AI终于有”手”和”眼”了：dev-browser让Agent真正操控浏览器

你有没有这种感觉——AI 写代码、聊方案都挺能干的，但真让它去”帮我登一下这个网站、填个表格、截图看看页面长什么样”，它就歇菜了？

问题不在 AI 本身，而在于它没有”手”和”眼睛”。

dev-browser 就是来解决这个的。这是一个给 AI Agent 装浏览器的 Skill，GitHub 6,637 星，最近还在活跃更新。

简单说它的原理：你装上它之后，AI 就能真正操控 Chrome 了——打开网页、点击按钮、填表单、截图、抓数据，全都能干，而且页面状态会跨任务保留，不用每次都从头来。

它有几个挺实在的功能：

持久化页面。正常浏览器自动化工具每次跑脚本都得重新开页，dev-browser 不一样——它维护一个”命名页面”，AI 上一次操作的结果可以直接接着用。比如先登录，再填表，再提交，三步可以串起来跑，不用每次都重新登录。

ARIA 快照交互。它把网页元素翻译成 AI 能读懂的”可访问性树”，给每个可点击的元素一个稳定的引用标签。AI 不再靠 XPath 或者 CSS selector 那种脆弱的定位方式，而是用语义化的快照来点击，更准，更不容易因为页面改版而失效。

真实 Puppeteer 内核。脚本跑的是真实 Chrome，不是无头模拟，所以任何真实网站的行为它都能复现。

适用场景：

• 自动化爬虫：多步骤数据抓取，跨页面状态保持
• 表单批量处理：登录后台 → 填表 → 提交，AI 帮你跑通
• 网页质量检测：自动截图，对比不同版本页面的视觉差异
• UI 测试：跑 Playwright 级别的自动化测试，用自然语言指挥 AI 去测

装起来也简单：

npm install -g dev-browser
dev-browser install  # 首次如果没有 Chrome 才需要

然后在 AI 编码助手（比如 Claude Code）里激活 dev-browser Skill，就可以用自然语言让它操作浏览器了。

比如：”帮我打开某网站，登进去，把这个 CSV 里的数据填到表单里，最后截个图给我看。”

这就是把 AI 从”能说不能干”往”能说又能干”推了一步的真实案例。

GitHub：https://github.com/SawyerHood/dev-browser

GitHub: https://github.com/SawyerHood/dev-browser