Stagehand 实战入门:3 个调用跑通一套浏览器自动化
Stagehand 实战入门3 个调用跑通一套浏览器自动化【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand写浏览器自动化脚本总是很累站点换个皮肤你精心写的选择器就全失效得逐个返工。Stagehand 就是为 browser agent 打造的 SDK——你用自然语言描述想做什么它靠 act、observe、extract 三个原语替你找元素、做操作网站改版后脚本也不容易崩。能力速览它替你干什么你说“点击最新的 PR”act 自己找元素并点击站点改了结构它会察觉并自动重匹配不用手动修选择器extract 让你描述要的数据形状比如“PR 的作者和标题”直接拿回结构化 JSON不用写解析正则observe 扫一遍页面列出所有可操作的元素适合先预览当前页面能做什么同时保留 goto、click、locator 这类 Playwright 风格 API需要确定性时随时切回精确操作架构上简单讲SDK 以浏览器扩展的形式跑在浏览器旁边缩短了往返距离页面上下文用裁剪后的可访问性树模型看到的 token 不膨胀。实战起步第一个任务跑通 选个场景挑最轻的任务打开 example.com点“More information”链接。流程足以跑通“打开页面 → 执行动作 → 读结果”的完整链路。️ 环境与密钥Node.js 22.18 或 Python 3.11。BROWSERBASE_API_KEY 在 Browserbase 控制台 Overview 页获取不指定模型时 SDK 会自动选一个想固定模型再配 OPENAI_API_KEY 等。pnpm add browserbasehq/stagehand zod export BROWSERBASE_API_KEYyour_api_key⚡ 最小可运行示例import { localBrowser, Stagehand } from browserbasehq/stagehand; const browser await localBrowser.launch(); const stagehand await Stagehand.create({ browser }); const [page] await browser.context.pages(); await page.goto(https://example.com); const result await stagehand.act( Click the link that provides more information about Example Domain ); console.log(result.data.success, result.data.message); await stagehand.close(); await browser.close();跑起来后 Chrome 会打开、进入 example.com 并自动点掉链接控制台打印 true 加一句执行说明。想上云浏览器把 localBrowser.launch() 换成 browserbase.launch({ apiKey }) 即可。让它更可靠三个高频坑元素找不到、act 返回 success: false → 先看 result.data 里的 message确认页面加载完成元素在 iframe 或 Shadow DOM 里时用 deep locator 而不是普通选择器任务不稳定、每次结果漂移 → 用 observe 先规划、再逐个回放动作把 N 次 LLM 调用压成一次重复任务开 cache 选项相同输入直接返回不再消耗 token想量化“到底跑成功了没” →packages/evals/目录有完整评估框架结果可上报到仪表板按任务看错误率、精确匹配率和耗时接下来往哪学写正式代码前想查参数细节 →packages/docs/v4/references/是 API 参考act、extract、observe 每页都带 TS/Python/Go 示例想直接抄一份能跑的脚本 →packages/sdk-ts/examples/有十余个示例从 act 到 webmcp 各一个文件被成本、部署问题卡住 →packages/docs/v4/best-practices/有缓存、成本优化、部署的专门章节值不值得用Stagehand 把“写选择器”换成“描述意图”浏览器自动化脚本不再因为站点换皮就得返工。它适合做稳定网页抓取、跨站自动化又受够了修选择器的人。下一步建议直接拿上面的 act 示例换成你关注的站点跑一轮看实际表现再决定投入。这是一个 MIT 许可的开源项目由 Browserbase 团队维护社区仍在持续迭代。【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

Docling 序列化体系详解:从 DoclingDocument 多格式导出到自定义 Serializer

Docling 序列化体系详解:从 DoclingDocument 多格式导出到自定义 Serializer

Docling 序列化体系详解:从 DoclingDocument 多格式导出到自定义 Serializer 【免费下载链接】docling Get your documents ready for gen AI 项目地址: https://gitcode.com/GitHub_Trending/do/docling Docling(Get your documents ready for g…

2026/11/10 18:21:54 阅读更多 →
LeRobot 机器人学习框架:4 条命令从安装到首个策略训练

LeRobot 机器人学习框架:4 条命令从安装到首个策略训练

LeRobot 机器人学习框架:4 条命令从安装到首个策略训练 【免费下载链接】lerobot 🤗 LeRobot: Making AI for Robotics more accessible with end-to-end learning 项目地址: https://gitcode.com/GitHub_Trending/le/lerobot LeRobot 是 Hugging…

2026/11/10 18:21:54 阅读更多 →
Chatterbox 多语言语音合成上手:模型选型、零样本克隆与参数调优

Chatterbox 多语言语音合成上手:模型选型、零样本克隆与参数调优

Chatterbox 多语言语音合成上手:模型选型、零样本克隆与参数调优 【免费下载链接】chatterbox SoTA open-source TTS 项目地址: https://gitcode.com/GitHub_Trending/chatterbox7/chatterbox 做产品多语言本地化时,你通常希望同一个声音贯穿所有…

2026/11/6 0:09:59 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…

2026/11/9 14:01:10 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…

2026/11/9 14:56:39 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&…

2026/11/10 2:03:25 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…

2026/11/10 16:14:15 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&…

2026/11/10 12:51:50 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…

2026/11/9 14:01:11 阅读更多 →

日新闻

周新闻

月新闻