浏览器自动化

解决什么问题

很多自动化需求最终都会落到浏览器上：重复点击、跨页面填表、抓取渲染后才出现的内容，或验证某条端到端流程。手工写 Selenium/Playwright 脚本往往要先处理选择器、等待和环境，还没开始解决业务问题，代码就先变得臃肿。

这个技能的目标是让浏览器操作变成可描述的指令：指定要完成的动作，而不是逐个写 DOM 选择器。它基于 Stagehand CLI 并与 Claude 协作，适合作为 Agent 工作流里的浏览器执行层。

它如何工作

• 自动选择运行环境：如果 .env 中存在 BROWSERBASE_API_KEY 与 BROWSERBASE_PROJECT_ID，使用远程 Browserbase；否则回退到本地 Chrome。
• 配置驱动，无需额外交互：环境选择完全由可用配置决定，不需要用户在运行时反复确认。
• 首次使用检查状态：首次运行前会读取目录内的 setup.json，若 setupComplete: false，需要先完成初始化。
• 命令在两种模式下保持一致：无论本地还是远程，命令行为相同，便于从开发环境迁移到抓取或生产场景。
• 建议按最佳实践执行：先 navigate 再操作；每条命令后查看截图确认结果；动作描述要具体；任务结束关闭浏览器。

适用边界与注意点

• 本地模式依赖 Chrome：如果本机没有 Chrome，应安装浏览器，或切换到 Browserbase。
• 本地模式能力有限：表内信息显示，本地环境通常不具备 stealth mode，也不直接支持代理或 CAPTCHA 处理；这些更偏向远程 Browserbase。
• 动作失败时先观察页面：可用 browser observe 发现页面上可用元素，再调整操作描述，减少盲目点击。
• 远程模式失败先查配置：如果 Browserbase 异常，优先确认 API key 和 project ID 是否正确。
• 文档继续阅读：更详细的示例见 EXAMPLES.md，API 参考见 REFERENCE.md。