Nanobrowser 本地多代理浏览器任务

要解决什么问题

大模型本身不能直接操作浏览器：它只能输出文本，无法自己点击按钮、填写表单、等待页面跳转。传统方案要么依赖云端浏览器服务，要么用脚本硬编码每一步操作，前者存在数据出境和成本问题，后者对页面变化极其敏感，改一个按钮位置整条脚本就断了。

这个技能基于 Nanobrowser 补上了中间一层：让模型在本地 Chrome 或 Edge 里，以代理的方式完成多步骤网页任务。

技能如何工作

核心思路是把「看网页」和「动手操作」交给浏览器侧的代理，模型只负责决策。

• 运行环境是用户自己的桌面浏览器（Chrome 或 Edge），通过安装 Nanobrowser 扩展接入
• 任务执行过程中浏览器状态可见，代理能感知当前页面结构，而不是盲跑脚本
• LLM 密钥由用户自己管理，可以接入受支持的模型服务商
• 想完全离线运行，可以用 Ollama 或其它兼容 OpenAI 接口的本地模型提供方
• 适用于多步骤的网页操作序列，例如需要在多个页面之间来回跳转、逐步填写和提交的任务

使用前需满足几个前提：本机装有 Chrome 或 Edge、装好 Nanobrowser 扩展、有自备的 LLM API Key、以及 Node.js 版本不低于 v22.12.0。

适用边界与注意点

需要明确几件事，避免预期过高。

• 复杂任务可能需要更多轮迭代才能跑通，不是一次调用就能稳定完成长流程
• 本地化意味着模型能力直接决定成功率，小参数本地模型在复杂页面上的表现需要自行验证
• 浏览器自动化天然受页面结构影响，目标站点改版后行为可能变化
• 它解决的是「让模型驱动浏览器」，不负责绕过网站的反爬或登录机制

适合的场景是：你愿意自己管密钥、希望数据不出本机、任务步骤多到写死脚本不划算。如果只是想抓一个静态页面，直接用 HTTP 客户端更简单。