想让 AI 帮你刷简历、填表格、比价格？这个 Skill 让浏览器自动化终于能打了

你有没有过这种时刻：明明只是想让 AI 帮你”打开招聘网站，填完申请表单，顺便截图保存”，结果它要么点到广告，要么填错验证码，要么直接卡在某个下拉菜单上。

说白了，之前的浏览器自动化工具，要么太笨，要么太脆。直到我遇到 browser-use —— 一个把「人类浏览行为」封装成 AI 可调用 Skill 的开源项目。

它到底能干什么？

一句话总结：你描述任务，它操作浏览器。

• 打开指定网页，像人一样滚动、点击、输入
• 支持多标签页管理，复杂任务可以跨页接力
• 自动识别验证码、弹窗、登录态，不用你手动处理
• 输出结构化结果，不只是”截图给你看”

真实场景例子：
– “帮我在三个电商平台比一下这款耳机的价格”
– “帮我投递这个岗位，把简历上传并填完表单”
– “把竞品的定价页面爬下来，整理成表格”

这些事以前要开十几个浏览器标签、反复切换；现在给 Agent 一句话，它自动跑完。

为什么值得装？

市面上的浏览器自动化工具不少，Selenium、Playwright 都很成熟。但问题是：它们给开发者用的，不是给 AI 用的。

browser-use 做对了几件事：
1. LLM 原生驱动 —— 不是写死选择器，而是让模型理解页面语义，动态决策下一步
2. 多模型兼容 —— 支持 OpenAI、Anthropic、Gemini，也支持 Browser Use 自研的 ChatBrowserUse 模型，在浏览器任务上比通用模型快 3-5 倍
3. 两种用法 —— CLI Skill 模式：一句 prompt 就能装进 Claude Code / Codex / Cursor；Python 库模式：uv add browser-use 直接引入项目，适合批量自动化
4. benchmarks 公开透明 —— 在 Odysseys 200 题长链路网页任务榜单上排名第一，平均得分 87.4%，超过 OpenAI、Anthropic、Google、Microsoft 的同类 Agent

如果你经常要 AI 帮你查资料、填表、做竞品调研，这个 Skill 能直接把”半成品 Agent”变成”真能干活的上手工具”。

上手有多快？

# 1. 安装
uv add browser-use

# 2. 配 key
echo "BROWSER_USE_API_KEY=你的密钥" >> .env

# 3. 跑起来
from browser_use import Agent
agent = Agent(task="帮我查一下 browser-use 现在多少 star")
agent.run()

如果你用 Claude Code，更简单：直接运行 browser-use skill install，它会自动注册成 Skill，以后说”帮我查一下 XX 网站”就会自动调用。

适合谁？

• 用 Claude Code / Codex / Cursor 的开发者
• 需要 AI 帮忙做信息搜集、表格填写、竞品监控的产品经理
• 想批量自动化网页操作的效率爱好者

项目地址：https://github.com/browser-use/browser-use

GitHub: https://github.com/browser-use/browser-use