技能介绍

问题：Web 工具选择的两难

当你在构建 AI Agent 时，面对一个需要获取网页内容的任务，通常只有几种选择：用搜索找信息、直接抓取 URL、通过 CLI 工具获取结构化数据，或者用浏览器渲染。但这些工具各有各的适用场景和失败模式，如果选择不当，要么浪费计算资源，要么根本拿不到想要的内容。更糟糕的是，很多 Agent 在工具切换时静默失败，用户根本不知道发生了什么。

核心策略：分支决策而非层级递进

这个技能的核心思想是摒弃传统的「工具层级」思维，转而采用分支决策模式。四个工具——web_search、web_fetch、opencli 和 browser——并不是从简单到复杂的递进关系，而是基于任务特征的平行选择。

先看场景，再选工具：如果任务需要搜索但没有明确 URL，直接用 web_search；如果 URL 已知且页面是静态内容，就用 web_fetch。这是第一层决策。

失败时的降级路径：当 web_search 或 web_fetch 失败时，不要直接跳到最重量级的 browser。先试试 opencli，它能覆盖 70 多个主流网站，返回结构化数据，速度更快。只有在 opencli 也失败或不适用时，才动用 browser。

透明切换：每次切换工具时，都要向用户说明原因。这不是礼貌问题，而是调试的基础——当工具链断裂时，你能快速定位是哪一步出了问题。

browser 操作的关键注意事项

browser 是最后的手段，也是问题最多的场景。使用它有几个原则：

登录操作必须获得用户授权：任何涉及账号登录的操作前，先告知用户并等待确认
敏感操作必须二次确认：发帖、删除、支付等不可逆操作
优先使用 CSS 选择器：比 XPath 更稳定，辅以文本匹配
智能等待：等待目标元素出现，而不是用固定时间的 sleep
多步操作保持状态：登录后的后续操作要复用同一浏览器上下文

适用边界

这个策略不是万能的。opencli 依赖本地安装的 CLI 工具，首次使用时可能需要运行安装脚本。browser 虽然强大，但面对 CAPTCHA 或验证码时仍然无能为力。更重要的是，这个策略假设你的场景是「获取信息」，而不是「交互操作」——虽然 browser 支持点击和表单填写，但核心目标还是提取内容。