自动化复杂的多会话浏览器任务

实现 AI 智能体对任意网站的自动化操作、数据抓取及复杂任务处理。

详细介绍

BrowserAct Skills

BrowserAct 是一个为 AI 代理设计的浏览器自动化命令行工具。它能够突破反爬虫屏障、在遇到困难时跨平台无缝转交人类操作、并行运行任务且不产生交叉污染，并支持在独立浏览器中隔离多个账户。

适用场景

AI 代理需要执行浏览器自动化操作（如爬取、表单填写、数据提取）

需要绕过反爬虫机制获取受保护页面内容

需要并行运行多个浏览器任务且互不干扰

需要跨平台让人类手动接管代理无法处理的步骤

需要为 LLM 推理优化交互方式，而非传统脚本

核心能力

1. 三层突破屏障

环境层 — 隐身指纹伪装、TLS 轮换、代理切换，可拦截绝大多数封锁。

执行层 — solve-captcha 自动解决验证码； stealth-extract 一键提取受保护页面内容。

人类层 — remote-assist 生成实时 URL，用户可从任意设备接管，完成后代理无缝恢复。

2. 三种浏览器模式

模式
场景
关键特性

chrome
复用本地 Chrome 登录状态
配置导入或 CDP 附加

stealth 隐私模式
无登录的批量爬取
每次会话全新指纹 + 代理轮换，零残留

stealth 固定身份
登录账户、多浏览器并行
稳定指纹 + 稳定 IP，账户身份不被标记为机器人

3. 零干扰并发

跨浏览器并行 — 独立 Cookie、指纹、代理，网站无法关联。

同浏览器多会话 — 共享登录状态，独立执行，任务互不阻塞。

隐私模式 — 每次会话全新指纹和空档案，完成后零残留。

4. 为代理推理设计

紧凑文本输出 — 索引化文本格式，比 JSON 或 HTML 节省数倍 Token。

索引交互 — state 返回索引列表； click 3 / input 2 "…" ，无需解析 DOM。

语义记忆 — 每个浏览器携带 desc 描述，按含义匹配任务。

并发安全 — 会话拥有权 + 显式命名，多代理操作无冲突。

安全：确认门控

敏感操作（浏览器创建/删除、配置导入、代理变更、安全与隐私开关）需要用户明确批准。先前的批准不会延续。此功能在 Skill 层强制实施，不是可配置开关。

更多功能

更好的无头模式 — 默认无头但不干扰用户；隐身无头模式不会被检测。

跨平台远程交接 — 任意设备打开链接即可接管，代理无缝恢复。

快速开始

# 提取受保护页面内容（零配置）
browser-act stealth-extract https://example.com

# 完整的浏览器自动化
browser-act –session my-task browser open <id> https://example.com
browser-act –session my-task state # 查看可点击元素
browser-act –session my-task click 3 # 按索引点击
browser-act –session my-task input 2 "hi" # 向输入框输入文字

代理在每个会话开始时运行 get-skills 获取环境状态、浏览器列表和命令：

browser-act get-skills core –skill-version 2.0.2

更多示例和工作流请参阅 文档 。

兼容性

操作系统： Windows、macOS、Linux

Agent 平台： Claude Code、Cursor、VS Code、OpenCode、OpenClaw、Codex、Gemini CLI — 任何能执行 Shell 命令和加载 Skills 的 Agent 均可。

免费内容

几乎全部功能免费。仅两项功能需要付费：托管代理（动态/静态）和超过 5 个的隐身浏览器。

功能
免费（无需注册）
免费（仅需登录）
付费

浏览器自动化、Chrome / Chrome-direct
✓
✓
✓

隐身浏览器（≤5 个）、stealth-extract、solve-captcha、remote-assist、隐私模式、Skill Forge
—
✓
✓

隐身浏览器（>5 个）、动态/静态代理
—
—
✓

文档

完整文档涵盖反封锁、浏览器模式、会话与并发、无头与远程交接、Agent 设计、Skills 系统以及完整命令参考。

阅读完整文档

试试这样做

  • 使用 browser-act 提取指定电商网站的商品详情，并确保在遇到验证码时自动处理。
  • 利用 Skill Forge 为 LinkedIn 职位搜索创建一个自动化提取技能，包含职位标题、公司和薪资信息。
  • 配置 browser-act 以隐私模式并行运行多个任务，确保每个会话拥有独立的指纹和代理。

作者：browser-act 开发者 / 职场人 ｜ GitHub Stars 4.8K ｜ 标签：自动化 编程开发 已认证 开源许可: MIT

来源：colaos.ai ｜ Skill ID：browser-act-skills