技能介绍

解决什么问题

日常开发里总有一类任务枯燥却躲不掉：打开浏览器、填写表单、点击按钮、确认页面状态，然后重复几十次。写测试时要用无头浏览器，抓数据时要模拟真人操作，调试前端交互时又得反复手动操作。Browser Automation 这类技能要解决的，就是把结构固定但执行繁琐的浏览器交互交给 Agent 自动完成，把人从重复点击里解放出来。

核心能力与工作方式

这个技能基于 Stagehand CLI 与 Claude 组合实现浏览器自动化，其中最值得说的是环境选择机制：

有配置就用远程：若 .env 中存在 BROWSERBASE_API_KEY 和 BROWSERBASE_PROJECT_ID，自动切换到 Browserbase 云端浏览器
没配置就用本地：否则回退到本机 Chrome，全程无需人工干预
两种模式命令一致：无论本地还是云端，调用方式完全相同，切换环境不需要改代码

首次使用时需检查目录中的 setup.json，若 setupComplete: false 则先完成初始化。此后即可按「先导航、再操作」的顺序驱动浏览器：先 navigate 到目标页面，再下发具体动作，每一步都可以查看截图确认结果。

适用边界与注意点

两种模式各有取舍，选错环境会影响效果：

本地模式启动更快、适合开发调试，但没有隐身能力，也不支持代理和 CAPTCHA 处理
Browserbase 模式适合生产环境与大规模抓取，具备隐身与代理支持，但速度略慢且依赖 API key 配置

实践中有几条硬性建议：永远先导航再操作；每次命令后查看截图验证状态；动作描述要足够具体，避免歧义；任务结束记得关闭浏览器释放资源。遇到动作失败时，先用 observe 类命令探查页面上实际可用的元素，而不是盲目重试。若本地找不到 Chrome，要么安装浏览器，要么切到 Browserbase 模式。