前言¶
日常办公里不少环节仍要打开浏览器：查资料、登录内网系统、导出报表、在 Web 表单里重复填同一类字段。手工点选容易出错，写成一次性脚本又往往要维护选择器，页面一改就挂。若希望用自然语言描述「打开哪一页、点哪里、取什么字段」，并把结果整理成可复用的结构化输出，可以把浏览器操作交给 Agent Skill，而不是每次从零写 Playwright 片段。
下面介绍 SkillHub 上的 Browser Automation（坐标 @clawhub_peytoncasper/browser-automation）。它在 ClawHub 上游维护，通过 CLI 把导航、点击、填表、截屏和数据提取串成一条可复现的命令流，适合把网页侧的重复劳动交给 AI 编排。
这是什么¶
Browser Automation 是一条面向「网页浏览器交互自动化」的 Agent Skill：用自然语言配合 CLI 命令，驱动浏览器完成浏览、导航、数据提取、截屏、填表、点击以及与 Web 应用的交互。
- 维护方：发布者 peytoncasper；上游仓库见 clawhub.ai/peytoncasper/browser-automation。
- 分发：SkillHub 页面 Browser Automation，来源 clawhub，当前版本 1.0.1，分类 ai-agent。页面标注
requires_api_key=true（使用远程 Browserbase 时需要 API 配置；纯本地 Chrome 模式可不配）。 - 平台数据（SkillHub 页面）：评分 100000，下载 76424，安装 1589。
Skill 实现基于 Stagehand CLI，由 Agent 在对话中调用 browser 子命令完成具体操作。
核心功能¶
以下能力均来自上游 Skill 说明，可按同一套命令在本地或远程环境中使用。
- 页面导航：打开指定 URL，作为后续交互的前提。
- 自然语言动作：用
act描述点击、填表等操作，无需手写 CSS/XPath。 - 结构化提取：用
extract按指令（及可选 JSON Schema）从页面取数。 - 元素发现：用
observe在操作失败或页面复杂时探查可交互元素。 - 截屏与收尾：
screenshot核对步骤；close释放浏览器会话。
运行环境会在 本地 Chrome 与 Browserbase 远程浏览器 之间自动选择：若 .env 中配置了 BROWSERBASE_API_KEY 与 BROWSERBASE_PROJECT_ID，走远程（支持 stealth、代理/CAPTCHA 等生产向能力）；未配置则回退本地 Chrome，无需额外询问用户。
安装与启用¶
通过 SkillHub 装入 Agent¶
SkillHub 官方安装说明见 skillhub.md。安装本 Skill 时，坐标为 @clawhub_peytoncasper/browser-automation。
先确认本机是否已有 skillhub CLI：
command -v skillhub && skillhub --version
未安装时可按 SkillHub 文档执行完整安装或仅 CLI 安装（文档中的 curl 安装脚本）。安装技能时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 且 Agent 可能无法加载。
Cursor 常用目录示例：
skillhub install @clawhub_peytoncasper/browser-automation --dir ~/.cursor/skills/
Claude Code、Codex 等其它客户端的路径以 SkillHub 安装文档第四节为准（如 ~/.claude/skills/、~/.codex/skills/）。
也可将下列提示交给 AI，让其按 SkillHub 安装文档完成安装：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@clawhub_peytoncasper/browser-automation`。
OpenClaw 生态¶
在 OpenClaw 环境中，上游提供的安装方式为：
openclaw skills install @peytoncasper/browser-automation
Skill 内首次环境准备¶
Skill 目录中的 setup.json 若显示 setupComplete: false，需在 Skill 目录内执行一次性依赖与全局命令链接：
npm install
npm link
完成后可使用全局命令 browser。
远程模式需在 .env 中配置：
BROWSERBASE_API_KEY=...
BROWSERBASE_PROJECT_ID=...
典型用法¶
官方 Quick Example 可直接在终端复现（本地或远程模式命令一致）：
browser navigate https://example.com
browser act "click the Sign In button"
browser extract "get the page title"
browser close
常用子命令汇总：
browser navigate <url>
browser act "<action>"
browser extract "<instruction>" ['{}']
browser observe "<query>"
browser screenshot
browser close
建议流程：先 navigate，每步后用 screenshot 核对；动作描述尽量具体；结束务必 close。动作失败时可先 browser observe 再重试 act。
适用场景与注意¶
适合谁
- 需要反复在浏览器里完成同类操作、又希望用自然语言描述步骤的白领或业务支持人员（配合 Agent 使用）。
- 开发或运维人员做页面冒烟、数据抓取原型时，希望少写选择器维护代码。
限制与注意
- 本地模式依赖本机已安装 Chrome；无 Chrome 时需改用 Browserbase 并配置密钥。
- 远程模式略慢于本地，但更适合需要 stealth、代理或 CAPTCHA 的场景。
- 标签
requires_api_key=true指远程 Browserbase 路径需要密钥，并非所有用法都强制 API Key。 - 页面结构剧烈变化时，自然语言动作仍可能失败，应结合
observe与截屏排查。 - 涉及登录凭证、内网地址或敏感数据时，应在受控环境中运行，并遵守公司安全与合规要求。
结尾¶
Browser Automation 把「打开网页 → 操作 → 取数 → 关浏览器」收敛为一组统一的 CLI 能力，由 Agent 按办公场景编排，减少手工重复点击和脆弱的选择器脚本。安装与坐标以 SkillHub 为准；能力与命令细节以上游 ClawHub 仓库说明为准。
