基于自然语言的浏览器自动化CLI工具，支持本地Chrome与Browserbase远程模式，具备反爬虫、自动CAPTCHA破解及住宅代理能力，适合数据采集与复杂Web交互
说明：
## 核心用法
`browser` skill 通过 `browse` CLI 提供自然语言驱动的浏览器自动化能力，支持两类运行模式：
**本地模式**（默认）：直接调用本地 Chrome，零配置即可使用，适合开发调试、访问无防护的简单站点（文档、维基、公开API等）。
**Browserbase远程模式**：配置 `BROWSERBASE_API_KEY` 与 `BROWSERBASE_PROJECT_ID` 后激活，提供企业级反爬虫能力：
– 隐身模式（自定义 Chromium 指纹、反 bot 检测）
– 自动 CAPTCHA 破解（reCAPTCHA、hCaptcha、Turnstile）
– 201国住宅代理，支持地理定位
– 会话持久化（cookie/登录态跨会话保留）
**典型工作流**：`browse open URL` → `browse snapshot` 获取可访问性树与元素引用 → 使用 `@0-5` 等引用执行 `click`/`fill`/`type` 交互 → 循环验证直至完成 → `browse stop` 清理会话。
## 显著优点
1. **双模式灵活切换**：同一命令集适配开发与生产场景，本地失败一键切远程
2. **结构化快照优先**：`snapshot` 返回可访问性树（比截图快、省 vision token），元素引用 `@x-y` 精准可靠
3. **生产级反爬能力**：Browserbase 模式自动处理 Cloudflare、IP 封禁、设备指纹检测
4. **会话管理完整**：多标签页、前进/后退、表单状态、环境切换均支持
5. **MIT 开源协议**：CLI 本身开源，Browserbase 服务按需付费
## 潜在局限
– **本地模式无防护**：易被目标站识别为 bot，返回 403/空页面/检测页
– **远程模式依赖第三方**：需 Browserbase 账号与有效 API 额度，网络延迟略高于本地
– **元素引用非持久**：`@x-y` 随页面重载变化，需每次重新 snapshot
– **复杂交互需组合命令**：拖拽、滚动、多步表单填写需多命令串联
– **无内置数据解析**：提取的 HTML/text 需额外处理（jq/regex 等）
## 适合人群
– **数据工程师/爬虫开发者**：需绕过反爬机制采集公开数据
– **QA/自动化测试人员**：快速验证 Web 流程、截图比对
– **AI Agent 构建者**：为 LLM 提供”能动手操作浏览器”的工具能力
– **市场调研/竞品分析**：需登录后抓取 dashboard、价格信息
## 常规风险
| 风险类型 | 说明 | 缓解建议 |
|———|——|———|
| 账号封禁 | 高频访问可能导致目标站账号/IP被封 | 启用 residential proxy、控制请求频率、使用 session 持久化减少登录次数 |
| 服务依赖 | Browserbase 服务中断或额度耗尽影响生产 | 本地模式作为 fallback，监控 API 额度 |
| 数据隐私 | 远程模式流量经 Browserbase 基础设施 | 敏感内部系统优先使用本地模式 |
| 僵尸进程 | daemon 异常退出可能导致 Chrome 残留 | 定期 `browse status` 检查，`pkill` 清理 |
| 法律合规 | 自动化访问受 ToS 限制的网站可能违规 | 遵守 robots.txt 与网站服务条款，仅采集公开数据 |
**总体评估**：技能设计成熟，文档完备，双模式架构兼顾灵活与鲁棒，是 LLM 时代浏览器自动化的务实选择。
会员专属
