浏览器智能体实战 · 第 2 章 browser-use 实战

浏览器智能体实战 · 第 2 章 browser-use 实战

章节摘要：browser-use 是 DOM 动作原语流派的事实标准库（约 11.8 万 stars，2026-10-16 社区口径；MIT 许可；Python 编写，构建在 Playwright 之上），本章把它当作「Agent 循环」的解剖标本。2.1 节拆循环本体：感知如何序列化页面、决策如何输出带编号的动作、行动如何把动作落进浏览器、终止条件分哪三类——理解了循环，Agent 不再是黑盒。2.2 节处理循环里最危险的一类动作：提交、支付、删除。讲 browser-use 的敏感数据机制（占位符替换与历史脱敏）、人工介入点的三种形态、域名白名单，收在一张信任边界自查清单。2.3 节讲定制与扩展：自定义动作、系统提示、模型选择、浏览器会话选项，并郑重交代其 API 变化快（经历过 3.x 到 0.x 的重构式换代）带来的版本锁定纪律。本章示例全部打在本地测试页上。

学习目标

• 画出 Agent 循环四阶段（感知、决策、行动、终止判断）的数据流。
• 解读喂给模型的页面状态与模型返回的动作序列化形态。
• 说出三类终止条件与死循环的治理手段。
• 用敏感数据机制与域名白名单搭出最小信任边界。
• 编写自定义动作（含人工确认门）并定制系统提示与模型选择。
• 建立针对高速迭代依赖的版本锁定习惯。

核心概念速览

browser-use 的 Agent 循环（本章解剖对象）

  任务文本 ──▶ ┌───────────────────────────────┐
              │ ① 感知：页面 → 元素标注编号清单    │◀─┐
              │ ② 决策：模型 → 下一步动作（选编号） │  │ 页面状态
              │ ③ 行动：Playwright 执行该动作     │──┘ 反馈
              │ ④ 终止判断：done / 最大步数 / 熔断 │
              └───────────────┬───────────────┘
                              ▼
                        最终结果 + 执行历史
​

一句话金句：Agent 循环不是魔法，是「快照、模型、动作」三件事转起来的 while 循环加终止条件。

子章节导航

• 第 2.1 节《Agent 循环》：循环解剖、页面状态序列化、动作与思考分离、三类终止条件与死循环治理。
• 第 2.2 节《敏感数据确认》：提交类动作的风险模型、占位符与脱敏、人工介入三形态、白名单与自查清单。
• 第 2.3 节《定制与扩展》：自定义动作、系统提示、模型选择、会话选项、版本锁定与迁移纪律。

按序读：2.1 让循环透明，2.2 在循环上装刹车，2.3 按需调校——前两节是理解性内容，第三节是操作性内容。

子章节之间的逻辑关系

┌────────────────┐   循环里最危险的一步是提交  ┌────────────────┐   边界与习惯定型  ┌────────────────┐
│ 2.1 Agent 循环  │ ──────────────────────▶ │ 2.2 信任边界     │ ─────────────▶ │ 2.3 定制扩展    │
│ 循环透明化      │                          │ 敏感数据+确认门   │                │ 动作/提示/模型   │
└───────┬────────┘                          └───────┬────────┘                └───────┬────────┘
        │ 产物：循环心智模型                          │ 产物：最小信任边界                │ 产物：定制套路
        └───────────────────────────────────────────┴───────────────┬──────────────┘
                                                                    ▼
                                          第 3 章 Stagehand（同一批问题，代码优先的另一套答案）
​

前置知识与后续延伸

• 前置：第 1 章全部——三原语语义（循环每圈都在用）、编号点击（感知阶段的机制）、靶场走查（本章示例同一靶场）。
• 延伸阅读：《深入理解 AI Agent》第 9 章「Computer Use：GUI 自动化 Agent」一节与其实验 9-7（browser-use 入门实验）——本章可视为该实验的工程纵深版。
• 后续：第 6 章把本章「循环可能转错」的问题系统化为验证与重试；第 7 章处理循环背后的浏览器会话与基建；第 8 章讨论 stealth 选项的合规边界。

合规声明：本节内容仅用于你有权访问的站点与授权自动化场景；请遵守目标站点的服务条款，自动化访问的速率与方式应可被站点方接受。