better-browser-use：让AI真正接管浏览器自动化的Skill

AI 操控浏览器，这次真的不一样了

你有没有遇到过这种情况——需要自动填表、批量登录账号、或者定时抓取某个网页数据，第一反应是写 Playwright 脚本？但凡改动需求，代码就要大改，调试半天发现还在原地打转。

今天介绍一个让我眼前一亮的工具：better-browser-use，一个基于 ARIA 快照导航的 AI 浏览器自动化 Skill。它不是简单调用 Playwright，而是让 AI Agent 直接理解页面结构、自主决策操作步骤。

它能做什么？

举几个我实际会用到的场景：

• 网页填表 & 登录：AI 自动识别输入框、下拉菜单和按钮，你只需要说”登录这个网站”，剩下的交给它
• 绕过反爬机制：内置三重隐身模式（Playwright → Patchright → Camoufox），自动升级策略对付反机器人检测
• 多标签页协作：打开新标签、跨标签提取数据、同时管理多个会话
• 文件上传/下载：直接处理网页上的文件操作，不用再手动找下载链接
• JavaScript 执行 & 截图：任意页面注入 JS、截取当前状态，用于测试或存档

核心优势在哪里？

传统的浏览器自动化是”规则驱动”——你写好每一步，它就照着走。better-browser-use 的区别在于它是”目标驱动”：

• ARIA 快照导航：用语义化方式定位元素，不依赖死板的 CSS 选择器，页面改版也不容易挂
• 会话持久化：Cookie 和存储文件保留，下次继续操作不用重新登录
• 新元素自动检测：快照间自动识别新增 DOM 节点，防止遗漏动态加载的内容
• 操作循环预警：AI 发现自己在重复操作，会主动escalate 警告，不会卡死在某个页面

适合谁用？

说实话，这个工具偏向有开发经验的用户。不需要写代码，但需要理解 AI Agent 的工作逻辑——它会根据目标动态生成操作步骤，你需要判断结果是否正确。

具体来说：测试工程师用它做 UI 回归测试比写脚本快 3 倍；运营同学用来批量处理账号热身、表单提交；开发者用它做探索性测试，让 AI 帮你遍历页面所有可点击元素，记录异常行为。

安装方式

一行命令搞定：

npx skills add https://github.com/yoloshii/better-browser-use --skill browser-use

支持 Claude Code、Claude Desktop、Windsurf、Cursor 等主流 AI 编程工具。

总结

better-browser-use 解决的核心问题是——让 AI 从”给你建议”变成”帮你干活”。虽然不是银弹，但如果你每天都在和重复性浏览器操作打交道，这个 Skill 确实能帮你省不少时间。

建议先从简单任务试起，比如”打开某网页，截图保存”，熟悉它的决策逻辑后再上难度。

GitHub 仓库地址 →

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