芯耀
与非AI
449
原标题：面试官皱眉：“Claude Code 一碰网页任务就歇菜？”我笑了：“等我装个 BrowserAct Skill ，直接起飞！”
大家好，我是小林。
我也经常会让 AI 帮我处理一些网页任务，比如读文章、搜资料、跑一些自动化任务。
听起来都不复杂，可真把任务交给 Agent，要么卡在登录，要么拿不到网页内容。再碰上反爬、验证码和页面变化，折腾半天，还是干不成。
周末和朋友吃饭的时候，我顺口吐槽了这件事。他听完后，给我推荐了一个叫 BrowserAct 的工具，说它专门解决 Agent 跟真实网页打交道的问题。
我回来查了一下，BrowserAct 的开源 Skills 项目目前在 GitHub 上已经拿到 5.3k Star。
GitHub 仓库：https://github.com/browser-act/skills
简单来说，BrowserAct 是一个给 AI Agent 用的浏览器自动化工具。它可以直接读取网页，也能进入真实浏览器操作。碰到登录、反爬或者页面变化时，Agent 还能继续往下处理。
我看了一下，大部分能力都可以免费使用。
那工具到底好不好用呢？我决定在自己的 Claude Code 里实测一遍。
安装方式很简单，我给 Claude Code 发了下面这句话就装好了：
帮我安装 BrowserAct Skills：https://github.com/browser-act/skills/tree/main/browser-act
装完之后，就直接开始实测。
能爬公众号文章吗？
我先从一个看起来最简单的任务开始：读微信公众号文章。
任务很简单：整理 4 篇微信公众号文章，提取标题、作者、发布时间、正文和文末推荐阅读链接。链接都已经有了，我本来觉得 Web Fetch 就够了，于是先在 Claude Code 里跑了一篇。
结果第一篇就卡住了。Web Fetch 直接提示无法读取文章，我当时就有点懵。
▲ Web Fetch 无法读取微信公众号文章
我把同一个任务交给 BrowserAct，又跑了一遍。
● ● ●
browser-act stealth-extract "https://mp.weixin.qq.com/s/7wkfAeMrsnrmVVGYAvyBjA" --content-type markdown
browser-act stealth-extract "https://mp.weixin.qq.com/s/EEr4ErhWHwcs57-xgSC7uQ" --content-type markdown
browser-act stealth-extract "https://mp.weixin.qq.com/s/gxAd1uTcawK3z3SejehupA" --content-type markdown
browser-act stealth-extract "https://mp.weixin.qq.com/s/UvlCP7iH2ZCcC5kuDWuE3A" --content-type markdown
这次 stealth-extract 一跑，标题、作者、时间和正文都出来了。
▲ BrowserAct 并行提取微信公众号文章
4 个链接同时跑完后，Agent 又把每篇文章的提取结果分别整理了出来。
▲ 微信公众号文章提取结果
很多网页不是把链接丢给抓取工具就能直接拿到干净正文，公众号就是一个例子。即使抓到了 HTML，里面的渲染内容、图片和各种嵌入信息也得再清洗。
BrowserAct 这次返回的是整理后的正文，Agent 拿到后可以直接继续处理。
这里有个细节我挺喜欢。任务只是读正文，它就先用轻量方式处理，没急着启动完整浏览器、写 selector、扫 DOM。能轻一点就轻一点，真拿不到，再换下一种办法。
能搜微信公众号文章吗？
前面有现成链接，直接用 stealth-extract 就能读。
可更多时候，我们手里只有一个关键词。文章要去哪找、哪些符合条件、最后怎么整理，都得交给 Agent。于是我又换了个任务：
用 BrowserAct 去微信搜索「Claude Code Skill」相关的文章，找最近几篇，把标题、作者和正文整理出来。
Agent 调用 BrowserAct Skill，找到我之前创建好的 wechat-search 浏览器，打开微信文章搜索页，输入「Claude Code Skill」，再按发布时间筛出了最近的 4 篇文章。
▲ BrowserAct 并行处理多篇微信文章
我本来以为它会一篇篇打开，再一篇篇提取。结果 BrowserAct 同时开了多个窗口，4 篇文章一起处理。
不过看到 4 个窗口同时跑，我还有点担心：处理着处理着，会不会把几篇文章串到一起？
实际跑下来，每篇文章都有自己独立的 Session，页面状态互不干扰。登录信息这些长期状态，则保留在浏览器身份里复用。最后，4 篇文章都搜到了，标题、作者和正文也顺利提取了出来。
碰上反爬，还能继续吗？
真实网页还有一块更难啃的骨头：反爬。
Amazon 的反自动化机制出了名的严格。浏览器环境一旦被识别出异常，直接就会返回验证页面，连门都进不去。
所以我又给 Claude Code 发了一个任务：
帮我用 BrowserAct 创建一个 Stealth 浏览器打开 Amazon，搜索「wireless keyboard」，整理搜索结果前 10 个商品的商品名、价格、评分、评论数和商品链接，最后用 Markdown 表格输出。
任务刚开始，它没有直接打开 Amazon，而是先问我要不要使用美国动态代理。因为 Amazon 会根据 IP 所在地区返回不同的商品和价格，所以这一步得先确认清楚。
简单理解，代理决定从哪里访问，Stealth 浏览器则尽量减少自动化环境的明显特征。确认好方案以后，它才开始搜索商品。
▲ Agent 推荐为 Amazon 任务启用动态代理
后面还有个小插曲。
Agent 第一次读取商品信息时，发现页面内容太大，于是改用 JavaScript 直接提取商品卡片。结果部分字段是空的，它又回头检查真实 DOM，调整选择器，再重新提取。
我当时盯着屏幕，心想：这次总该停了吧？
但 Agent 没停。
▲ Agent 检查 Amazon 页面结构并调整提取方式
等它把选择器重新调好，第二次提取的结果就正常了。
▲ Amazon 商品信息提取结果
前 10 个商品的名称、价格、评分、评论数和链接都被整理成了 Markdown 表格。
刚才看着像要失败的任务，就这么跑完了，确实有点东西。
碰上登录，还能继续吗？
最后我又测了一个绕不开的场景：登录。毕竟不少后台不登录，Agent 连页面都进不去。
于是我让 Claude Code 打开小红书创作服务平台，查看我最近 7 天的笔记数据。
使用 BrowserAct 打开小红书创作服务平台，查看我最近 7 天的笔记数据。
页面打开后，果然停在了登录页。扫码这件事只能我自己来，我更想看的是：等我登录完成以后，Agent 能不能从刚才停下的地方继续。
BrowserAct 没有结束任务。Agent 调用 remote-assist 生成了一个临时接管链接，我打开链接，就能接管它正在使用的浏览器，自己完成扫码登录。
▲ BrowserAct 生成 remote-assist 临时接管链接
扫码完成后，我只回复了一句「已完成」。Agent 就从刚才停下的地方继续往下跑，顺利进入创作后台，把最近 7 天的笔记数据整理了出来。
整个过程中，我接手的只有扫码这一步。登录完成后，原来的页面和 Session 都还在，前面的流程不用重新再跑一遍。
写在最后
看到这里，可能有同学会问：前面这些读取网页、处理登录的任务，Playwright 不是也能做吗？它同样能打开网页、点击、登录和抓取数据，BrowserAct 有什么不一样？
我实际用下来，两者的使用方式还真不太一样。
Playwright 更适合开发者先把操作路线写清楚，再让脚本一步步执行。
BrowserAct 面向的是 Agent。它会根据当前页面判断下一步该怎么走：能直接提取就直接提取，读不到就打开浏览器，页面变了再重新判断，需要登录时再让我临时接手。
前面几个任务跑下来，这种区别就更直观了。
读公众号时，它先直接提取内容；碰到 Amazon 反爬，再用 Stealth 浏览器和动态代理；多个任务一起跑时，用 Session 隔开；遇到必须登录的页面，再用 remote-assist 让我临时接手。
最后，前面几个我原本以为会卡住的任务，也都跑完了。
BrowserAct Skill，确实值得安利一下。
官网地址：https://www.browseract.ai
GitHub 仓库：https://github.com/browser-act/skills/tree/main/browser-act
