---
title: "BrowserAct Skills – 开源的 AI Agent 浏览器自动化 CLI 工具"
url: "https://paooo.com/aigc-news/18554/"
author: "Prompt 语宙研究院"
published_at: "2026-06-07T18:00:28+08:00"
updated_at: "2026-06-07T18:00:28+08:00"
categories: "AIGC 资讯"
tags: "AI办公效率, AI智能体, AI编程, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# BrowserAct Skills – 开源的 AI Agent 浏览器自动化 CLI 工具

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/18554/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-07

## AI 30 秒核心看点 (TL;DR)

- 三层递进架构覆盖环境伪装、自动执行与人工接力，专治反爬、验证码和无 Cookie 场景。
- 索引化交互让 Agent 直接用编号操控浏览器，减少 DOM 解析负担，提升执行效率。
- Skill-Forge 可自动探索网站 API 与数据路径，生成可复用 Skill 包，便于后续批量复用。

## 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。

## 常见问题解答 (FAQ)

### BrowserAct Skills 适合哪些浏览器自动化场景？
它适合 AI Agent 在真实浏览器中执行需要稳定登录态、批量抓取、多账号隔离和验证码处理的任务，尤其适合反爬较强、需要人工接力或后续复用路径的场景。

### BrowserAct Skills 和普通浏览器自动化工具有什么区别？
它不是单纯的自动化脚本工具，而是面向 AI Agent 的 CLI 基础设施，强调环境层伪装、执行层穿透和人工层接力，能在复杂网页环境里保持任务连续性。

### Skill-Forge 在 BrowserAct Skills 里有什么用？
Skill-Forge 会自动探索目标网站的 API 与数据路径，并生成可复用的 Skill 包。后续执行同类任务时，Agent 可直接复用已验证路径，减少重复探索成本。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
