↑

Agent Browser 网页自动化v0.1.0

agent-browser5 KB

为 AI Agent 提供无头浏览器自动化操控能力,通过无障碍树快照与确定性元素引用实现精准点击、填表、抓数据等网页操作。适用于需要多步骤网页流程自动化、复杂 SPA 交互或会话隔离的场景。

0 0 0 0 更新于 2026-10-28 18:12

免责声明:本站部分 Skill 来源于公开渠道,使用前请注意识别相关风险,内容版权归原作者所有,如 Skill 涉及版权问题,请在线反馈,核实后予以下架处理。

概述

本 Skill 为 AI Agent 封装了一套基于 CLI 的无头浏览器自动化操控方案。核心机制是通过无障碍树快照生成带引用的元素标识(如 @e2、@e3),替代脆弱的 CSS 选择器或坐标定位,实现复杂网页中按钮点击、表单填写、数据提取等操作的高稳定性。支持多会话隔离、登录状态持久化、网络请求拦截与模拟,以及 iframe 与多标签页切换,适合需要跨页面连续执行、重复验证或并行多账号操作的自动化工作流。

技能包含

  • SKILL.md(本文件):技能主说明,涵盖命令全集、快照输出格式、最佳实践与多会话测试示例

核心能力

  • 无障碍树快照解析:以 -i --json 获取可交互元素的结构化快照,自动生成稳定引用标识
  • 确定性元素操控:基于 @ref 精准执行点击、填充、悬停、勾选、下拉选择、拖拽等操作
  • 会话隔离与状态复用:多浏览器上下文并行运行,支持 cookies / localStorage 的保存与加载,跳过重复登录
  • 网络层干预:拦截、屏蔽或模拟 API 响应,监控请求流量,辅助调试与测试
  • 智能等待策略:支持元素出现、文本出现、URL 匹配、网络空闲、自定义 JS 条件等多种等待方式
  • 多标签与 iframe 切换:在标签页之间跳转,或在主页面与嵌套 iframe 之间无缝切换上下文

应用场景

用户怎么说本技能做什么
"帮我自动登录后台并导出昨天的订单报表"打开管理后台,加载已保存的登录状态,导航至订单页,点击导出按钮,等待下载完成
"测试一下普通用户和管理员看到的页面是否不同"分别启动 user 和 admin 两个隔离会话,加载对应身份状态,快照对比页面元素差异
"这个网站用内置浏览器工具总是点错按钮"改用快照模式获取带引用的元素树,用 @e5 等稳定标识执行点击,避免动态 class 或坐标偏移问题
"批量抓取十个商品页面的价格和库存"循环打开商品链接,快照提取价格与库存字段的文本/属性,结构化输出 JSON 结果