通过自然语言指令自动化浏览器操作，支持本地/远程双模式，实现网页导航、数据提取、截图、表单交互等自动化任务
说明：
## 核心用法
Browser Skill 基于 Stagehand CLI 构建，允许用户用自然语言控制浏览器行为。支持六大核心命令：`navigate` 打开指定 URL；`act` 执行点击、输入等自然语言描述的操作；`extract` 按结构化格式抓取页面数据；`observe` 发现页面可用元素；`screenshot` 截图保存；`close` 关闭会话。
## 显著优点
1. **零配置双模式**：自动检测环境变量，优先使用 Browserbase 远程环境（支持代理、隐身模式、CAPTCHA 处理），无 API 密钥时无缝降级到本地 Chrome
2. **自然语言交互**：无需编写 CSS/XPath 选择器，用中文或英文描述意图即可，大幅降低自动化门槛
3. **结构化数据提取**：支持 JSON Schema 约束输出，便于下游处理
4. **视觉验证**：每步操作后可截图确认，适合调试和审计
## 潜在局限
– **环境依赖**：本地模式需预装 Chrome，远程模式需有效 API 密钥
– **动作语义模糊**：复杂交互（如拖拽、iframe 内操作）可能因自然语言歧义失败，需配合 `observe` 调试
– **无内置重试**：网络波动或页面动态加载失败时需手动重试
– **权限边界**：仅能操作公开网页或已登录会话，无法突破同源策略或绕过身份验证
## 适合人群
– 产品经理/运营：快速抓取竞品信息、监控页面变化
– 开发者：自动化 E2E 测试原型、数据爬取脚本
– 研究人员：批量采集公开网页数据
## 常规风险
– **数据隐私**：截图和页面内容可能包含敏感信息，需妥善保管
– **服务滥用**：高频爬取可能触发目标站点的反爬机制或法律风险
– **API 费用**：Browserbase 按量计费，长时间会话需注意成本控制
– **命令注入**：`act` 指令依赖自然语言解析，极端情况下不当输入可能导致非预期操作（建议验证截图后再继续）
会员专属
