AgentSkillsCN

agent-browser-automation

规则与指南：如何使用 `agent-browser` CLI 进行网页自动化与研究。

SKILL.md
--- frontmatter
name: agent-browser-automation
description: Rule and guide for using the `agent-browser` CLI for web automation and research.

Agent Browser Automation Skill

此 Skill 定義了使用 agent-browser CLI 工具進行網頁自動化操作的標準流程。 原則：優先使用 agent-browser 代替其他瀏覽器工具或 curl。

1. 核心理念 (Core Philosophy)

  • •AI-First: 使用 snapshot 指令獲取語義化的可訪問性樹 (Accessibility Tree)，而非原始 HTML。
  • •Reference-Based: 使用 @e12 等參考編號 (Refs) 進行元素操作，避免 CSS Selector 變動導致的失敗。
  • •Deterministic: 確保每次操作都有明確的目標 ID。

2. 常用指令 (Cheatsheet)

啟動與導航

bash
agent-browser open "https://example.com"

獲取 AI 視角 (Snapshot)

這是最重要的步驟，用於理解頁面結構並獲得操作 Refs。

bash
agent-browser snapshot -i --json
  • •-i: 僅顯示互動元素 (Interactive elements only)。
  • •--json: 輸出 JSON 格式供分析。

元素操作 (Interaction)

假設 snapshot 返回了 button "Login" [ref=e5]：

bash
agent-browser click @e5
agent-browser fill @e6 "user@example.com"
agent-browser press Enter

查資訊 (Extraction)

bash
agent-browser get text @e10
agent-browser get url

截圖 (Verification)

bash
agent-browser screenshot path/to/image.png

3. 使用時機 (When to use)

  1. •複雜網頁爬蟲: 需要執行 JS、點擊按鈕或登入才能看到的內容。
  2. •動態內容研究: 頁面內容隨用戶互動而改變。
  3. •驗證 UI: 需要截圖確認網頁顯示正確。

4. 注意事項

  • •若遇到 Cloudflare 或強反爬機制，嘗試使用 --headed 模式 (需環境支援) 或調整 User-Agent。
  • •保持 Session 乾淨，必要時使用 agent-browser close 或 --session 參數隔離。