从 0 到 1 跑通 Stagehand:能自然语言控制浏览器的 AI 网页自动化框架
从 0 到 1 跑通 Stagehand能自然语言控制浏览器的 AI 网页自动化框架【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehandStagehand 是一个用自然语言和代码混合方式控制浏览器的 AI 网页自动化 SDK。它把执行、提取、观察三种原语连同自动缓存与自愈机制打包在一起让自动化脚本在页面改版后也不容易失效。网页表单里的老问题设想一个任务每天登录一个内部系统在一张固定表单里填上八个字段再点提交。第一次用 Playwright 写按 id 找输入框逐个填跑通了。下个月前端改版id 全部换成自动生成的哈希脚本当场报错——你得重新打开开发者工具一个元素一个元素地找改代码再测试。另一条路交给 LLM 代理自己跑省事是省事但每次它点哪里、做什么都不完全可控成本和耗时也飘忽不定。一边是“精确但脆”一边是“灵活但难控”很多团队就卡在这里。Stagehand 如何协调自然语言与代码Stagehand 的思路是让每一步都能选择用哪种模式。对不熟悉的页面写一句自然语言让它自己找到元素并完成操作对页面结构了如指掌的部分直接用代码写死要填哪个字段、点哪个按钮。两种写法可以在同一个脚本里并存切换成本很低。三个核心原语的含义都很直白。act 是“在页面上做一件事”比如点按钮、填表单用一句指令说清楚即可extract 是“从页面里拿结构化数据”你用一个 schema 约定返回的形状比如包含公司名和电话的对象它负责把杂乱的 DOM 解析成干净的字段observe 是“盘点页面上能点什么”面对陌生页面或调试前很实用先看一眼有什么再决定怎么做。跑通第一个 AI 自动化任务准备工作不多安装 Stagehand SDK 和 zod 依赖再准备一个 Browserbase 的 key官方推荐的云端浏览器托管方式省去本地装浏览器的麻烦。文档也支持换成 localBrowser.launch() 直接用本机的浏览器。之后整个脚本只有几十行import { browserbase, Stagehand } from browserbasehq/stagehand; import { z } from zod/v4; const browser await browserbase.launch({ apiKey: process.env.BROWSERBASE_API_KEY }); const stagehand await Stagehand.create({ browser }); const page (await browser.context.pages())[0]; await page.goto(https://example.com); await stagehand.act(点击『登录』按钮); const result await stagehand.extract( 提取当前页面的标题, z.object({ title: z.string() }), ); console.log(result.data); await stagehand.close(); await browser.close();跑起来页面打开、按钮点掉、标题提取并打印这就是最小闭环。想要更完整的玩法比如文件上传、批量操作、自定义模型接入可以翻一翻 TypeScript 示例代码目录第一次接入建议按官方快速入门文档逐步走一遍。页面改版后脚本如何不失效这是 Stagehand 最值钱的部分靠两个机制配合。先是自动缓存。打开 cache 选项后每条指令和它的执行结果会被服务端缓存记录下来下次同样的指令落在同样的页面上直接返回缓存结果——不走 LLM 推理、不花 token速度也比每次现想快得多。缓存键里包含页面内容所以页面真的变了它不会错误地返回旧结果。再是自愈。当缓存下来的选择器失效元素挪了位置或改了名字它不会直接抛错停下而是自动重新推理找到新的元素并更新这一步的执行方式。于是整个脚本变成没变的步骤走缓存变了的部分用 AI 自愈自愈的结果再回灌进缓存。细节可以看仓库里的缓存最佳实践文档。Stagehand 适合哪些人和场景如果你在做网页数据采集、竞品监控、批量表单处理或内部系统 RPA且目标站点偶尔会改版Stagehand 值得一试。如果你需要的是 100% 确定性的回归测试经典 Playwright 仍然够用但在“让 AI 兜底不确定性、让代码保证精确”的那片中间地带Stagehand 是目前少数能直接上生产的浏览器自动化 SDK。【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

Lexical 富文本编辑器图片处理:从拖拽上传到响应式预览的完整思路

Lexical 富文本编辑器图片处理:从拖拽上传到响应式预览的完整思路

Lexical 富文本编辑器图片处理:从拖拽上传到响应式预览的完整思路 【免费下载链接】lexical Lexical is an extensible text editor framework that provides excellent reliability, accessibility and performance. 项目地址: https://gitcode.com/GitHub_Trend…

2026/11/17 6:11:21 阅读更多 →
Windows 11 右键菜单 3 秒才弹?5 分钟拿到 0.5 秒响应:完整优化方案

Windows 11 右键菜单 3 秒才弹?5 分钟拿到 0.5 秒响应:完整优化方案

Windows 11 右键菜单 3 秒才弹?5 分钟拿到 0.5 秒响应:完整优化方案 【免费下载链接】ExplorerPatcher This project aims to enhance the working environment on Windows 项目地址: https://gitcode.com/GitHub_Trending/ex/ExplorerPatcher 在…

2026/11/10 7:39:12 阅读更多 →
免费自托管的开源身份认证 IdP:authentik 如何替代 Okta 和 Auth0

免费自托管的开源身份认证 IdP:authentik 如何替代 Okta 和 Auth0

免费自托管的开源身份认证 IdP:authentik 如何替代 Okta 和 Auth0 【免费下载链接】authentik The authentication glue you need. 项目地址: https://gitcode.com/GitHub_Trending/au/authentik authentik 是一个开源的身份提供方(IdP&#xff0…

2026/10/24 1:30:11 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/16 8:22:12 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/16 6:41:34 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/16 8:22:12 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/16 8:22:12 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/16 7:30:18 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/16 8:22:12 阅读更多 →

日新闻

周新闻

月新闻