技能介绍

解决什么问题

Web automation 给 AI Agent 带来一个常见断层：Agent 侧需要执行脚本、等待、记录日志并管理任务状态；浏览器侧则需要访问 document、window、真实视口和页面 JavaScript。ego-browser 为 AI Agent 提供一个 CLI 可访问的 Node.js 运行时，并内置 snapshot、click、evaluate、cdp 等 helper，使 Agent 可以在同一个脚本工作流中观察页面、操作 UI、执行浏览器端 JavaScript，并驱动真实浏览器完成 Web 自动化任务。

如何工作

通过 Bash tool 以 ego-browser nodejs { ... })() 形式运行浏览器操作。heredoc 主体是 Node.js 代码：导航、等待、console.log(...) 和任务空间管理应写在这里；任何需要页面上下文的内容，例如 document、window、CSS 选择器或浏览器 JavaScript，都应放进 evaluate(...)。一个典型流程是：先用 snapshot 或 pageInfo() 检查页面状态，判断坐标是否可用，再执行 click 或 evaluate，最后调用 completeTaskSpace(name, { keep }) 结束任务。默认使用 { keep: false }，只有明确的 live-page 场景才使用 { keep: true }。

注意点

如果 await pageInfo() 报告 w: 0 或 h: 0，先停止坐标操作和截图，直到视口修复；可切换真实标签页、重载页面或检查 CDP viewport metrics，再用 pageInfo() 和 screenshot() 验证。
行尾的 [ego-browser:notice] 是更新提示，不是错误。不要在任务中途处理它；当前任务停止或 completeTaskSpace() 完成后，再询问是否升级并重启 ego lite。
默认假设运行时已准备好，除非首次运行报错。如果首次运行提示 command not found 或缺少环境，按安装流程处理后再回到原始任务。