AI 浏览器自动化实战BrowserSkill 快速上手指南【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkillAI Agent 操作浏览器最常卡在登录态无头浏览器进不了你已登录的页面。BrowserSkill 用bskCLI 浏览器扩展实现 AI 浏览器自动化让任意能执行 shell 命令的智能体直接驱动你登录中的 Chrome 或 Edge。本文带你装好环境跑通表单填写、数据抓取与 UI 回归测试三类任务。工作原理速览AI Agent 操作浏览器的三方分工整套系统由三个角色组成各管一段bskCLI 与内置守护进程智能体发起任务的入口源码在 crates/bsk-cli/浏览器扩展真正的执行者所有页面操作都在独立的Agent Window里进行Skill 说明文件教会智能体怎么使用bsk命令见 crates/bsk-cli/skill/SKILL.md。任务链路始终是智能体调用bsk命令 → 本地守护进程转发 → 扩展在 Agent Window 中执行页面操作。你正常浏览的窗口和标签页全程不受影响只有当 AI 确实需要碰某个已打开的标签页时才会显式借用任务结束后归还其余标签页一律不碰。分工看清之后剩下的就是干活。下面按你的目标分三组场景让 AI 替你干活、让 AI 替你把关、让 AI 与人协作。让 AI 替你干活填表、抓取与长截图表单填写observe 拿引用三步提交想注册账号、填问卷或提交工单时AI 的节奏是先读后动先对页面执行bsk observe --session id拿到文本、控件和eN元素引用再逐个操作bsk fill e3 --value agent-parity --session id bsk select e5 --value two --session id bsk press Enter --ref e7 --session idfill管输入框select管下拉框注意它使用 option 的value属性不是可见文案press管按键。填完再observe一次即可确认提交是否生效。仓库内置的表单回归用例覆盖了填写、选择、按键、截图与断言结果页出现 Received! 的全流程可直接参考evals/browser/cases/core/form-controls.case.json。不写爬虫的数据抓取方法抓登录后的内部页面不必写爬虫三种读取方式互补需求命令说明结构化文本与控件bsk observe --session id返回文本、控件和eN引用最适合让 AI 理解页面精确的原始标记bsk get-html --session id拿页面原始 HTML标记精确节点或隐藏元数据视觉证据bsk screenshot --session id --out page.png视口、单元素、整页三种范围再加只读的console与network诊断命令AI 还能顺带看到页面报错与请求情况。和无头浏览器最大的差别在于复用真实登录态不用准备测试账号AI 直接以你的身份访问。扩展侧的对应实现在 apps/extension/src/tools/observation.ts。长截图一行命令归档整页长文章、报表页、聊天记录想留档一行命令即可bsk screenshot --session id --full-page --out page.png它会自动滚动页面、按文档坐标拼接结束后恢复原来的滚动位置默认 2 分钟超时可用--timeout 5m延长。不想走 CLI 时扩展弹窗的 Quick actions → Full-page screenshot 同样能完成还支持我手动滚动模式。支持范围、取消机制与错误处理的细节见 docs/long-screenshot.md。AI 干完活还得有人验货。仓库自带一套确定性评测语料正好可以当回归测试的现成模板。让 AI 替你把关浏览器自动化回归测试页面改完、上线之前你想知道改坏没有。evals/browser/ 里的评测语料就是为这件事准备的分三套core6 个稳定用例覆盖表单、悬停菜单、导航历史、标签页管理等日常验收场景regression把真实报告的缺陷还原成最小复现用例例如快照坐标回归matrix用种子生成不同 DOM 布局变体检验 AI 在各种页面结构下的稳定性。默认套件一条命令就能跑pnpm eval:browser smoke --suite core每个用例自动开启全新会话、结束后清理报告与截图输出到evals/browser/results/目录。你可以照搬它的流程让 AI 打开改动后的页面 →observe读取 → 按用例断言点逐项验证如结果页出现 Received!→ 失败时截图留证。验收之外还有些环节必须人来完成——登录、验证码、敏感确认。让 AI 与人协作登录、验证码与标签页借用登录 → 验证码 → 填单 → 确认这类流程没法全自动BrowserSkill 内置了人在回路机制遇到验证码、短信 OTP、支付确认时AI 执行bsk request-help --session id --prompt 请完成验证码暂停并在浏览器弹出求助面板你操作完成后它自动继续默认等待 5 分钟需要操作你自己的标签页时先bsk tab borrow tab-id --session id借用任务完bsk tab return tab-id --session id归还借还与归还都会请求你的确认对应开关在扩展弹窗的Automation settings里默认开启随时可关切回无人值守模式。这样 AI 干活、人把关涉及敏感操作的浏览器自动化也能安全落地。关闭 Agent Window 即可立即停止其中的任务。机制都清楚了现在从零把环境搭起来。从 0 到 1四步装好并自检最短路径四步每步配一条验证命令装 CLImacOS/Linux 在仓库根目录执行sh install.shWindows 执行install.ps1还没有仓库就先git clone https://gitcode.com/GitHub_Trending/br/BrowserSkill然后验证bsk --version装扩展从 Chrome Web Store 或 Edge 扩展商店安装 BrowserSkill在弹窗中开启本地连接状态显示已连接 READY即成功。装技能并试跑执行bsk install-skill用空格选中你的 Agent 后回车确认非交互场景用bsk install-skill --harness cursor --json然后新建会话让 AI打开 example.com总结页面结束后关闭会话。自检跑bsk doctor逐项确认 CLI、守护进程与扩展连接状态。环境搭好之后还有几类部署环境需要提前知道。环境与注意事项⚠️ 沙箱环境宿主在每条命令后回收子进程需要让守护进程常驻共享BSK_HOME、BSK_AUTO_START0与--foreground托管常驻的做法见 docs/sandboxed-agents.md。Agent 跑在远程服务器上时浏览器留在你的电脑上扩展经 WSS 主动连向服务器本机不需要任何入站端口详见 docs/remote-extension-connection.md注意远程模式暂不支持文件上传下载。Agent Window 共享所选 profile 的登录态不是独立的安全沙箱。只把任务交给你可信任的智能体。写在最后BrowserSkill 的价值在于不锁定任何模型与框架任何能跑 shell 的智能体装上 skill 文件后都能复用你真实浏览器的登录态完成自动化。bsk doctor通过后最快的下一步是跑一遍pnpm eval:browser smoke --suite core亲眼看到完整链路如何工作之后每遇到一个真实缺陷就用pnpm eval:browser scaffold case-id把它沉淀成最小回归用例让把关这套流程长期替你盯着页面。【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考