Agent Skills
返回列表
浏览器自动化工具(免费版)

浏览器自动化工具(免费版)

AI Agent 更新于 2026.08.29

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」