云端浏览器自动化

技能简介

browser-use 提供基于云端的浏览器自动化能力，支持在远程环境中打开网页、填写表单、截取屏幕、提取数据等操作。浏览器会话在命令之间保持，可完成多步骤复杂流程。

能做什么

• 自动导航至指定网址并维持会话状态
• 识别页面元素并通过索引进行点击、输入、选择等交互
• 截取网页截图保存为文件或输出base64编码
• 执行JavaScript代码获取页面信息
• 运行云端AI代理完成复杂任务

使用说明

安装与验证

# 安装后运行诊断检查
browser-use doctor

基础操作流程

1. 打开网页：browser-use open <url>
2. 查看可交互元素：browser-use state（返回带索引的元素列表）
3. 执行操作：使用索引进行点击 browser-use click 5 或输入 browser-use input 3 "文本"
4. 验证结果：再次运行 browser-use state 或 browser-use screenshot

浏览器模式选择

• Chromium（默认）：快速隔离的无头模式
• Real Chrome：使用真实Chrome二进制文件，支持登录态复用
• Remote：云端托管浏览器，支持代理配置

常用命令示例

# 云端浏览器打开页面
browser-use --browser remote open https://example.com

# 获取页面状态与元素索引
browser-use state

# 点击索引为5的元素
browser-use click 5

# 截图保存
browser-use screenshot result.png

# 执行JS获取标题
browser-use eval "document.title"

# 启动云端AI代理执行任务
browser-use -b remote run "搜索产品价格"

输入与输出

见下方输入与输出表格。

风险提示

• 使用real模式并加载个人Chrome配置时，Cookie和登录信息会被复制到CLI环境
• 云端浏览器任务为异步执行，需通过task status查询进度
• 长时间未关闭的会话可能占用云端资源，建议完成后执行close清理
• 部分网站对自动化访问有检测机制，可能触发验证或封禁

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/shawnpana/browser-use/SKILL.md
来源类型：GitHub仓库