Agent Skills
返回列表
💻

Agent Browser 无头浏览器自动化

开发编程 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_f12a44b7/self-dev-agent-browser。

技能介绍

解决的问题

当脚本需要操作网页时，CSS 选择器易碎、页面异步加载会导致等待困难，自动化也常依赖有界面环境。agent-browser 将无头浏览器变成可命令式驱动的对象：先导航，再用快照定位，最后按引用执行交互。它适合把表单提交、登录态复用、截图/PDF、网络观察等流程写成可解析的 CLI 工作流。

技能如何工作

核心循环是：

  • open 打开目标页；
  • snapshot -i 返回带 @e1、@e2 这类引用的元素；
  • 用引用执行点击、输入、等待、鼠标控制；
  • 页面跳转或 DOM 显著变化后重新 snapshot。

除基础交互外，还提供 cookies/storage、network、tabs、frames、dialogs、JavaScript、状态管理和并行 --session。输出可加 --json，便于程序读取。--headed 可用于调试，--cdp 可连接 Chrome DevTools Protocol。

注意边界

  • refs 仅在当前页面加载期间稳定，导航后会变化；
  • 输入框建议用 fill 而非 type，确保清空原有内容；
  • 页面未加载时应在导航后加 wait；
  • 录像会创建新上下文，但保留当前 session 的 cookies/storage。

使用场景

  • 在 CI 中打开表单页，用 snapshot 取引用并提交数据，再输出 JSON 结果。
  • 需要复用登录态时，保存 cookies/storage，并用并行 session 批量执行任务。
  • 页面跳转后元素引用失效，重新 snapshot 再定位输入框、按钮和表格。
  • 用 --headed 调试无头失败，再用 --json 和 wait 稳定抓取页面状态。

适合人员

  • 需要把网页操作写成可解析 CLI 命令的后端工程师
  • 要在 CI 里稳定提交表单、抓页面状态的自动化测试工程师
  • 需要复用登录态和并行浏览器会话的爬虫/数据工程师
  • 调试无头浏览器交互并输出截图/PDF 的前端工具链开发者