基于 Stagehand 的浏览器自动化 CLI 工具，支持自然语言指令实现网页导航、数据提取、表单交互与截图，本地/云端双模式运行。
说明：
## 核心用法
browser 技能是一个封装了 Stagehand 框架的命令行工具，允许用户通过自然语言指令自动化浏览器操作。主要功能包括：网页导航 (`navigate`)、执行动作 (`act`)、数据提取 (`extract`)、元素发现 (`observe`)、截图 (`screenshot`) 和关闭浏览器 (`close`)。
### 使用流程
1. **首次配置**：运行 `npm install` 和 `npm link` 创建全局命令
2. **环境选择**：自动检测环境变量，优先使用 Browserbase 远程环境（需配置 API key），否则回退到本地 Chrome
3. **操作序列**：必须先 `navigate` 到目标 URL，再执行交互指令，建议每一步后查看截图验证
## 显著优点
– **自然语言交互**：无需编写复杂的选择器或脚本，用中文/英文描述即可操作页面元素
– **双模式灵活部署**：本地模式速度快适合开发调试；Browserbase 模式支持 stealth、代理和 CAPTCHA 绕过，适合生产爬取
– **结构化数据提取**：支持可选 JSON Schema 约束，返回格式化的提取结果
– **观测模式兜底**：当动作失败时，可用 `observe` 智能发现可用元素
## 潜在局限
– **依赖外部服务**：Browserbase 需付费且受 API 稳定性影响；本地模式需预装 Chrome
– **动作抽象成本**：自然语言描述可能存在歧义，复杂交互仍需精确描述
– **无状态会话**：每次 `close` 后会话清空，跨任务需重新导航
– **安全边界模糊**：CLI 直接执行系统命令，若用户输入注入恶意指令存在风险
## 适合人群
– 数据分析师/研究人员：快速抓取网页数据无需写爬虫
– QA 工程师：自动化 UI 回归测试
– 产品经理/运营：竞品监控、页面截图存档
– 开发者：快速验证网页交互原型
## 常规风险
– **凭据泄露**：Browserbase API key 存储于 `.env` 文件，需确保文件权限和版本控制排除
– **恶意网站**：访问不可信站点可能触发 XSS 或下载风险，Browserbase 的隔离环境可部分缓解
– **数据隐私**：提取的网页数据可能包含 PII，需遵循目标网站 robots.txt 和隐私政策
– **误操作风险**：`act` 指令如描述不清可能点击错误按钮导致非预期状态变更（如误下单、误删数据）
