Leader说Skills就是Prompt换皮，我不听，花一周给团队写了这个浏览器自动化Skill。他偷偷找我：这个月的绩效你拿A。
大家好，我是二哥呀。
必须推荐一个，最近一直在用，GitHub 上有 1.4K Star 的开源项目，名叫 BrowserAct。
专门为 AI Agent 打造的浏览器自动化 CLI 工具。
https://github.com/browser-act/skills
它和普通的无头 Chrome 封装最大的区别在于：专门解决 Agent 被网站拦截的问题。
三层突破体系，层层递进：
- 环境层：stealth 反检测浏览器 + 指纹伪装 + 动态代理 + Session/Cookie/Profile 隔离。大部分场景在这一层就解决了，根本不会触发验证。
- 执行层：solve-captcha 自动解决常见验证码，stealth-extract 一条命令提取受保护页面内容，全程无人值守。
- 人机交互层：remote-assist 生成远程链接，手机或任意设备上接管浏览器，完成短信验证码、扫码登录等必须人工参与的步骤。人操作完，Agent 继续原来的会话，不需要从头开始。
三种浏览器模式覆盖不同场景：stealth 反检测、chrome 复用登录态、chrome-direct 零配置控制当前 Chrome。
50+ 命令，支持 Claude Code、Cursor、Codex CLI、Gemini CLI 等主流 AI Agent。
我实际跑了几个场景，效果确实让我有点惊喜。
比如说直接在Agent里用知乎搜索 AI Agent 的 TOP10 热门帖子。
嘎嘎嘎的好用。
01、安装 BrowserAct
最简单的方式是直接跟 Agent 说“帮我安装 BrowserAct：https://github.com/browser-act/skills”，Agent 会自动完成全部安装流程。
安装过程会自动检测 Agent 环境，从 GitHub 拉取 Skill 文件，完成后显示安装路径和支持的 Agent 列表。
我这里用的是Claude Code演示，你也可以用 Codex 等 Agent 工具。
装完之后可以通过 get-skills core 拿到完整的命令指南和环境状态。
需要注意的是，stealth 浏览器和动态代理功能需要 API Key，直接按照 Agent 的提示操作，点击链接授权一下即可。
授权完成后就可以猛猛干活了。
02、一条命令抓小红书
装好之后，可以先试试 stealth-extract。这个命令的定位是“高级版 WebFetch”，用反检测浏览器打开目标 URL，等 JavaScript 渲染完成后提取内容，一条命令搞定。
拿 httpbin.org 做了个热身测试，直接跟 Agent 说：
用 stealth-extract 提取 https://httpbin.org/headers 的内容Agent 自动调用 BrowserAct，返回的结果如下所示：
注意看 User-Agent：Windows NT 10.0 + Firefox/135.0。
我的电脑是 macOS + Chrome，但 stealth-extract 发出去的请求完全伪装成了 Windows 上的 Firefox。不是简单地改个 UA 字符串，而是整套请求头都是一致的：Sec-Fetch-Dest、Sec-Fetch-Mode 这些指纹字段全部匹配 Firefox 的行为模式。
热身完毕，上难度。
小红书的访问限制是出了名的严格，用 curl 直接抓小红书，拿到的全是混淆后的 JavaScript 代码：
curl -s https://www.xiaohongshu.com/explore | head -20
# 返回：一坨 <script> 标签和混淆的 JS，没有任何实际内容
换成 BrowserAct，跟 Agent 说：
帮我提取小红书 Explore 页面的内容：https://www.xiaohongshu.com/exploreAgent 会调用 stealth-extract，直接拿到小红书首页的完整推荐内容，频道分类、笔记标题、作者名、互动数据全都有：
连每条笔记的详情链接、作者主页链接也一起返回了。
而且页面顶部的频道分类（推荐、穿搭、美食、彩妆...）也完整提取出来了。
一条命令，不需要打开浏览器、不需要管理 Session、不需要写一行代码。
给个 URL，stealth-extract 就能帮我们搞定指纹伪装、JavaScript 渲染、内容提取等全部流程。
这里说一下 stealth-extract 和 WebFetch 的本质区别。
WebFetch 是 Agent 自带的网页抓取工具，底层走的是 HTTP 请求加上简单的 HTML 解析。碰到需要 JavaScript 渲染的页面，WebFetch 有时候能拿到内容（依赖服务端渲染），但很多时候是拿不到的。
stealth-extract 是真的启动了一个反检测浏览器，等页面完全渲染完毕再提取，所以动态渲染的内容、懒加载的数据、需要 JavaScript 执行后才出现的元素，全都能拿到。
再说 curl，直接 HTTP 请求拿到的是原始 HTML 源码，动态渲染的内容拿不到。
三者的能力梯度如下：
curl < WebFetch < stealth-extract
能用轻量工具搞定的场景当然优先用轻量工具，但碰到有访问限制的网站，stealth-extract 是唯一能打的选项。
对于那些只需要“拿内容不需要交互”的场景，stealth-extract 是效率最高的方式。
还能通过自然语言指定输出格式，比如：
用 stealth-extract 提取这个页面，输出 Markdown 格式：https://news.ycombinator.com
Agent 会自动加上 --content-type markdown 参数。多个 URL 可以并行跑，每次调用都是独立的，没有 Session 冲突的问题。
03、stealth 浏览器
stealth-extract 适合“拿了就走”的场景。但如果需要交互操作，比如登录、点击、填表单、翻页，像人一样操作，就得创建 stealth 浏览器。
比 Browser Use 更强大，后面我会演示。
跟 Agent 说一句就行：
帮我创建一个 stealth 浏览器，然后打开 bot.sannysoft.com 做反检测测试
BrowserAct 有一个 Confirmation Gate 机制：创建浏览器、删除数据、导入 Profile 这些敏感操作，必须经过用户明确批准才能执行，所以不用担心安全问题。
headed 模式会让浏览器带界面运行，可以实时看到 Agent 在操作什么。
检测结果拿到了。
| 检测项 | 结果 |
|---|---|
| User Agent | 正常浏览器 UA（passed） |
| WebDriver | missing（passed） |
| WebDriver Advanced | passed |
| Chrome 对象 | present（passed） |
| Permissions | prompt |
| Plugins 数量 | 5 |
| Plugins 类型 | PluginArray（passed） |
18 项检测，全部 ok。
做过浏览器自动化的小伙伴应该知道，普通的无头浏览器在 WebDriver 这一项上就会直接返回 present 而不是 missing，更别提 Selenium 检测、Chrome 调试工具检测这些。BrowserAct 的 stealth 模式在所有维度上都处理到位了。
知乎搜索必须登录才能看到内容，这个用过的小伙伴应该知道，直接用Agent是很难直接做到这一点的。
这正好是 stealth 浏览器 + remote-assist 的用武之地。
跟 Agent 说：
用 stealth 浏览器打开知乎，搜索 AI Agent，如果需要登录就给我一个远程链接
Agent 打开知乎搜索页，发现需要登录，自动启动 remote-assist 发一个链接。
我们打开链接，扫码登录知乎，Agent 拿到登录态之后继续搜索提取。
整个过程我们只需要花 10 秒钟扫个码，剩下的全是 Agent 在做。
看，结果拿到了，是不是贼方便。
04、搜 AI 博主的 Agent 内容
大家都知道，微信生态的内容是不允许外部浏览器搜索的，比如说谷歌搜索和百度。
那假设我们要做 AI Agent 方向的竞品调研，想看看最近关注的 AI 博主都在公众号上发表了哪些内容。
BrowserAct 可以做得到。
跟 Agent 说：
用 stealth-extract 搜一下关于 AI Agent 的最新文章，比如说苍何、JavaGuide、沉默王二这些博主
Agent 会调用 stealth-extract，通过搜狗搜索返回完整的文章列表，标题、摘要、公众号名、发布时间全都有。
比如搜“AI Agent 苍何”：
搜“AI Agent JavaGuide”：
搜“AI Agent 沉默王二”：
还可以用 full browser 模式查看完整的内容。
如果想翻页看更多结果，也是自然语言搞定：
翻到第 2 页，继续提取文章列表
Agent 会自动走 Open → State → Interact → Verify 循环：找到翻页按钮点击，等页面稳定后重新提取。
这个场景的价值在于：公众号的文章在微信生态之外很难批量获取，搜狗搜索是少数入口之一，但它对自动化访问有频率限制。
stealth-extract 的反检测能力让这件事变得简单无比。
05、三种浏览器模式怎么选
实测过程中我把三种浏览器模式都摸了一遍，总结一下各自的适用场景。
- stealth 模式：反检测浏览器 + 指纹伪装 + 代理轮换，专门应对有访问限制的网站。支持无头模式下依然保持反检测能力，普通的 headless Chrome 做不到这一点。适合批量采集、匿名访问、竞品监控这类场景。
- chrome 模式：把本地 Chrome 的 Profile 导入到一个独立环境里运行。好处是能复用已有的登录态，适合需要登录态但不想手动登录的场景。
- chrome-direct 模式：直接控制当前正在运行的 Chrome。零配置，天然带所有登录态和插件。
06、BrowserAct Forge 和云平台
BrowserAct 还有一个配套工具叫 Skill Forge。
定位是把跑通的网站操作流程生成一个可复用的 Skill 文件，后续同类任务直接调用，不再需要 Agent 从零摸索页面。
安装命令：
帮我安装 browser-act-skill-forge，Skill 地址：https://github.com/browser-act/skills/tree/main/browser-act-skill-forge
然后告诉 Agent 想做什么：
探索知乎的搜索 APISkill Forge 会分析网站结构，发现可用 API，结合 DOM 操作，生成标准化的 Skill。
而且做好的 Skill 可以分享给同事或团队成员。
比如你花半小时搞定了一个复杂网站的数据采集流程，生成一个 Skill 发给同事，同事一行命令安装直接就能用。把“我已经跑通的网站能力”变成别人也能直接调用的协作资产，爽歪歪啊。
BrowserAct 团队用 Skill Forge 已经生成了 30 多个现成的 Skill，覆盖 Amazon、Google Maps、YouTube、Reddit、微信、知乎等平台，装上就能跑。
除了 CLI，BrowserAct 还有一个完整的云平台 browseract.com。
Marketplace 里有 294 个现成的工作流模板。
Google Maps Scraper、Amazon Best Sellers Scraper、YouTube Comment Scraper、TikTok Hashtag Scraper、LinkedIn Job Scraper 应有尽有。
云平台的 Integrations 页面做得比较完整。
Agent 直连支持 Claude Code、Cursor、Codex CLI、Gemini CLI、Windsurf、OpenClaw、Hermes 这 7 个主流 AI Agent。
自动化平台支持 Make 和 n8n，可以编排定时任务。页面顶部还有 API Server 地址和 Manage API Keys 入口，可以生成 API Key 接入任何外部系统，也提供 MCP 接口让 Agent 直接调用。
这意味着 BrowserAct 不只是一个本地 CLI 工具。通过 API Key，我们可以在后端服务、定时任务、甚至微信机器人里调用 BrowserAct 的浏览器自动化能力。
比如用 n8n 编排一个定时任务：每天早上 9 点用 BrowserAct 采集竞品价格，然后把数据推到飞书群里通知团队。对有二次开发需求的小伙伴来说，这个 API 会非常实用。
07、和 agent-browser 对比
我之前用的浏览器自动化工具是 agent-browser（web-access Skill 里的 CDP Proxy 方案）。
基础能力方面两者没有太大差异，但在突破访问限制这件事上 BrowserAct 显然更强大：
| 功能 | BrowserAct | agent-browser |
|---|---|---|
| 基础浏览器操作 | ✅ | ✅ |
| 截图和数据提取 | ✅ | ✅ |
| Cookie / Session 管理 | ✅ | ✅ |
| 反检测浏览器 | ✅ | ❌ |
| 验证码自动解决 | ✅ | ❌ |
| 动态代理 | ✅ | ❌ |
| 人机协作（remote-assist） | ✅ | ❌ |
| 通用内容提取（stealth-extract） | ✅ | ❌ |
1.4K Star，MIT 协议，免费开源。
如果大家也在用 Claude Code 或者 Codex CLI 做浏览器自动化，经常被网站拦截的话，可以试试。
帮我安装 BrowserAct：https://github.com/browser-act/skills【工具的价值不是功能多，而是在我们最需要的地方，确确实实能顶上去。】
我们下期见。