名称： browser-use
描述： 自动化浏览器交互，用于网页测试、表单填写、截图和数据提取。适用于用户需要浏览网站、与网页交互、填写表单、截图或从网页提取信息的场景。
允许工具： Bash(browser-use:*)

使用 browser-use CLI 进行浏览器自动化

browser-use 命令提供快速、持久的浏览器自动化。它在命令之间保持浏览器会话，支持复杂的多步骤工作流。

先决条件

使用此技能前，必须安装并配置 browser-use。运行诊断以验证：

browser-use doctor

更多信息，请参阅 https://github.com/browser-use/browser-use/blob/main/browser_use/skill_cli/README.md

核心工作流

1. 导航：browser-use open <url> - 打开 URL（必要时启动浏览器）
2. 检查：browser-use state - 返回带有索引的可点击元素
3. 交互：使用 state 中的索引进行交互（browser-use click 5，browser-use input 3 "text"）
4. 验证：使用 browser-use state 或 browser-use screenshot 确认操作
5. 重复：浏览器在命令之间保持打开状态

浏览器模式

browser-use --browser chromium open <url>      # 默认：无头 Chromium
browser-use --browser chromium --headed open <url>  # 可见的 Chromium 窗口
browser-use --browser real open <url>          # 真实 Chrome（无配置文件 = 全新）
browser-use --browser real --profile "Default" open <url>  # 使用您登录会话的真实 Chrome
browser-use --browser remote open <url>        # 云浏览器

• chromium：快速、隔离，默认无头
• real：使用真实的 Chrome 二进制文件。不带 --profile 时，使用位于 ~/.config/browseruse/profiles/cli/ 的持久但空的 CLI 配置文件。带 --profile "ProfileName" 时，复制您实际的 Chrome 配置文件（cookies、登录信息、扩展程序）
• remote：支持代理的云托管浏览器

基本命令

# 导航
browser-use open <url>                    # 导航到 URL
browser-use back                          # 后退
browser-use scroll down                   # 向下滚动（--amount N 指定像素）

# 页面状态（始终先运行 state 以获取元素索引）
browser-use state                         # 获取 URL、标题、可点击元素
browser-use screenshot                    # 截图（base64）
browser-use screenshot path.png           # 保存截图到文件

# 交互（使用 state 中的索引）
browser-use click <index>                 # 点击元素
browser-use type "text"                   # 在聚焦元素中输入
browser-use input <index> "text"          # 点击元素，然后输入
browser-use keys "Enter"                  # 发送键盘按键
browser-use select <index> "option"       # 选择下拉选项

# 数据提取
browser-use eval "document.title"         # 执行 JavaScript
browser-use get text <index>              # 获取元素文本
browser-use get html --selector "h1"      # 获取限定范围的 HTML

# 等待
browser-use wait selector "h1"            # 等待元素出现
browser-use wait text "Success"           # 等待文本出现

# 会话
browser-use sessions                      # 列出活动会话
browser-use close                         # 关闭当前会话
browser-use close --all                   # 关闭所有会话

# AI 代理
browser-use -b remote run "task"          # 在云端运行代理（默认异步）
browser-use task status <id>              # 检查云端任务进度

命令详解

导航与标签页

browser-use open <url>                    # 导航到 URL
browser-use back                          # 后退历史记录
browser-use scroll down                   # 向下滚动
browser-use scroll up                     # 向上滚动
browser-use scroll down --amount 1000     # 按指定像素滚动（默认：500）
browser-use switch <tab>                  # 按索引切换标签页
browser-use close-tab                     # 关闭当前标签页
browser-use close-tab <tab>              # 关闭指定标签页

页面状态

browser-use state                         # 获取 URL、标题和可点击元素
browser-use screenshot                    # 截图（输出 base64）
browser-use screenshot path.png           # 保存截图到文件
browser-use screenshot --full path.png    # 全页面截图

交互

browser-use click <index>                 # 点击元素
browser-use type "text"                   # 在聚焦元素中输入文本
browser-use input <index> "text"          # 点击元素，然后输入文本
browser-use keys "Enter"                  # 发送键盘按键
browser-use keys "Control+a"              # 发送组合键
browser-use select <index> "option"       # 选择下拉选项
browser-use hover <index>                 # 悬停在元素上（触发 CSS :hover）
browser-use dblclick <index>              # 双击元素
browser-use rightclick <index>            # 右键点击元素（上下文菜单）

使用 browser-use state 中的索引。

JavaScript 与数据

browser-use eval "document.title"         # 执行 JavaScript，返回结果
browser-use get title                     # 获取页面标题
browser-use get html                      # 获取完整页面 HTML
browser-use get html --selector "h1"      # 获取特定元素的 HTML
browser-use get text <index>              # 获取元素的文本内容
browser-use get value <index>             # 获取输入框/文本域的值
browser-use get attributes <index>        # 获取元素的所有属性
browser-use get bbox <index>              # 获取边界框（x, y, 宽度, 高度）

Cookies

browser-use cookies get                   # 获取所有 cookies
browser-use cookies get --url <url>       # 获取特定 URL 的 cookies
browser-use cookies set <name> <value>    # 设置 cookie
browser-use cookies set name val --domain .example.com --secure --http-only
browser-use cookies set name val --same-site Strict  # SameSite: Strict, Lax 或 None
browser-use cookies set name val --expires 1735689600  # 过期时间戳
browser-use cookies clear                 # 清除所有 cookies
browser-use cookies clear --url <url>     # 清除特定 URL 的 cookies
browser-use cookies export <file>         # 导出所有 cookies 到 JSON 文件
browser-use cookies export <file> --url <url>  # 导出特定 URL 的 cookies
browser-use cookies import <file>         # 从 JSON 文件导入 cookies

等待条件

browser-use wait selector "h1"            # 等待元素可见
browser-use wait selector ".loading" --state hidden  # 等待元素消失
browser-use wait selector "#btn" --state attached    # 等待元素出现在 DOM 中
browser-use wait text "Success"           # 等待文本出现
browser-use wait selector "h1" --timeout 5000  # 自定义超时（毫秒）

Python 执行

browser-use python "x = 42"               # 设置变量
browser-use python "print(x)"             # 访问变量（输出：42）
browser-use python "print(browser.url)"   # 访问浏览器对象
browser-use python --vars                 # 显示已定义的变量
browser-use python --reset                # 清除 Python 命名空间
browser-use python --file script.py       # 执行 Python 文件

Python 会话在命令之间保持状态。browser 对象提供：
- browser.url、browser.title、browser.html — 页面信息
- browser.goto(url)、browser.back() — 导航
- browser.click(index)、browser.type(text)、browser.input(index, text)、browser.keys(keys) — 交互
- browser.screenshot(path)、browser.scroll(direction, amount) — 视觉操作
- browser.wait(seconds)、browser.extract(query) — 实用工具

代理任务

远程模式选项

使用 --browser remote 时，可使用额外选项：

# 指定 LLM 模型
browser-use -b remote run "task" --llm gpt-4o
browser-use -b remote run "task" --llm claude-sonnet-4-20250514

# 代理配置（默认：us）
browser-use -b remote run "task" --proxy-country uk

# 会话复用
browser-use -b remote run "task 1" --keep-alive        # 任务后保持会话存活
browser-use -b remote run "task 2" --session-id abc-123 # 复用现有会话

# 执行模式
browser-use -b remote run "task" --flash       # 快速执行模式
browser-use -b remote run "task" --wait        # 等待完成（默认：异步）

# 高级选项
browser-use -b remote run "task" --thinking    # 扩展推理模式
browser-use -b remote run "task" --no-vision   # 禁用视觉（默认启用）

# 使用云配置文件（先创建会话，然后用 --session-id 运行）
browser-use session create --profile <cloud-profile-id> --keep-alive
# → 返回 session_id
browser-use -b remote run "task" --session-id <session-id>

# 任务配置
browser-use -b remote run "task" --start-url https://example.com  # 从特定 URL 开始
browser-use -b remote run "task" --allowed-domain example.com     # 限制导航（可重复）
browser-use -b remote run "task" --metadata key=value             # 任务元数据（可重复）
browser-use -b remote run "task" --skill-id skill-123             # 启用技能（可重复）
browser-use -b remote run "task" --secret key=value               # 秘密元数据（可重复）

# 结构化输出和评估
browser-use -b remote run "task" --structured-output '{"type":"object"}'  # 输出的 JSON 模式
browser-use -b remote run "task" --judge                 # 启用评判模式
browser-use -b remote run "task" --judge-ground-truth "expected answer"

任务管理

browser-use task list                     # 列出最近任务
browser-use task list --limit 20          # 显示更多任务
browser-use task list --status finished   # 按状态过滤（finished, stopped）
browser-use task list --session <id>      # 按会话 ID 过滤
browser-use task list --json              # JSON 输出

browser-use task status <task-id>         # 获取任务状态（仅最新步骤）
browser-use task status <task-id> -c      # 所有步骤（含推理）
browser-use task status <task-id> -v      # 所有步骤（含 URL + 操作）
browser-use task status <task-id> --last 5  # 仅最后 N 步
browser-use task status <task-id> --step 3  # 特定步骤编号
browser-use task status <task-id> --reverse # 最新优先

browser-use task stop <task-id>           # 停止运行中的任务
browser-use task logs <task-id>           # 获取任务执行日志

云会话管理

browser-use session list                  # 列出云会话
browser-use session list --limit 20       # 显示更多会话
browser-use session list --status active  # 按状态过滤
browser-use session list --json           # JSON 输出

browser-use session get <session-id>      # 获取会话详情 + 实时 URL
browser-use session get <session-id> --json

browser-use session stop <session-id>     # 停止会话
browser-use session stop --all            # 停止所有活动会话

browser-use session create                          # 使用默认值创建
browser-use session create --profile <id>           # 使用云配置文件
browser-use session create --proxy-country uk       # 使用地理代理
browser-use session create --start-url https://example.com
browser-use session create --screen-size 1920x1080
browser-use session create --keep-alive
browser-use session create --persist-memory

browser-use session share <session-id>              # 创建公开分享 URL
browser-use session share <session-id> --delete     # 删除公开分享

隧道

browser-use tunnel <port>           # 启动隧道（返回 URL）
browser-use tunnel <port>           # 幂等性 - 返回现有 URL
browser-use tunnel list             # 显示活动隧道
browser-use tunnel stop <port>      # 停止隧道
browser-use tunnel stop --all       # 停止所有隧道

会话管理

browser-use sessions                      # 列出活动会话
browser-use close                         # 关闭当前会话
browser-use close --all                   # 关闭所有会话

配置文件管理

本地 Chrome 配置文件（--browser real）

browser-use -b real profile list          # 列出本地 Chrome 配置文件
browser-use -b real profile cookies "Default"  # 显示配置文件中的 cookie 域名

云配置文件（--browser remote）

browser-use -b remote profile list            # 列出云配置文件
browser-use -b remote profile list --page 2 --page-size 50
browser-use -b remote profile get <id>        # 获取配置文件详情
browser-use -b remote profile create          # 创建新的云配置文件
browser-use -b remote profile create --name "My Profile"
browser-use -b remote profile update <id> --name "New"
browser-use -b remote profile delete <id>

同步

browser-use profile sync --from "Default" --domain github.com  # 特定域名
browser-use profile sync --from "Default"                      # 完整配置文件
browser-use profile sync --from "Default" --name "Custom Name" # 使用自定义名称

服务器控制

browser-use server logs                   # 查看服务器日志

常见工作流

暴露本地开发服务器

当您有本地开发服务器且需要云浏览器访问时使用。

核心工作流： 启动开发服务器 → 创建隧道 → 远程浏览隧道 URL。

# 1. 启动您的开发服务器
npm run dev &  # localhost:3000

# 2. 通过 Cloudflare 隧道暴露它
browser-use tunnel 3000
# → url: https://abc.trycloudflare.com

# 3. 现在云浏览器可以访问您的本地服务器了
browser-use --browser remote open https://abc.trycloudflare.com
browser-use state
browser-use screenshot

注意： 隧道独立于浏览器会话。它们在 browser-use close 后持续存在，并且可以单独管理。必须安装 Cloudflared — 运行 browser-use doctor 检查。

使用配置文件进行身份验证浏览

当任务需要浏览用户已登录的网站（例如 Gmail、GitHub、内部工具）时使用。

核心工作流： 检查现有配置文件 → 询问用户使用哪个配置文件和浏览器模式 → 使用该配置文件浏览。仅在无合适配置文件时同步 cookies。

在浏览需要身份验证的网站前，代理必须：
1. 询问用户使用 real（本地 Chrome）还是 remote（云）浏览器
2. 列出该模式下的可用配置文件
3. 询问使用哪个配置文件
4. 如果没有配置文件包含正确的 cookies，则提供同步选项（见下文）

步骤 1：检查现有配置文件

# 选项 A：本地 Chrome 配置文件（--browser real）
browser-use -b real profile list
# → Default: Person 1 (user@gmail.com)
# → Profile 1: Work (work@company.com)

# 选项 B：云配置文件（--browser remote）
browser-use -b remote profile list
# → abc-123: "Chrome - Default (github.com)"
# → def-456: "Work profile"

步骤 2：使用选定的配置文件浏览

# 真实浏览器 — 使用带有现有登录会话的本地 Chrome
browser-use --browser real --profile "Default" open https://github.com

# 云浏览器 — 使用带有同步 cookies 的云配置文件
browser-use --browser remote --profile abc-123 open https://github.com

用户已经过身份验证 — 无需登录。

注意： 云配置文件的 cookies 可能随时间过期。如果身份验证失败，请从本地 Chrome 配置文件重新同步 cookies。

步骤 3：同步 cookies（仅在需要时）

如果用户想使用云浏览器但没有云配置文件包含正确的 cookies，则从本地 Chrome 配置文件同步它们。

在同步前，代理必须：
1. 询问使用哪个本地 Chrome 配置文件
2. 询问同步哪个域名 — 不要默认同步完整配置文件
3. 在继续前确认

检查本地配置文件有哪些 cookies：

browser-use -b real profile cookies "Default"
# → youtube.com: 23
# → google.com: 18
# → github.com: 2

特定域名同步（推荐）：
```bash
browser-use profile sync --from "Default" --domain github.com

创建新的云配置文件："Chrome - Default (github.com)"