核心功能: 本技能提供化工作流场景等能力。

核心功能: 本技能提供中文交互、时使用、、工作流优化时使用、处理、工作流优化时使用等能力。

Browser Automation

专业版增强能力

功能能力

• Automate web browser interactions using natural language via CLI commands
• Use when the user asks

快速入门

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

应用场景

不适用于：需要人工判断的复杂决策场景

使用方法

1. 初始化浏览器会话: 启动无头浏览器实例,配置代理与用户代理参数
2. 执行页面交互: 按照用户指令进行导航/点击/输入/提取等页面操作
3. 采集与返回数据: 提取页面内容或操作结果,返回结构化数据与截图
4. 异常处理: 如遇错误,参考错误处理章节中对应场景的处理方式

请求格式

返回格式

{
  "success": true,
  "data": {
    "final_result": {
      "automation_result": "automation_result_value",
      "automation_metadata": "automation_metadata_value",
      "automation_status": "automation_status_value"
    },
    "execution_log": [
      {
        "step": 1,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 1200,
        "output_summary": "按流程执行"
      },
      {
        "step": 2,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 3500,
        "output_summary": "按流程执行"
      },
      {
        "step": 3,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 2100,
        "output_summary": "按流程执行"
      },
      {
        "step": 4,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 800,
        "output_summary": "按流程执行"
      }
    ],
    "total_duration_ms": 7600,
    "gates_passed": 3,
    "gates_total": 3
  },
  "error": null
}

中间产物模板参考: assets/browser-automation_template

异常管理

前置条件

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux

依赖说明(补充)

API Key 配置

可用性分类

• 分类: MD+execute()
• 说明: 基于Markdown的AI Skill,

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

案例展示

browser navigate https://example.com
browser act "click the Sign In button"
browser extract "get the page title"
browser close

热门问题

Q1: 如何开始使用Browser Automation？

A: 请参考使用流程和依赖说明章节，确保运行环境满足要求后调用本技能。

错误处理机制

创新亮点

效率提升量化分析

差异化对比

核心痛点解决

常见问题FAQ

Q1: 什么是浏览器自动化？

A: 浏览器自动化是指通过脚本或程序来模拟人类操作浏览器的过程，如导航、点击、输入等，从而实现自动化的网页交互。

Q2: 浏览器自动化适用于哪些场景？

A: 浏览器自动化适用于需要自动化处理网页数据的场景，如数据采集、网页测试、自动化测试等。

Q3: 浏览器自动化需要哪些技术基础？

A: 浏览器自动化通常需要了解Web技术、编程语言（如Python、JavaScript等）以及自动化测试框架。

Q4: 浏览器自动化有哪些优点？

A: 浏览器自动化的优点包括提高效率、降低人工成本、减少错误、实现自动化测试等。

Q5: 如何选择合适的浏览器自动化工具？

A: 选择合适的浏览器自动化工具需要考虑需求、易用性、稳定性、支持性等因素，选择符合自己需求的工具。

问题排查手册

安全声明

1. 确保使用合法的浏览器自动化工具，避免侵犯网站版权。
2. 避免使用高频请求导致网站服务器过载。
3. 注意个人隐私和数据安全，不泄露敏感信息。
4. 定期更新浏览器自动化工具，确保安全性和兼容性。
5. 合理使用资源，避免过度占用服务器和带宽。

安全风险防范

功能概览

• 自动化执行: 自然语言经CLI自动化浏览器交互,告别手写脚本。Automate web browser interactions us
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据