Octopus v0.9.16需通过注册外部CLI工具（如Agent-Browser或Playwright CLI）实现浏览器自动化：先安装并验证工具可用性，再在skills目录下配置对应YAML技能文件，最后用自然语言指令触发执行。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Octopus v0.9.16 本身并不直接提供浏览器自动化能力，它是一个轻量级的本地AI代理运行时（类似Ollama + CLI Agent框架的组合），核心职责是调度技能（Skills）和管理上下文。所谓“启用浏览器自动化技能”，实际是指让 Octopus 能调用外部浏览器自动化CLI工具——目前主流且与之配合最成熟的是 Playwright CLI 或 Agent-Browser。
确认底层自动化工具已安装并可用
Octopus 不内置浏览器驱动，必须先在系统中部署一个兼容的CLI工具：
- 推荐选择 Agent-Browser（2026年主流方案）：它专为AI代理设计，启动快、token消耗极低，支持语义定位器（如“点击登录按钮”而非写CSS选择器）；
- 或使用 Playwright CLI（微软2026年初开源）：命令简洁，如
playwright-cli open example.com，默认输出网页摘要+结构快照路径，AI按需读取； - 安装后，在终端执行
agent-browser --version或playwright-cli --help验证是否可运行。
配置Octopus识别并调用该工具
Octopus通过skills目录加载外部能力，你需要把自动化CLI注册为一个Skill：
- 在Octopus项目根目录下找到或新建
skills/文件夹； - 创建一个描述文件，例如
skills/web-automate.yaml，内容包含工具路径、支持的动词（如open, click, fill, screenshot）和参数说明； - 确保该Skill的
exec字段指向你安装的CLI二进制，比如/usr/local/bin/agent-browser或npx playwright-cli； - 重启Octopus服务，它会自动扫描并加载这个Skill。
在自然语言指令中触发技能
一旦注册成功，你就可以用日常语言发起任务，无需写代码：
- “打开京东首页，搜索‘无线耳机’，截图前三条商品标题” → Octopus会自动拆解步骤，调用
open、fill、screenshot等命令； - “登录我的知乎账号，把草稿箱第一篇文章发布出去” → 技能根据语义定位器匹配“用户名输入框”“密码框”“发布按钮”，全程不依赖固定选择器；
- 注意：首次执行复杂流程时，AI可能需要读取一次网页快照文件（如
snapshot.json）来理解结构，后续交互即可复用元素引用（如@e7）。
验证是否生效的小技巧
快速检查集成是否成功：
- 在Octopus交互界面输入：
list skills，确认web-automate出现在列表中； - 输入：
run web-automate open https://httpbin.org/html --headed，看Chrome是否弹出并加载页面； - 如果报错“command not found”，说明路径配置错误；若页面打开但无响应，检查是否安装了Chrome或Chromium（Agent-Browser默认优先使用系统Chrome）。
