Browser Automation

Automate web browser interactions using natural language via CLI commands。Use when the user asks。Use when 需要提升效率、自动化流程、批量处理、工作流优化时使用。不适用于需要人工创意判断的任务.

天轰穿@thcjp

Install

openclaw skills install @thcjp/browser-automation

Browser Automation

付费版专享能力

能力	免费版	付费版
基础功能	支持	支持
多标签页并行抓取	不支持	支持
反爬虫策略自动绕过	不支持	支持
页面结构变化自适应	不支持	支持
批量导出结构化数据	不支持	支持

核心能力

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

适用场景

场景	输入	输出
场景1: 自然语言经CLI自动化浏览器交互	用户请求数据	结构化处理结果
场景2: 告别手写脚本	用户请求数据	结构化处理结果

不适用于：需要人工判断的复杂决策场景

使用流程

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
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
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
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

输入格式

参数名	类型	必填	说明
content	string	否	browser-automation处理的内容输入
mode	string	否	处理模式, 可选: json/text/markdown,
max_retries	integer	否	单步最大重试次数, 默认: 2
skip_steps	array	否	跳过的步骤编号(用于断点续传), 默认: []

输出格式

json

{
  "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

异常处理

错误场景	原因	处理方式
页面加载超时	目标网站响应慢或网络延迟	增加超时阈值,启用重试机制,检查代理配置
页面结构变化导致选择器失效	目标网站更新了DOM结构	切换到可访问性树定位元素,或提示用户提供新的选择器
反爬虫机制触发	频繁请求被目标站点识别	降低请求频率,启用随机延迟,更换User-Agent

依赖说明

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)

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

可用性分类

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

API Key配置方式:

bash

export API_KEY="your_api_key_here"

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

bash

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

常见问题

Q1: 如何开始使用Browser Automation？

错误处理

错误场景2	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	，请求；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置