前言¶

写爬虫、做表单提交、跑 UI 回归时，最耗时的部分往往不是解析 HTML，而是那些必须真正”操作页面”的环节：定位按钮、填输入框、等待异步请求结束、判断弹窗是否出现。用 requests 加 BeautifulSoup 只能拿到静态结构，遇到登录态、懒加载和前端渲染就要自己拼 Playwright 脚本，写完又只服务于这一个场景。

下面介绍一个把这类操作收敛成 Skill 的方案：浏览器网页操作自动化｜简诗 AI。它面向 Agent 工作流，把点击、输入、截图等动作作为可被模型调用的步骤，目标是让”浏览网页并完成交互”变成 Agent 的一次任务，而不是一套一次性脚本。

这是什么¶

一句话定位：一个用于网页浏览与交互自动化的 Agent Skill，覆盖数据抓取、表单填写、UI 测试和工作流自动化。

• 出品与维护：由 SkillHub 社区用户 user_fccf428b 发布，来源标记为 community，分类为 ai-agent。
• 版本：1.0.2
• 形态：通用 SKILL.md 格式的 Skill，供支持该格式的 Agent 宿主调用。
• 官方地址：https://api.skillhub.cn/user_fccf428b/browser-automation-process
• SkillHub 页面：https://www.skillhub.cn/skills/user_fccf428b/browser-automation-process

它解决的问题很明确：当你的任务里同时包含”读页面”和”改页面状态”（填表、点击、提交）时，不必再手写一份浏览器自动化脚本，而是把这类动作交给 Skill 处理，Agent 负责决定什么时候做、按什么顺序做。

核心功能¶

以下能力均来自官方简介，未额外扩展：

• 自动化网页浏览交互。
• 数据抓取：从页面中取回所需字段。
• 表单填写：向输入框、下拉框等控件写入内容并提交。
• UI 测试：对页面元素执行操作并观察结果。
• 工作流自动化：把上述动作串成多步任务。
• 操作动作：点击、输入、截图。

另外，该 Skill 的标签为 requires_api_key=false，即按官方描述不需要额外配置 API Key。这一点对想直接试用的开发者比较友好，但实际是否真的无需凭据，取决于它的具体实现方式（例如是否复用本机浏览器配置），使用前建议自己确认。

社区指标方面，SkillHub 页面记录的评分为 100000，下载量 1153，安装量为 0。安装量为 0 属于新发布 Skill 的常见状态，不一定代表功能不成熟，只说明公开可查的采用数据还很少。

安装与启用¶

需要先说明情况：我尝试打开官方页面和 SkillHub 详情页，均未能取到正文内容，因此下面没有任何经过官方页面核实的安装命令。以下写法来自 SkillHub 社区 Skill 的通用约定，具体命令请以官方页面为准。

通用约定有两种路径：

1、通过 SkillHub 页面安装，在详情页找到安装入口，安装后 Skill 会被写入宿主可识别的技能目录。
2、通过 SkillHub 的命令行工具按坐标安装：

skillhub install @user_fccf428b/browser-automation-process

上面的命令属于通用约定写法，未经过官方页面核实，请以官方页面展示的命令为准。

安装后需要在 Agent 宿主中启用该 Skill。不同宿主的启用方式不一致，可核实到的只有一点：该 Skill 使用通用 SKILL.md 格式，因此任何支持该格式的宿主（如 Cursor、Codex CLI、Claude Code 等）理论上都能加载，但各宿主的具体配置字段我没有从官方资料中核实到，这里不写。

建议先在本机一个可丢弃的测试目录里跑一遍最小任务，确认浏览器驱动、权限和网络环境都正常，再放到真实业务流程里。

典型用法¶

同样需要说明：官方简介只给出能力列表，没有提供可复现的官方示例，下面的用法是按该 Skill 的目标场景组织的通用示例，不代表官方文档原文。

常见用法一：抓取列表页数据。

1、打开目标列表页
2、等待异步内容加载完成
3、对列表项逐条提取字段
4、汇总为结构化结果返回

这一步的核心是”读取并解析”，Skill 在这里替代的是手工写解析脚本的工作。

常见用法二：完成一次表单提交。

1、打开表单页面
2、定位各输入控件并写入值
3、点击提交按钮
4、截图或读取结果页，确认提交成功

表单填写的难点通常不在填，而在提交后的状态确认，所以示例里保留了结果校验这一步。

常见用法三：UI 回归检查。

1、进入被测页面
2、按用例依次执行点击、输入
3、截图记录关键界面
4、与预期结果比对，输出结论

这类用法适合把人工点点点的流程固化成可重复执行的检查项。

适用场景与注意¶

适合谁：

• 需要在 Agent 流程里嵌入网页操作的开发者，尤其是”读 + 改”混合的任务。
• 做表单提交、列表抓取、页面回归这类重复性浏览器操作的场景。
• 希望把操作步骤描述交给 Agent 规划、而不是自己维护一套 Playwright 脚本的人。

限制与需要留意的地方：

1、版本为 1.0.2，社区发布，安装量为 0，公开验证材料少。接入生产流程前，建议自己完整跑一遍真实页面。
2、网页自动化天然受前端变化影响，控件定位方式会随页面改版失效，不要把操作步骤写得过于依赖具体样式。
3、需要处理登录态、验证码、跨域限制时，Skill 的实际表现取决于它的实现，官方资料中没有说明这些边界情况。
4、requires_api_key=false 只表示官方标注不需要额外 API Key，不等于没有任何外部依赖。
5、注意目标网站的服务条款，自动化抓取和批量表单提交可能违反对方规则，使用前确认合规性。

结尾¶

这个 Skill 的价值在于把网页浏览交互从一次性脚本变成 Agent 可调用的通用步骤：点击、输入、截图，加上数据抓取、表单填写、UI 测试和工作流自动化，基本覆盖了”操作网页”这一类任务的主要动作。它是社区发布的 1.0.2 版本，采用量还很低，适合作为原型验证的脚手架，不适合未经测试直接放进生产链路。

官方地址：https://api.skillhub.cn/user_fccf428b/browser-automation-process