OpenCLI 站点适配器生成器

你在解决什么问题

当你想把某个已登录网站接入自动化流程时，通常只能两种选择：要么手动把页面操作翻译成一堆脆弱的 Playwright 脚本，要么干脆放弃，让 agent 永远碰不到这类站点。前者的问题很明显：UI 一改版，脚本就得跟着改；登录态稍微变化，整个流程直接崩；同一个站点的不同功能还要反复写重复的导航逻辑。后者则让 agent 的能力边界被锁死在少数几个有官方 API 的网站上。

与此同时，你的环境里可能已经装了不少好用的本地 CLI 工具——gh、docker、ntn（Notion）、longbridge——它们散落在终端里，agent 却没法像调用一个普通命令那样统一使用。你需要一个机制，把浏览器里跑的复杂交互收敛成一个稳定的入口，同时把本地工具也纳入同一套调用协议。

这个技能是怎么工作的

核心能力可以拆成三块：观察、合成、暴露。

• 观察：通过 OpenCLI 的浏览器桥接扩展，读取你当前登录状态下的真实页面行为，而不是靠猜测去构造请求。
• 合成：把观察到的操作序列抽象成一个确定性适配器，它会固定选择器、等待条件和异常路径，而不是每次运行时重新摸索。
• 暴露：把适配器封装成可重复调用的 CLI 命令，后续 agent 只要带上参数就能直接使用，无需重复打开浏览器。

典型流程分为三步：

1. 探索阶段：在浏览器里手动完成一次目标流程，OpenCLI 捕获操作事件和页面状态变化。
2. 合成阶段：将捕获结果转换为适配器描述文件，这一过程要保留稳定的页面结构信息，同时过滤掉一次性噪音。
3. 暴露阶段：适配器被注册为标准 CLI 命令，agent 拿到的就是一个可预测的调用接口，而非一段需要维护的脚本。

这种设计的好处在于，把容易出错的浏览器交互和 agent 的推理流程解耦了。以后即使页面结构调整，你只需要重新跑一次探索流程，而不需要去改 agent 的提示词或者工作流。

适用边界与注意点

• 这个技能依赖 OpenCLI 的浏览器桥接扩展，它只能观察你当前浏览器实例中的行为，无法跨标签页捕获不属于当前会话的内容。
• 合成的适配器是确定性描述，这意味着它不包含模糊匹配或自适应选择器的能力。如果页面上的元素位置频繁变化，你可能需要定期重新生成。
• 它本质上是一个命令封装层，不是万能浏览器控制器。涉及到浏览器新窗口弹窗、跨域跳转这类复杂场景时，仍需要你在 CLI 调用侧做额外处理。
• 本地二进制工具的适配依赖 OpenCLI 的 CLI Hub 机制，你需要手动注册二进制路径，它不会自动发现 PATH 里所有命令。
• 上游文档提到适配器覆盖了上百个站点，但这些适配器的实际效果取决于 OpenCLI 项目的维护节奏，遇到页面改版过快的站点，适配效果可能会打折扣。