浏览器自动化工具(免费版)
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 @u_8ee34d77/browser-automation-tool-free。
技能介绍
问题背景
传统浏览器自动化离不开 CSS/XPath 选择器和可维护脚本:页面改 class、DOM 重排,选择器就会失效,迭代成本落在写脚本的人身上。若你只是要从某个后台页抽几个字段、点一次导出或在不熟悉结构前先摸清页面上有哪些可点元素,为每个站点写一套 Playwright/Selenium 往往过重。
工具如何工作
本技能把浏览器操作收敛为一组 CLI 式命令,由 Agent 按 SKILL.md 发起执行:
browser navigate <url>:先打开目标页(文档强调交互前应先导航)。browser act "…":用自然语言描述动作,例如「点击蓝色的提交按钮」。browser extract "…":按描述拉取结构化内容;复杂场景可配合 JSON schema。browser observe "…":在不写选择器的前提下发现按钮、链接等可操作元素。browser screenshot/browser close:核对页面状态并释放本机 Chrome。
免费版默认走本地 Chrome,无需远程浏览器 API;可选远程模式才涉及 BROWSERBASE_API_KEY 等配置。运行侧需要 Node.js(>=18)与本机 Chrome。
边界与注意点
- 适合可变流程的原型验证与个人采集,不等同于大规模生产爬虫或强对抗场景(本地模式不支持代理/CAPTCHA、隐身模式等,文档指向专业版)。
- 动作失败时,应先
observe、细化描述并screenshot对照当前页面,而不是堆叠模糊指令。 - 技能说明中的「参数配置与调用」「核心功能执行」等条目指向同一套浏览器命令能力,不要把其理解成与浏览器无关的通用 API 集成平台。
使用场景
- 需要在未写选择器的前提下,从单页报表里抽出标题和表格字段做本地归档
- 接到的内网后台只有临时账号,想先用自然语言点通「导出」并截图留存结果
- 新接手的前端页面结构不熟,要先列出当前页所有按钮再决定下一步点击
- 调试 Agent 工作流时,用 navigate + act + screenshot 逐步验证页面是否按预期响应
适合人员
- 个人开发者想在本地 Chrome 上快速验证采集原型,又不愿为每个站点维护 XPath
- 接外包或副业项目的独立工程师,需要在交付前手动走通客户后台的关键点击路径
- 写 Agent 技能或演示 DEMO 的工程师,希望用自然语言编排浏览器步骤而非硬编码选择器
- 做 QA 或支持的同学,偶尔要从线上页面拉取字段并对照截图排查「点错了哪一步」