ClawHub
Research
#browser#playwright

Browser Use Agent

Browser-Use：把 LLM 变成网页操作员的异步 Python 库（Python 3.11+）。Agent 步循环采集 DOM + 截图 → LLM 一次调用产出 thinking / evaluation / next_goal / action[] → 经 CDP 执行。 Browser-Use: an async Python library (3.11+) that turns an LLM into a web operator. The Agent loop collects DOM + screenshot, makes one LLM call emitting thinking / evaluation / next_goal / action[], and executes via CDP. Built on cdp-use; no Playwright.

Tang Weigang@tangweigang-jpg

Install

openclaw skills install @tangweigang-jpg/browser-use-agent

这个 skill 适合什么用户？能做哪些任务？

概览

Browser-Use 是把 LLM 变成网页操作员的异步 Python 库（github.com/browser-use/browser-use）。Agent 步循环：(1) 通过 14 个 watchdog 围绕 bubus.EventBus 采集 BrowserStateSummary（带数字索引的 DOM、截图、tab 列表、页面状态）；(2) 一次 LLM 调用同时产出 thinking + evaluation_previous_goal + memory + next_goal + action[]；(3) 经 CDP 原语在双层 page-change 守卫下执行动作。

CD...

Doramagic 晶体页: https://doramagic.ai/zh/crystal/browser-use-agent

知识规模

  • 40 条约束 (4 fatal + 36 non-fatal)
  • 上游源码: browser-use/browser-use @ commit f3878b0e
  • 蓝图 ID: finance-bp-133

用法

Host AI（Claude Code / Cursor / OpenClaw）读 references/seed.yaml，按其中的：

  • intent_router 匹配用户意图
  • architecture 理解项目架构
  • constraints 应用 anti-pattern 约束
  • business_decisions 参考核心设计决策

FAQ 摘要

这个 skill 适合什么用户？能做哪些任务？

适合做网页自动化的工程师：表单填写、信息抓取、回归测试、跨站点数据采集等。Agent 把视觉理解 + 操作规划合并到一次 LLM 调用，比传统 Playwright 脚本更适合非确定性页面。访问 doramagic.ai/r/browser-use 查看完整用例。

需要准备什么环境？依赖什么？

Python 3.11+，Chromium 系浏览器（local_browser_watchdog 自动启动或通过 cdp_url 接管），至少一个 LLM provider 配置（默认 ChatBrowserUse项目自家微调模型）。要求 async event loop——Agent / BrowserSession 接口是 async-native。

会踩哪些坑？这个 skill 怎么防护？

本 skill 内置 40 条约束（4 条 fatal）。典型踩坑：(1) alert/confirm/beforeunload 自动接受，破坏性确认（如 'Delete this'）也会通过；(2) Agent(sensitive_data=...) 不配 Browser(allowed_domains=[...]) 是 fail-OPEN（只 warning 不 raise），合规场景必须显式

完整文档: 见 references/seed.yaml (v6.1 schema). 浏览页: https://doramagic.ai/zh/crystal/browser-use-agent

More in Research