Stagehand 浏览器代理 SDK

要解决的问题

维护过浏览器自动化脚本的工程师大多遇到过两类极端。一类是 Selenium、Playwright、Puppeteer 这类框架，你要把每一步操作翻译成底层代码，DOM 一变脚本就挂，重写成本几乎等于初次开发。另一类是纯高层代理方案，用自然语言下指令确实省事，但行为不可预测，今天能跑的流程明天可能就面目全非，很难直接放进生产环境。

Stagehand 想填的正是这个中间地带：既要有代码的确定性，又不必为每个点击、每次输入都手写底层指令。

核心能力与工作方式

Stagehand 是 Browserbase 开源的浏览器代理 SDK，核心思路是代码优先控制与自然语言动作并存。你可以用熟悉的语言给代理下达高级意图，SDK 负责把意图拆解为具体页面操作，而不是让你逐行堆砌选择器。

关键在于它的自愈与缓存机制，官方称之为 write once, run forever：

• 自动缓存：代理会记住此前执行过的动作序列
• 自愈能力：常规流程直接回放缓存结果，不需要调用 LLM 推理，速度与成本都可控
• 按需升级：当目标网站结构发生变化、回放失败时，代理才介入 AI 重新规划路径，修复后的动作序列继续被记住

也就是说，这是一个“常态离线、异常上云”的设计。稳定场景下跑的是缓存回放，异常场景才触发模型推理，而不是每一步都烧一次 token。SDK 提供 TypeScript 集成、文档和 npm 分发，面向的是真正要在生产环境跑起来的代理工作流。

适用边界与注意点

• 它不是无状态的一次性脚本工具，价值依赖缓存积累；首次执行一个新流程时仍需模型参与
• 自愈能力针对的是页面结构变化，如果站点改版幅度大到业务流程本身失效，任何自动化方案都救不了
• SDK 面向 Node 生态，同时存在独立的 Python 实现，二者能力边界以各自仓库为准
• 环境需准备 npm、pnpm，文档与代码示例以 TypeScript 为主

一句话总结：适合那些希望用自然语言描述意图、又要求生产级可控性的浏览器自动化场景。