使用 agent-browser CLI 进行浏览器自动化。用于签到、填表、截图、信息抓取等需要控制浏览器的任务。触发条件：(1) 用户要求自动化浏览器操作 (2) 需要签到、填表、点击按钮 (3) 需要抓取网页内容作为研究素材
Agent Browser
功能概述
Agent Browser是一项面向实际任务的技能，主要用于Vercel 出品的浏览器自动化 CLI，基于 Playwright，比标准浏览器工具更快更灵活；通过 snapshot 输出的 ref（如 @e14）直接引用：；
核心要点
- 或使用 CSS 选择器：；
- 或使用 ARIA 角色查找：；
- 典型工作流；
使用与执行
1. 签到任务；2. 填表任务；3. 定时签到（配合cron）；创建脚本 ~/.openclaw/scr。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
结果检查与注意事项
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。该技能适合用于一次性任务，也可以接入自动化工作流，与其他技能或上层代理配合完成更完整的业务链路；在组合使用时，应明确每一步的输入输出关系，并避免不同步骤之间出现参数冲突。
Agent Browser
Vercel 出品的浏览器自动化 CLI，基于 Playwright，比标准浏览器工具更快更灵活。
快速开始
agent-browser open# 打开网页 agent-browser snapshot # 获取页面可访问性树 agent-browser click @ # 点击元素（用ref引用） agent-browser fill @ "内容" # 填入内容 agent-browser close # 关闭浏览器
常用命令
导航
agent-browser open# 打开URL（别名：goto, navigate） agent-browser back # 后退 agent-browser forward # 前进 agent-browser reload # 刷新
交互
agent-browser click# 点击 agent-browser dblclick # 双击 agent-browser fill "text" # 填入（清空后填） agent-browser type "text" # 输入（追加） agent-browser select # 选择下拉选项 agent-browser check # 勾选复选框 agent-browser uncheck # 取消勾选 agent-browser press # 按键（Enter, Tab, Escape等）
获取信息
agent-browser snapshot # 获取可访问性树（推荐） agent-browser get text# 获取文本 agent-browser get html # 获取HTML agent-browser get value # 获取输入值 agent-browser get title # 获取页面标题 agent-browser get url # 获取当前URL agent-browser screenshot [path] # 截图 agent-browser screenshot --annotate # 带标注的截图
元素定位
通过 snapshot 输出的 ref（如 @e14）直接引用：
agent-browser click @e14 agent-browser fill @e13 "hello"
或使用 CSS 选择器：
agent-browser click "#submit" agent-browser fill "input[name='email']" "test@test.com"
或使用 ARIA 角色查找：
agent-browser find role button click --name "Submit" agent-browser find text "Sign In" click agent-browser find label "Email" fill "test@test.com" agent-browser find placeholder "Search" type "query"
典型工作流
1. 签到任务
# 打开登录页 agent-browser open <签到页面URL> # 获取页面结构 agent-browser snapshot # 点击登录/签到按钮（用实际ref替换 @eXX） agent-browser click @eXX # 等待页面加载 sleep 2 agent-browser snapshot
2. 填表任务
agent-browser open <表单URL> agent-browser snapshot # 填入各字段 agent-browser find label "用户名" fill "myuser" agent-browser find label "密码" fill "mypassword" agent-browser find role button click --name "提交"
3. 定时签到（配合cron）
创建脚本 ~/.openclaw/scripts/daily-checkin.sh：
#!/bin/bash agent-browser open <签到URL> sleep 2 agent-browser find role button click --name "签到" agent-browser screenshot /tmp/checkin_$(date +%Y%m%d).png agent-browser close
注意事项
- 先 snapshot 再操作 - 每次页面变化后重新获取 ref
- 添加等待 - 页面加载需要时间，用
sleep 2或等待 - 保持浏览器开启 - 多个操作可以在同一浏览器会话中完成
- 完成后关闭 - 用
agent-browser close释放资源
依赖安装
如果 agent-browser 未安装：
npm install -g agent-browser agent-browser install
热门AI工具
相关专题
本专题聚焦DBeaver数据库连接配置与管理，覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库，整理相应的连接设置方法，并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
本专题围绕XORM框架的结构体映射展开，说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充，并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题梳理XORM框架的入门路径，从框架定位、依赖安装、连接数据库到跑通第一个增删改查示例，讲清Engine初始化、日志开启与项目目录规划，并对比GORM等同类ORM的差异，帮助Go开发者建立整体认知。
0
2026.11.04
本专题聚焦Docker Desktop容器端口映射与访问配置，整理从创建容器、设置端口绑定到验证本地服务访问的操作流程。针对端口被占用、映射配置错误、容器服务无法访问等情况，也提供相应的检查方向，方便用户完成端口配置。
0
2026.11.03
想使用Docker Desktop将本地项目构建成Docker镜像？本专题围绕镜像构建的实际操作展开，介绍Dockerfile编写、构建命令使用、镜像标签设置和构建日志查看等内容，同时整理镜像无法生成、依赖安装失败及构建缓存异常等问题的排查思路。
0
2026.11.03
本专题聚焦Docker Desktop容器创建与运行配置，介绍通过本地镜像或远程镜像创建容器的方法，以及容器启动、终端访问、日志查看和基础管理等操作。针对端口冲突、参数配置不当、容器无法启动等情况，也整理了相应的排查方向。
0
2026.11.03
热门下载
相关下载
精品课程
