browser-automation 实战：让AI自动操作网页，不用一行Selenium

这个技能是干什么的 在SFD实验室，有相当一部分日常工作是和网页打交道的：定期去某些平台抓竞品数据、批量填写表单、截图留存记录、自动登录然后下载报表……这些事情人工做枯燥，但以前要自动化，要么装Selenium、Playwright，要么用Python写一堆Xpath定位代码，维护起来特别痛苦。 自从装了OpenClaw的browser-automation技能，处理这类需求的方式彻底变了。这个技能底层用Playwright实现，但你不需要写任何Playwright代码——用自然语言描述你想做什么，它会转化成浏览器操作。 装好之后怎么用 技能安装后，直接在OpenClaw里用自然语言描述任务就行。比如：去某个产品页把所有产品名称和价格提取出来，存成CSV；或者登录管理后台，截图首页仪表盘；或者打开表格链接，把数据逐行填进去，每行提交一次。背后技能会自动处理：打开浏览器、等待元素、定位、操作、提取、关闭。 我们真实用过的场景 场景1：定期抓竞品定价 我们的SFD Lab网站需要持续关注几个竞品的定价变动。以前是人工去看，现在设了个cron任务，每天早上9点触发，让它去竞品的定价页找到所有套餐名称和价格，整理成JSON，如果价格比上次有变化，发Telegram通知。大概设置了10分钟，现在完全自动运行。关键点：对于有反爬措施的网站可能需要额外配置user-agent，我们遇到过一个平台检测headless，加了真实UA就过了。 场景2：批量填表单 有个合作方要我们提交一批设备注册信息，是个web表单，几十条记录。他们的系统不提供批量导入，只能一条条填。我把数据准备成CSV，然后告诉browser-automation：打开表单页面，读CSV第一行填进去提交，等待成功提示后继续下一行，如果某行失败记录错误继续下一行。跑了大概20分钟，50条全部提交完成。 场景3：截图存档 我们每周要截图记录几个关键页面的状态，存档备用，有时候需要对比"这个改动之前是什么样的"。直接让它批量截图，自动以日期命名存到指定文件夹。 有哪些坑 动态渲染页面要等待 很多现代网站是SPA，页面内容是JavaScript渲染的，直接抓HTML什么都没有。需要明确告诉技能"等待某个元素出现后再操作"。我们在描述任务时会加上类似"等待页面完全加载，确认看到产品列表后再抓取"。 验证码 遇到图形验证码就没办法自动化了。碰到这种情况，我们会在任务描述里注明"如果出现验证码，暂停并通知我"，然后人工介入一次。 登录状态保持 有些任务需要先登录，然后操作多个页面。Playwright支持保存browser context，在技能配置里可以开启session持久化，下次用同一个profile就不用重新登录了。 选择器漂移 如果网站改版了，原来的按钮位置变了，自动化脚本就会失败。用自然语言描述的优势是：你说"点击提交按钮"，技能会找页面上语义最接近的元素，比写死CSS选择器更有鲁棒性。 跟smart-web-scraper的区别 smart-web-scraper是 读 ，抓取页面数据，适合结构化内容提取，不需要交互；browser-automation是 读+写+交互 ，点击、填表、截图，适合需要操作的场景。如果只是抓数据，smart-web-scraper更快、更轻。如果需要交互（登录、点击、提交），用browser-automation。 适合谁用 经常需要手动操作某些网站的重复性任务的人。想从竞品或公开平台定期收集数据的人。需要批量填写web表单的人。不想学Selenium/Playwright但需要浏览器自动化能力的人。 如果你用OpenClaw做工作流自动化，browser-automation是那块让"AI能真正触达网页"的拼图。装了之后你会发现，很多以前觉得只能人工做的任务，其实可以完全交出去。