网页访问助手

网页任务自动化的三个痛点

Agent处理网页相关任务时，常面临三类典型问题：一是静态请求难以应对需要页面交互、登录态维持的场景，比如小红书、微信公众号这类动态加载平台；二是固定流程的自动化工具遇到弹窗、登录墙等阻碍时容易卡壳，需要频繁人工干预；三是现有方案常依赖预设步骤，无法根据页面实际反馈动态调整，导致在错误路径上反复重试。

核心逻辑与关键步骤

该技能通过CDP（Chrome DevTools Protocol）实现浏览器控制，核心遵循"像人一样思考"的浏览哲学，围绕任务目标动态决策。核心流程包含四步：

1. 明确成功标准：拿到请求后先定义"完成"的锚点，比如需要获取的页面数据、需执行的交互操作，所有后续判断都围绕此展开
2. 选择最优起点：根据任务性质选择验证路径，如需操作页面则直接启动CDP，而非先尝试静态抓取
3. 过程校验与调整：每一步结果都是判断依据，发现方向错误（如搜索无结果、页面元素缺失）时立即调整，而非重复重试；遇到弹窗等阻碍时，先判断是否阻挡目标，未阻挡则绕过
4. 完成判断：对照最初定义的成功标准确认任务完成，避免为"完整性"过度操作

前置检查环节需验证Node.js 22+版本与CDP模式可用性，处理脚本返回的exit 0（继续）、exit 1（按错误提示排查）、exit 2（询问用户浏览器偏好并写入config.env）三种情况，还支持--browser参数临时覆盖默认浏览器设置。

适用边界与注意事项

• 必须使用Node.js 22及以上版本，依赖原生WebSocket实现浏览器通信，低版本环境无法运行
• 切换浏览器时需先执行pkill -f cdp-proxy.mjs终止长驻代理进程，否则前置检查会失败
• 无法绕过严格的反爬机制或未授权的登录墙，任务前需确认目标页面的访问权限
• 优先选择一手信息源（如官网、原始页面），避免过度依赖搜索引擎或聚合平台的二手信息