Browser-use AI浏览器自动化操作教程

教程导读：Browser-Use 与页面操作命令台

一句话定位：这是一部把 AI 浏览器自动化当成"命令台指挥"来讲的 Browser-Use 实战教程——你在命令台前侦察页面、下达指令、复核战果、复盘翻车，指挥大模型替你把浏览器里的活干完。

从一张没关的表格说起

晚上十点，你面前开着十一个标签页：供应商后台、比价页、物流查询、三份要逐条录入的表格。每一步操作都不难，难的是它们加起来要四个小时，而你三个月后还要再做一遍。脚本你会写，可是页面结构一变就崩；手工你也能点，可是明天还有明天的十一个标签页。

问题出在哪？不在你手上，在于传统自动化只会"背操作手册"，不理解页面。Browser-Use 给出的答案是另一条路：让大语言模型坐在浏览器前面，看页面、想对策、动手操作、核对结果——你只负责下任务单，它负责把活干完。这不是给旧工具换了个壳，而是操作主体的更换：从"死记硬背的脚本"换成"看懂页面再动手的智能体"。

这本教程把这套能力组织成一个页面操作命令台。每一次自动化任务，在你这里都是一轮完整的指挥循环：

• 观察：页面被拆解成模型读得懂的情报（DOM 简报、截图、元素编号）；
• 决策：模型根据任务目标和当前情报，选出下一步动作；
• 动作：框架把决策翻译成真实的点击、输入、滚动；
• 复核：检查结果、处理失败、决定继续还是收兵。

全书六章，每一章都是命令台上的一个岗位。读完你会发现，所谓 AI 浏览器自动化，本质上就是在训练自己的指挥能力。

全册知识地图

六章的关系不是平铺的目录，而是一条上岗路径：先认清装备（第 1 章），再完成出勤准备（第 2 章），然后吃透指挥循环这条主轴（第 3 章），接着把武器库一件件盘活（第 4 章），上真战场打三仗（第 5 章），最后修炼边界意识与排错功力（第 6 章）。

图：全册知识地图——六章的上岗路径与依赖关系

适合谁读

• 会一点 Python，想把手头重复网页操作交出去的开发者和运营同学；
• 做数据采集、内容巡检、竞品跟踪，但被反爬和页面改版折磨过的人；
• 玩过 Selenium 或 Playwright，好奇"模型自己看页面操作"到底靠不靠谱的测试与自动化工程师；
• 在做智能体项目，需要给 Agent 接一双"能操作网页的手"的 AI 应用开发者。

读这本书不需要机器学习基础，但需要你能运行 Python 脚本、看得懂函数调用；第 3 章会涉及少量提示词工程的概念，文中会给足上下文。

学完你能做什么

1. 用 Browser-Use 跑通从安装到出结果的完整任务，读懂智能体每一步的输出日志；
2. 判断一个任务适合"写死脚本"还是"派模型上"，说清楚两者成本与可靠性的差异；
3. 解释指挥循环四拍——观察、决策、动作、复核——分别在代码里对应什么机制；
4. 把模糊需求翻译成结构化提取任务，拿到带字段约束的 JSON 而不是一段碎文本；
5. 给智能体注册自定义动作，守住敏感操作的确认关口，处理登录态与多标签页；
6. 面对页面改版、循环点击、超时卡死这些高频翻车场景，有一套固定的排错动线。

怎么用这本教程

前三章按顺序读，不要跳：第 3 章的指挥循环是后面所有内容的坐标系。第 4 章可以边查边用，第 5 章建议打开编辑器跟着打一遍——案例都按"背景、操作、结果、解读、变式"完整展开，变式部分专门为迁移到你的真实业务而写。第 6 章在你第一次撞墙之后读，吸收率最高。

每一节都配了带注释和预期输出的 Python 片段，全部可以直接跑；跑不出来的时候，先回到第 6 章第 3 节的排错速查表对号入座。命令台的第一课是：指挥官也要自己看地图。