自然语言驱动，一键自动化浏览

通过自然语言指令自动化浏览器操作，支持本地/远程双模式，实现网页导航、数据提取、截图、表单交互等自动化任务

基本信息

• 技能名称?Agent Browser - Stagehand
• 中文名称?自然语言驱动，一键自动化浏览
• 作者?peytoncasper
• 分类?专业技能
• 版本?1.0.0
• 标签?browser-automation, web-scraping, cli, stagehand, headless, data-extraction, screenshot, form-automation

使用方法

使用说明
核心用法
Browser Skill 基于 Stagehand CLI 构建，允许用户用自然语言控制浏览器行为。支持六大核心命令： navigate 打开指定 URL； act 执行点击、输入等自然语言描述的操作； extract 按结构化格式抓取页面数据； observe 发现页面可用元素； screenshot 截图保存； close 关闭会话。
显著优点

1. 零配置双模式 ：自动检测环境变量，优先使用 Browserbase 远程环境（支持代理、隐身模式、CAPTCHA 处理），无 API 密钥时无缝降级到本地 Chrome
2. 自然语言交互 ：无需编写 CSS/XPath 选择器，用中文或英文描述意图即可，大幅降低自动化门槛
3. 结构化数据提取 ：支持 JSON Schema 约束输出，便于下游处理
4. 视觉验证 ：每步操作后可截图确认，适合调试和审计
   潜在局限
   环境依赖 ：本地模式需预装 Chrome，远程模式需有效 API 密钥
   动作语义模糊 ：复杂交互（如拖拽、iframe 内操作）可能因自然语言歧义失败，需配合 observe 调试
   无内置重试 ：网络波动或页面动态加载失败时需手动重试
   权限边界 ：仅能操作公开网页或已登录会话，无法突破同源策略或绕过身份验证
   适合人群
   产品经理/运营：快速抓取竞品信息、监控页面变化
   开发者：自动化 E2E 测试原型、数据爬取脚本
   研究人员：批量采集公开网页数据
   常规风险
   数据隐私 ：截图和页面内容可能包含敏感信息，需妥善保管
   服务滥用 ：高频爬取可能触发目标站点的反爬机制或法律风险
   API 费用 ：Browserbase 按量计费，长时间会话需注意成本控制
   命令注入 ： act 指令依赖自然语言解析，极端情况下不当输入可能导致非预期操作（建议验证截图后再继续）