AI 浏览器控制总是翻车？这个 Skill 让我稳定了不止一个档次

不知道你们有没有这种感觉——让 AI 控制浏览器做复杂操作，总是容易翻车。点错位置、元素定位失败、页面还没加载完就急着截图……这些问题我踩过太多了。

直到我发现了 OpenClaw 内置的 browser-automation Skill，才发现原来 AI 控制浏览器有这么多门道。

它解决什么问题

这个 Skill 本质上是一套浏览器控制的标准操作规范，专门给 Agent（AI）使用。核心思路很简单：先读取、再判断、最后操作。但正是这套看似简单的逻辑，大幅降低了浏览器自动化的出错率。

它覆盖的场景很广：多步骤操作流、登录状态检测、标签页管理、页面状态恢复（stale refs/timeouts）等。尤其是遇到页面元素过期或者超时的情况，它有一套成熟的恢复机制，不会直接卡死或者乱点。

几个核心设计理念

• 操作前先检查状态——用 snapshot/extract 而非盲目 act，避免 blind wait
• 用稳定句柄而非临时 ID——用 label 或 tabId 替代 raw DevTools targetId，防止页面重载后引用失效
• 读懂再动——遇到权限弹窗、登录框、2FA 等人工步骤，AI 会停下来告诉你需要什么，而不是假装自己能处理
• 批量操作支持——batch CLI 可以把多个 act 合并成一次请求，减少网络往返

实际体验

我自己在跑各种自动化任务时，最怕的就是页面加载不稳定导致的 flaky 行为。用上这个 Skill 的逻辑后，明显感觉到 AI 更”耐心”了——它会等网络空闲（networkidle），会 re-snapshot，会在跨操作前验证页面状态是否一致。

对于需要做 UI 测试、自动填表、内容抓取、或者任何涉及多步骤浏览器操作的场景，这个 Skill 提供的框架非常值得参考。

总结

browser-automation 不是教你”如何用 AI 点击按钮”，而是教你”如何让 AI 正确地控制浏览器”。两者的区别在于前者可能 10 次成功 3 次，后者可以稳定在 9 次以上。如果你经常需要 AI 处理 Web 操作，推荐仔细看看它的 SKILL.md。

GitHub：openclaw/openclaw – browser-automation

GitHub: https://github.com/openclaw/openclaw/tree/main/extensions/browser/skills/browser-automation