些。比如一个按钮、一个导入流程、一个本地模型开关或一段截图文案，放在代码里只是小改动，放在产品里却会影响用户理解、审核员复现和后续推广素材。
从工程推进看，这篇日记对应的检查点是：AI 自动化课程的技术锚点；可解释 MCP、本地 bridge、浏览器 session 和任务记忆。真实开发最容易失真的是中间过程，因为最后页面看起来只有一个结果，但实际会经历方案取舍、权限确认、素材准备、测试设备、审核备注和发布节奏。把这些过程写下来，后面做同类产品时才不会重新踩同一个坑。
从隐私和合规看，当前约束是：Bridge 运行在本地 127.0.0.1，浏览器会话和 muscle 文件保留在用户自己的机器上。这类信息必须前置到开发日记里，因为独立产品的可信度不是靠口号建立的，而是靠数据在哪里处理、用户能不能退出、功能是否离线可用、商店页怎么承诺、隐私政策是否与实现一致这些小事实积累出来的。
从课程和复用看，这篇内容可以沉淀到 浏览器自动化、MCP 工具链、多账号运营、AI 操作真实网页。它的价值不只是给访问者看一个产品，而是展示一个独立开发者怎样把想法转成可验证的产品：先收窄场景，再选技术路径，再做体验最小闭环，最后把审核、推广、运营数据和失败教训都纳入下一次迭代。
浏览器自动化产品要沉淀路径记忆和验收机制，而不是只追求单次任务跑通。 这也是为什么每篇产品日记都要写到足够长：不是为了凑字数，而是为了把“证据、决策、实现、边界、复盘”都放在同一页，让读者看到一个判断是怎样被逐步验证出来的。最难的是让 AI 足够会操作网页，同时又不越过账号、权限和敏感动作的边界。
所以这篇日记的结论不是“功能已经写完”，而是把一个阶段的判断公开化：哪些证据足够支撑继续推进，哪些资料还需要回到源码、商店材料、公开文案或运营观察里补齐。这样的记录会比单纯的发布公告更慢，但也更真实，能让产品页、发布记录和课程内容保持同一条事实线。
验收时我会把它拆成四个层次：第一层是用户路径能不能走通，第二层是异常状态有没有被诚实处理，第三层是页面上的按钮、状态、截图和文案是否对应真实发布渠道，第四层是公开证据能否支撑这个判断。只要其中一层对不上，产品看起来再完整，也不能算真正进入下一个阶段。
交接时也要保留边界：源码、构建、测试、商店元数据、公开文案、平台反馈和运营观察分别保存原始资料。产品日记只把这些事实翻译成读者能理解的过程，不替任何私有记录保存原始材料。
把这些内容公开出来，还有一个很现实的原因：AI 教程如果只展示成功结果，很容易让人误以为产品是一次生成出来的。真实情况恰好相反，真正可学习的是一次次收窄、验证、失败、补证据和重新提交。日记越具体，后续读者越能看到判断的脉络，而不是只看到一个漂亮的截图。
自动化不是一次性脚本
一次性脚本能完成单个任务，但页面稍微变化就会失效。记忆机制记录的是任务路线和关键节点，让 AI 能根据现状重新确认，而不是机械复读坐标。
记忆要能被人读懂
如果记忆文件只有机器能理解，用户无法判断它是否安全。AgentLimb 更适合把页面路线、选择器、注意事项和人工确认点写成可读内容。
课程里可以讲复用的经济性
很多办公自动化的价值不是省下一次五分钟，而是把同一类重复任务变成可复用流程。记忆机制正好可以解释 AI 工具如何从“聪明”走向“省事”。