project
BrowserAct Skills - 开源的 AI Agent 浏览器自动化 CLI 工具
BrowserAct Skills 是面向 AI Agent 的浏览器自动化 CLI 工具，能解决 Agent 操控浏览器时的核心痛点,无 Cookie 环境、反爬拦截、验证码阻断、人机协作断层等。
BrowserAct Skills是什么
BrowserAct Skills 是面向 AI Agent 的浏览器自动化 CLI 工具，能解决 Agent 操控浏览器时的核心痛点,无 Cookie 环境、反爬拦截、验证码阻断、人机协作断层等。工具通过三层递进架构，包括环境层→执行层→人工层，让 Agent 能在真实浏览器环境中稳定执行任务。
BrowserAct Skills的主要功能
-
反检测环境：支持命令行与视觉双模式控制，绕过反爬机制，不被识别为 Bot。
-
三层递进结构：环境层负责指纹伪装、TLS 轮换、代理切换；执行层自动破解验证码、隐蔽提取受保护页面；人工层生成远程协助链接，用户从任意设备接管完成后，Agent 无缝续接任务。
-
三种浏览器模式：
chrome模式复用本地登录态，stealth隐私模式用于无登录批量抓取，stealth固定身份模式用于已登录账户的多浏览器并行。 -
多账号隔离：通过 Stealth Browser + Static Proxy，每个账号放在独立浏览器环境中运行，绑定独立登录状态和网络环境。
-
并发零干扰：跨浏览器并行时 Cookie、指纹、代理完全独立；同浏览器多会话时共享登录态但执行互不阻塞。
-
Skill-Forge 扩展：自动探索目标网站 API 与数据路径，生成可复用的 Skill 包，Agent 后续可直接复用已验证路径执行批量任务。
BrowserAct Skills的技术原理
-
环境层伪装：通过动态浏览器指纹 spoofing、TLS 指纹轮换与住宅代理切换，使每个会话呈现真实用户网络特征，规避反 bot 检测。
-
执行层穿透：内置自动验证码解析引擎与隐蔽数据提取通道，Agent 无需人工干预即可直接抓取受保护页面内容。
-
人工层续接：当任务遇阻时生成实时远程协作链接，用户介入完成后系统自动恢复会话上下文，实现人机无缝接力。
-
索引化交互：将页面元素映射为紧凑数字索引，Agent 通过编号指令操控浏览器，无需解析 DOM 或加载可访问性树。
-
语义化记忆：为每个浏览器会话绑定描述标签，Agent 按任务语义自动匹配最合适的浏览器环境执行操作。
如何使用BrowserAct Skills
-
环境准备：确保系统为 Windows、macOS 或 Linux，已安装支持 Shell 命令的 AI Agent。
-
一键安装：对 Agent 下达”安装 browser-act”指令并提供 GitHub Skill 源地址，Agent 将自动完成安装与验证。
-
环境探测：安装完成后，Agent 会在每次会话开始时自动获取环境状态、浏览器列表和可用命令。
-
提取页面：直接让 Agent 执行”提取某网页内容”任务，BrowserAct 会自动以零配置模式抓取受保护页面。
-
创建会话：告知 Agent 打开特定网站并创建命名会话，后续所有操作均在该会话内独立执行。
-
查看状态：Agent 会返回当前页面的索引化可交互元素列表，无需解析 DOM 即可理解页面结构。
-
执行操作：Agent 通过索引化指令（如点击第3个元素、在第2个输入框填入文本）精确操控浏览器。
-
模式选择：根据任务需求让 Agent 切换三种浏览器模式——复用本地 Chrome 登录态、隐私批量抓取、或固定身份多账号并行。
-
安装扩展：如需自动生成可复用 Skill，让 Agent 安装 browser-act-skill-forge 扩展，之后直接描述目标网站与数据字段即可。
-
人机接力：遇到验证码或扫码登录时，Agent 自动生成远程协助链接，你从任意设备完成操作后 Agent 无缝续接任务。
-
安全确认：涉及浏览器创建删除、Profile 导入、代理变更等敏感操作时，每次均需你显式独立批准，不自动继承先前授权。
BrowserAct Skills的核心优势
-
人机接力不中断： 唯一内置
remote-assist远程协作链路，遇验证码或扫码时生成实时链接，用户从任意设备接管操作完成后，Agent 无缝续接任务，不中断、不报错。 -
三层递进反检测：环境层+ 执行层+ 人工层，覆盖从纯自动化到必须人工介入的完整光谱，多数反爬机制在到达 Agent 前即被消解。
-
Agent 原生高效交互：采用索引化指令
click 3/input 2 "..."，Agent 无需解析 DOM 或加载 Accessibility Tree，Token 效率显著高于自然语言或 JSON/HTML 输出方案。 -
Skill 自沉淀复用：Skill-Forge 自动探索目标网站 API 与数据路径，生成可部署的 Skill 包；后续批量任务直接复用已验证路径执行，无需 Agent 每次重新理解页面结构。
BrowserAct Skills的项目地址
- GitHub仓库：https://github.com/browser-act/skills
BrowserAct Skills的同类竞品对比
| 对比维度 | BrowserAct Skills | browser-use |
|---|---|---|
| 定位 | 面向 AI Agent 的浏览器自动化 CLI + Skill 基础设施，强调”执行层”补足 | 社区最活跃的 AI 浏览器自动化 SDK 框架（94k+ stars），强调端到端 Agent 自主决策 |
| 架构形态 | CLI 工具 + Skill 包（Agent 通过 Shell 调用命令） | Python/TypeScript SDK + 自研 bu-ultra 专用模型（LLM-first） |
| 核心交互范式 | 索引化指令（click 3 / input 2 "..."），Agent 无需解析 DOM，Token 效率极高 |
自然语言 + DOM 解析，Agent 读取可访问性树或 DOM 自主决策点击与输入 |
| 反检测能力 | 三层递进：环境层（指纹/TLS/代理轮换）→ 执行层（自动解验证码/stealth-extract）→ 人工层（远程协助） |
内置 stealth 浏览器技术绕过基础反爬，但无系统级分层架构，遇高级验证码需自行处理 |
| 人机协作链路 | 内置 remote-assist：生成实时链接，用户扫码/验证后 Agent 无缝续接，任务不中断 |
无内置人机协作：遇验证码、扫码、2FA 等需外部中断，Agent 直接报错或停滞 |
| 浏览器模式 | 三种模式：chrome（复用本地登录态）、stealth 隐私（零残留批量抓取）、stealth 固定身份（多账号并行） |
主要提供 stealth 模式，无本地 Chrome 登录态复用能力，每次启动多为空白环境 |
BrowserAct Skills的应用场景
-
数据自动化采集：复用已有登录态进入公众号后台、知乎、小红书等，提取文章数据与用户信息，无需重复扫码。
-
绕过反爬机制：在小红书等反爬严格平台正常抓取内容，自动处理动态页面。
-
人机接力协作：遇到验证码或扫码登录时，生成远程协助链接，用户操作完成后 Agent 自动续接，不中断任务流。
-
多账号矩阵运营：电商店铺、社交媒体多账号独立运行，避免环境交叉污染。
-
批量技能沉淀：通过 Skill-Forge 将重复性网站操作固化为可复用 Skill，后续直接批量执行。