Agent Skills
返回列表
🤖

agent-browser 浏览器自动化

AI Agent 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 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-agent-browser-4。

技能介绍

要解决什么问题

让智能体在真实网页上操作,常见困境是:要么只能给 URL 和文字描述,无法稳定点到具体 DOM;要么绑死在某种 Playwright/Selenium 封装里,和 agent 的对话式「先看页面再决策」节奏对不上。agent-browser 这套流程把可引用的页面快照作为中间表示:先打开页面,用 agent-browser snapshot -i 拿到带 @e1、@e2 等元素引用,再按引用点击、填表、导航,并在 DOM 大变后重新快照,避免盲操作。

技能如何工作

核心四步与 SKILL.md 一致:Navigate(agent-browser open)→ Snapshot(-i 返回 refs)→ Interact(基于 snapshot 中的 @ref)→ Re-snapshot(跳转或显著 DOM 变化后)。在此基础上还覆盖一类工程向能力:截图与 PDF、Wait、鼠标控制、语义定位器(相对 ref 的备选)、多标签/窗口/Frame、对话框与 JavaScript 注入;Cookies & Storage、Network 与代理便于登录态复用和地域测试;--json 便于下游解析;Video recording 可在保留会话 cookie/storage 的前提下新开录制上下文(可先探索再录,便于演示与排错)。并行场景有 Sessions(parallel browsers);认证与表单有文档示例及 templates/form-automation.sh、authenticated-session.sh、capture-workflow.sh 等模板;自签名证书站点有 HTTPS 错误处理说明。更深细节见 references/snapshot-refs.md、session-management.md、authentication.md 等。

适用边界与注意点

本技能描述的是 agent-browser CLI 的工作流与命令面,不是替你在目标站绕过验证码或反爬策略。Snapshot 的 ref 会随页面刷新或重排失效,交互后若布局变化应重新 snapshot(文档中有 ref 生命周期与排错说明)。录屏会新建 context,但不会丢掉当前会话的 cookie/storage;无 URL 时会回到当前页。复杂登录(OAuth、2FA)需按 references/authentication.md 设计流程,不能假设一次 snapshot 就能过完多步验证。

使用场景

  • 需要让智能体先 snapshot 再按 @ref 点击提交按钮,完成内网表单的自动化填报与校验。
  • 登录一次后复用 cookies/storage,对同一站点多页做截图与内容抓取,避免每页重新登录。
  • 并行开多个 browser session,对不同账号或地区(配合代理)做对比抓取或回归检查。
  • 排查自动化步骤时先正常操作页面,再开启 video recording 保留 cookie 录演示流程。

适合人员

  • 维护 OpenClaw/自建 agent 技能链的工程师,希望把「打开—快照—按 ref 交互」写进固定提示词。
  • 做 E2E 或运营脚本的同学,需要表单模板、认证态复用和多标签操作的一条 CLI 命令参考。
  • 负责 Geo/代理联调的测试人员,要按文档配置 proxy 并在 snapshot 后验证页面元素表现。
  • 写自动化排错文档的开发者,需要录屏、JSON 输出和 snapshot ref 失效规则对照官方 reference。