WebDelegate · 去任何网站的人机协同代办

为什么需要它

打开知乎、头条、小红书、微博写一篇内容，或者去 163 注册邮箱、在某个后台填张表单——这些操作本身不难，但对不熟悉网页的人来说，每一步都可能卡住：登录弹窗反复跳、编辑器抽屉挡住输入框、发布按钮藏在折叠菜单里。WebDelegate 要解决的不是“某个平台怎么操作”，而是“任何一个网站，帮我把活干到只差最后一步”。

它明确不做全自动。凡是涉及验证码、短信、人脸、支付、API 密钥、管理员权限的环节，全部留给真人确认。它也不替代你的账号，只操作你本人已授权登录的账户。

核心能力与关键步骤

整个技能围绕一个核心机制：AI 执行可自动化的部分，真人确认敏感或不可逆的动作。

• 自动监测登录态：通过 CDP 连接浏览器读取 DOM，不依赖用户手动反馈是否已登录。
• 复用已开会话：使用持久化的 --user-data-dir，登录态跨重启保留；首次运行时弹窗询问是否记住。
• 语义命中入口：不写死步骤序列，而是通过语义匹配找到正确的入口和按钮。
• 错误驱动适应：遇到页面结构变化时，基于实际错误反馈调整操作，而不是预设一套固定流程。
• 站点知识固化：每个站点的编辑器 URL、登录检测逻辑、抽屉关闭选择器等，都写在 adapters/*.yaml 中，探明一次后永久复用，后续操作不再重复猜测。

以“去头条写推广文”为例，完整流程是这样的：

1. 调用 open_site.py --site toutiao 打开可见窗口，自动探测当前登录态。
2. 如果未登录，系统弹窗请真人亲自登录，并询问是否记住登录态（只存会话，不存明文密码）。
3. 用户登录完成后，无需告知，直接调用 verify_site.py --site toutiao 连接 CDP 自动确认已登录。
4. 调用 fill_site.py --site toutiao --content-md draft.md，读取适配器配置，进入编辑器，关闭抽屉陷阱，填写标题和正文，截图并弹窗通知。
5. 最后一步——预览和发布——由真人点击确认。

底层有一个离线确定性内核 kernel.py，暴露两个纯函数：validate_intake(text) 检查输入是否为空、过短或缺少站点和动作信息；plan_task(data) 将结构化任务拆解为有序执行计划，输出 open→verify→fill→留墙 的步骤序列。这两个函数不依赖任何 LLM，可在工厂门禁中被调用做前置校验。

适用边界与注意点

• 运行环境需要 Python 3.11+、playwright 和 pyyaml；首次运行前需完成一次 skillhub login（微信扫码），之后技能本身的运行不依赖联网 LLM。
• 添加新站点只需复制一份 adapters/zhihu.yaml，填入 editor_url、login_detect、editor 选择器和 close_drawer_selectors，跑一遍 open_site + verify_site + fill_site 校准即可，无需修改驱动代码——通用的 wdlib.py 会读取适配器配置自动生效。
• 它不抓 PII、不破解安全墙、不操作非本人账户。识别到全页 mask 或 drawer（如头条创作助手弹出的浮层）时，会先关闭再继续操作，避免被“视觉无害”误导。
• 这是通用网页代办底座，不绑定任何特定业务场景。上层可以叠加广告滤网、多平台投放等具体功能，但它本身卖的是“去任何网站”的能力。