前言¶
让大模型去点网页、填表单、签到，最常遇到的麻烦是：模型只会“说”操作，不会真的驱动浏览器。截图、抓正文、点按钮这些活儿，落到脚本里往往要单独写一套 Playwright 代码，字段定位、等待时机、会话保持都得自己处理。下面介绍的这个 Skill，把这套浏览器自动化收敛成一组命令行调用，模型或脚本直接按顺序执行即可。
这是什么¶
Agent Browser CLI（智能体浏览器命令行）是一个基于 SKILL.md 格式的 Skill，坐标 @clawhub_joshhuang123/agent-browser-cli，版本 1.0.0，发布者 joshhuang123，来源 clawhub，MIT-0 协议。
它解决的问题是：把浏览器自动化（打开、点击、填表、截图、抓内容）变成一条条可复现的命令。底层是 Vercel 出品、基于 Playwright 的 agent-browser CLI，官方描述为“比标准浏览器工具更快更灵活”。
需要说明的是：本 Skill 属于 OpenClaw / ClawHub 生态，主要配合 OpenClaw 智能体使用，并不是给任意网页做通用 RPA 的独立产品。
核心功能¶
Skill 提供的是一个浏览器自动化的命令体系，覆盖三类任务：
1、导航：打开 URL、前进、后退、刷新。
2、交互：点击、双击、填入、追加输入、选择下拉、勾选/取消勾选、按键。
3、取信息：可访问性树、文本、HTML、输入值、页面标题、当前 URL、截图（可带标注）。
元素定位支持三种方式：snapshot 输出的 ref（如 @e14）、CSS 选择器、按 ARIA 角色或文本查找。官方推荐的流程是先 snapshot 拿到 ref，再用 ref 操作。
安装与启用¶
在 OpenClaw / ClawHub 环境里安装 Skill：
openclaw skills install @joshhuang123/agent-browser-cli
如果 agent-browser 命令本身还没装，先装依赖：
npm install -g agent-browser
agent-browser install
第一行安装的是本 Skill，第二、三行是它依赖的底层 CLI。两者都要完成，后续命令才能用。
关于运行环境：官方资料指向 OpenClaw 生态（ClawHub 是 OpenClaw 的 Skill 市场，安装命令也以 openclaw 开头）。如果你用的是 Cursor、Codex CLI 或 Claude Code，官方资料里没有给出对应的启用方式，这里不做推测——这类 Skill 的通用 SKILL.md 格式理论上可被其他兼容 Agent 读取，但需自行验证，本文不展开。
典型用法¶
下面三段来自官方 SKILL.md 的示例，可直接照搬后替换 URL 和 ref。
签到任务¶
打开页面 → 取结构 → 点按钮 → 等待 → 再取结构。
agent-browser open <签到页面URL>
agent-browser snapshot
agent-browser click @eXX
sleep 2
agent-browser snapshot
填表任务¶
先 snapshot，再按 label 定位字段，最后点提交。
agent-browser open <表单URL>
agent-browser snapshot
agent-browser find label "用户名" fill "myuser"
agent-browser find label "密码" fill "mypassword"
agent-browser find role button click --name "提交"
定时签到（配合 cron）¶
把签到写成脚本，配合系统定时任务每天执行。
#!/bin/bash
agent-browser open <签到URL>
sleep 2
agent-browser find role button click --name "签到"
agent-browser screenshot /tmp/checkin_$(date +%Y%m%d).png
agent-browser close
这个脚本示例路径在 ~/.openclaw/scripts/daily-checkin.sh，可按需放到 cron 中调用。
常用命令速查¶
导航：
agent-browser open <url> # 打开URL（别名：goto, navigate）
agent-browser back # 后退
agent-browser forward # 前进
agent-browser reload # 刷新
交互：
agent-browser click <sel> # 点击
agent-browser dblclick <sel> # 双击
agent-browser fill <sel> "text" # 填入（清空后填）
agent-browser type <sel> "text" # 输入（追加）
agent-browser select <sel> <value> # 选择下拉选项
agent-browser check <sel> # 勾选复选框
agent-browser uncheck <sel> # 取消勾选
agent-browser press <key> # 按键（Enter, Tab, Escape等）
获取信息：
agent-browser snapshot # 获取可访问性树（推荐）
agent-browser get text <sel> # 获取文本
agent-browser get html <sel> # 获取HTML
agent-browser get value <sel> # 获取输入值
agent-browser get title # 获取页面标题
agent-browser get url # 获取当前URL
agent-browser screenshot [path] # 截图
agent-browser screenshot --annotate # 带标注的截图
元素定位的三种写法：
# 用 snapshot 输出的 ref
agent-browser click @e14
agent-browser fill @e13 "hello"
# 用 CSS 选择器
agent-browser click "#submit"
agent-browser fill "input[name='email']" "test@test.com"
# 用 ARIA 角色 / 文本 / label / placeholder 查找
agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "test@test.com"
agent-browser find placeholder "Search" type "query"
适用场景与注意¶
适合谁：需要在 OpenClaw 智能体里做重复性网页操作的开发者——签到、填表、批量截图、把网页内容抓下来当研究素材。不想为每个站点单独写 Playwright 脚本的人，能省掉定位和等待的重复工作。
几条来自官方的坑，值得照做：
1、先 snapshot 再操作。每次页面变化后 ref 会变，需要重新获取。
2、加等待。页面加载需要时间，用 sleep 2 或显式等待。
3、保持浏览器开启。多个操作可在同一浏览器会话中完成，不必每步都开关。
4、完成后关闭。用 agent-browser close 释放资源。
另外提醒一点：抓网页内容时注意目标站点的条款和频率限制，本 Skill 只提供能力，不负责合规判断。
评分与下载数据¶
本 Skill 在 SkillHub 上的分类为 ai-agent，标签 requires_api_key=false（无需 API Key）。
需要说明数据来源差异：本任务给出的线索里写的是“评分 99288、下载 1394 次”，而已抓取的 SkillHub 资料记录的是“评分 100000、下载 15780、安装 212”。两者对不上，本文以已抓取资料为准，并如实标注差异，不做取舍式断言。ClawHub 上游页面只显示 Downloads 和 Bookmark 计数，未给出具体数值。
结尾¶
Agent Browser CLI 的价值在于把浏览器自动化做成了“命令 + snapshot ref”的确定性流程，模型或脚本照着执行就行，省掉了自己写 Playwright 脚本的定位和等待成本。它依赖 OpenClaw 生态和 agent-browser CLI，上手前先把这两个装好。
官方地址：
- SkillHub 页面：https://www.skillhub.cn/skills/clawhub_joshhuang123/agent-browser-cli
- 上游仓库：https://clawhub.ai/joshhuang123/agent-browser-cli
