前言¶

让大模型去操作网页，最常见的失败不是模型「不会」，而是它拿到的页面信息不完整、操作指令不固定：截图太大塞不进上下文，点击靠猜元素位置，DOM 还没加载完就开始点。这个 Skill 的做法是把网页自动化收敛到一条 CLI 上，用结构化快照和引用（ref）替代整页 HTML，让 Agent 每次看到的是紧凑、可解析的页面状态。

它叫 Agent Browser Core，上游 ClawHub 页面显示的名称是 Agent Browser Core，国内 SkillHub 页面上显示为「山野精灵.网页自动化」。下面介绍它是什么、怎么装、怎么用。

这是什么¶

一句话定位：面向 agent-browser CLI 的 OpenClaw 技能，提供一套生产可用的操作手册（playbook），把网页任务拆成「快照 → 按 ref 操作 → 再次快照」的确定性流程。

• 出品与维护：发布者 codedao12，坐标 @clawhub_codedao12/agent-browser-core，当前版本 1.0.1，许可证 MIT-0。
• 技术底座：agent-browser 以 Rust 实现，并提供 Node.js 备选方案；Skill 本身不含浏览器内核，需要本机已装好 CLI 和浏览器运行时。
• 解决什么问题：让 AI Agent 用结构化命令而非自由发挥完成网页操作，输出可用 --json 解析，便于脚本接管。

它不是浏览器驱动 SDK。官方明确列出「不适合」的两类需求：需要完整 SDK 或自定义 JS 集成、需要大文件上传或复杂媒体流。

核心功能¶

只写官方资料里能核对到的能力。

1、快照与 ref。抓取页面快照，为可交互元素分配 ref，后续操作通过 ref 定位，而不是让模型去猜选择器。
2、结构化命令与 JSON 输出。命令分类清晰，支持 --json 便于机器解析和脚本化处理。
3、等待与加载态校验。在执行动作前先做等待和加载状态检查，避免在页面未就绪时操作。
4、安全模式默认值。默认禁止 eval、--allow-file-access、自定义 --executable-path 以及未经明确批准的任意 --args；默认避开 network route、set credentials 和 cookie/storage 写入，除非任务本身需要。
5、域名白名单。允许指定域名白名单，并默认屏蔽 localhost 和内网目标。
6、资源释放。流程结束时关闭标签页或会话，释放浏览器资源。

配套文档分五份：references/agent-browser-overview.md（安装、架构、核心概念）、agent-browser-command-map.md（命令分类与参数）、agent-browser-safety.md（高风险操作与安全模式规则）、agent-browser-workflows.md（推荐的 AI 工作流）、agent-browser-troubleshooting.md（常见问题与修复）。

安装与启用¶

安装走 OpenClaw 的 skills 子命令，安装的是 @codedao12/agent-browser-core：

openclaw skills install @codedao12/agent-browser-core

官方页面同时给出 CLI 形式的入口：

npx skills

前置条件只有两条：本机已安装 agent-browser CLI 和浏览器运行时；目标 URL 与流程步骤已明确。如果流程涉及登录，还需要先确定会话或 profile 策略。该 Skill 不需要 API key（标签 requires_api_key=false）。

目前资料里没有 Cursor、Codex CLI、Claude Code 的分别适配说明，这里不做推测。它按通用 SKILL.md 格式编写，是否被这些工具直接识别，需要按各自对 SKILL.md 的支持情况自行验证。

典型用法¶

官方给出的操作顺序可以照搬：先快照，再通过 ref 操作，DOM 变化之后再快照一次。

# 1. 打开目标页面，生成结构化快照（--json 便于后续解析）
agent-browser open <url> --json

# 2. 从快照中取元素的 ref，按 ref 执行动作
agent-browser click <ref>

# 3. 动作完成后重新快照，确认页面已按预期变化
agent-browser snapshot --json

上面只列出工作流骨架，agent-browser 的具体子命令与参数以 references/agent-browser-command-map.md 为准，不要凭习惯拼参数。

几点实操注意：动作之前先做等待和加载态检查；需要机器解析时一律加 --json；流程结束关闭标签页或会话。

适用场景与注意¶

适合这些情况：需要为 AI Agent 提供确定性的网页自动化；希望快照紧凑、带 ref、可输出 JSON；偏好一个快速的 CLI，同时保留 Node.js 备选方案。

限制和坑：

• 它提供的是命令手册和安全约束，不是浏览器驱动层。没有 agent-browser CLI 就什么也跑不起来。
• 涉及登录态时，会话或 profile 策略必须提前设计好，官方把它列为必需输入之一。
• 高权限操作（eval、文件访问、自定义可执行路径、任意 --args、凭据写入、cookie/storage 变更）默认禁用，需要显式批准，自动化流程里不要为了省事全部放开。
• 令牌和凭据按密钥处理，--allow-file-access 除非明确需要否则不要用。
• 需要完整 SDK 或自定义 JS 集成的场景不适合；大文件上传和复杂媒体流也不在范围内。

结尾¶

这个 Skill 的价值不在于多了一个浏览器工具，而在于把「AI 操作网页」从自由发挥变成一条可复现、可审计的命令序列：快照给结构、ref 给坐标、JSON 给接口、安全模式给边界。如果你正在给 Agent 搭网页自动化能力，可以先从这里起步，再按实际站点补等待策略和域名白名单。

• SkillHub 页面：https://www.skillhub.cn/skills/clawhub_codedao12/agent-browser-core
• 上游仓库：https://clawhub.ai/codedao12/agent-browser-core