前言¶
日常辦公里不少環節仍要打開瀏覽器：查資料、登錄內網系統、導出報表、在 Web 表單裏重複填同一類字段。手工點選容易出錯，寫成一次性腳本又往往要維護選擇器，頁面一改就掛。若希望用自然語言描述「打開哪一頁、點哪裏、取什麼字段」，並把結果整理成可複用的結構化輸出，可以把瀏覽器操作交給 Agent Skill，而不是每次從零寫 Playwright 片段。
下面介紹 SkillHub 上的 Browser Automation（座標 @clawhub_peytoncasper/browser-automation）。它在 ClawHub 上游維護，通過 CLI 把導航、點擊、填表、截屏和數據提取串成一條可復現的命令流，適合把網頁側的重複勞動交給 AI 編排。
這是什麼¶
Browser Automation 是一條面向「網頁瀏覽器交互自動化」的 Agent Skill：用自然語言配合 CLI 命令，驅動瀏覽器完成瀏覽、導航、數據提取、截屏、填表、點擊以及與 Web 應用的交互。
- 維護方：發佈者 peytoncasper；上游倉庫見 clawhub.ai/peytoncasper/browser-automation。
- 分發：SkillHub 頁面 Browser Automation，來源 clawhub，當前版本 1.0.1，分類 ai-agent。頁面標註
requires_api_key=true（使用遠程 Browserbase 時需要 API 配置；純本地 Chrome 模式可不配）。 - 平臺數據（SkillHub 頁面）：評分 100000，下載 76424，安裝 1589。
Skill 實現基於 Stagehand CLI，由 Agent 在對話中調用 browser 子命令完成具體操作。
核心功能¶
以下能力均來自上游 Skill 說明，可按同一套命令在本地或遠程環境中使用。
- 頁面導航：打開指定 URL，作爲後續交互的前提。
- 自然語言動作：用
act描述點擊、填表等操作，無需手寫 CSS/XPath。 - 結構化提取：用
extract按指令（及可選 JSON Schema）從頁面取數。 - 元素髮現：用
observe在操作失敗或頁面複雜時探查可交互元素。 - 截屏與收尾：
screenshot覈對步驟；close釋放瀏覽器會話。
運行環境會在 本地 Chrome 與 Browserbase 遠程瀏覽器 之間自動選擇：若 .env 中配置了 BROWSERBASE_API_KEY 與 BROWSERBASE_PROJECT_ID，走遠程（支持 stealth、代理/CAPTCHA 等生產向能力）；未配置則回退本地 Chrome，無需額外詢問用戶。
安裝與啓用¶
通過 SkillHub 裝入 Agent¶
SkillHub 官方安裝說明見 skillhub.md。安裝本 Skill 時，座標爲 @clawhub_peytoncasper/browser-automation。
先確認本機是否已有 skillhub CLI：
command -v skillhub && skillhub --version
未安裝時可按 SkillHub 文檔執行完整安裝或僅 CLI 安裝（文檔中的 curl 安裝腳本）。安裝技能時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 且 Agent 可能無法加載。
Cursor 常用目錄示例：
skillhub install @clawhub_peytoncasper/browser-automation --dir ~/.cursor/skills/
Claude Code、Codex 等其它客戶端的路徑以 SkillHub 安裝文檔第四節爲準（如 ~/.claude/skills/、~/.codex/skills/）。
也可將下列提示交給 AI，讓其按 SkillHub 安裝文檔完成安裝：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@clawhub_peytoncasper/browser-automation`。
OpenClaw 生態¶
在 OpenClaw 環境中，上游提供的安裝方式爲：
openclaw skills install @peytoncasper/browser-automation
Skill 內首次環境準備¶
Skill 目錄中的 setup.json 若顯示 setupComplete: false，需在 Skill 目錄內執行一次性依賴與全局命令鏈接：
npm install
npm link
完成後可使用全局命令 browser。
遠程模式需在 .env 中配置：
BROWSERBASE_API_KEY=...
BROWSERBASE_PROJECT_ID=...
典型用法¶
官方 Quick Example 可直接在終端復現（本地或遠程模式命令一致）：
browser navigate https://example.com
browser act "click the Sign In button"
browser extract "get the page title"
browser close
常用子命令彙總：
browser navigate <url>
browser act "<action>"
browser extract "<instruction>" ['{}']
browser observe "<query>"
browser screenshot
browser close
建議流程：先 navigate，每步後用 screenshot 覈對；動作描述儘量具體；結束務必 close。動作失敗時可先 browser observe 再重試 act。
適用場景與注意¶
適合誰
- 需要反覆在瀏覽器裏完成同類操作、又希望用自然語言描述步驟的白領或業務支持人員（配合 Agent 使用）。
- 開發或運維人員做頁面冒煙、數據抓取原型時，希望少寫選擇器維護代碼。
限制與注意
- 本地模式依賴本機已安裝 Chrome；無 Chrome 時需改用 Browserbase 並配置密鑰。
- 遠程模式略慢於本地，但更適合需要 stealth、代理或 CAPTCHA 的場景。
- 標籤
requires_api_key=true指遠程 Browserbase 路徑需要密鑰，並非所有用法都強制 API Key。 - 頁面結構劇烈變化時，自然語言動作仍可能失敗，應結合
observe與截屏排查。 - 涉及登錄憑證、內網地址或敏感數據時，應在受控環境中運行，並遵守公司安全與合規要求。
結尾¶
Browser Automation 把「打開網頁 → 操作 → 取數 → 關瀏覽器」收斂爲一組統一的 CLI 能力，由 Agent 按辦公場景編排，減少手工重複點擊和脆弱的選擇器腳本。安裝與座標以 SkillHub 爲準；能力與命令細節以上游 ClawHub 倉庫說明爲準。
