如果你是一名開發(fā)者最近可能已經(jīng)注意到一個(gè)趨勢(shì)越來(lái)越多的 AI 編程助手不再滿足于僅僅在聊天窗口里回答你的問(wèn)題。它們開始“動(dòng)”起來(lái)能夠直接在你的開發(fā)環(huán)境中執(zhí)行命令、修改文件甚至——像我們今天要討論的——內(nèi)置一個(gè)瀏覽器去訪問(wèn)網(wǎng)頁(yè)、抓取信息、填寫表單。這聽起來(lái)像科幻場(chǎng)景但已經(jīng)是現(xiàn)實(shí)。無(wú)論是 Anthropic 的 Claude Code還是開源的 Codex它們都在朝著“AI 代理”的方向進(jìn)化。一個(gè)核心的進(jìn)化標(biāo)志就是瀏覽器自動(dòng)化能力。這意味著 AI 不再是一個(gè)被動(dòng)的知識(shí)庫(kù)而是一個(gè)能主動(dòng)操作外部工具、完成復(fù)雜工作流的“智能體”。這篇文章要解決的正是這個(gè)看似微小卻影響深遠(yuǎn)的改變。我們將深入探討為什么“內(nèi)置瀏覽器”是 AI 編程助手的質(zhì)變點(diǎn)它解決的遠(yuǎn)不止“查資料”那么簡(jiǎn)單。Claude Code 和 Codex 等工具是如何實(shí)現(xiàn)這一點(diǎn)的背后的技術(shù)原理和交互模式是什么作為開發(fā)者如何搭建和利用這套自動(dòng)化工作流從環(huán)境配置到實(shí)戰(zhàn)案例手把手帶你跑通。效率真的能“翻倍”嗎我們會(huì)客觀分析其適用場(chǎng)景、當(dāng)前局限以及你必須注意的“坑”。本文不是簡(jiǎn)單的功能介紹羅列。我們將從開發(fā)者的實(shí)際痛點(diǎn)出發(fā)結(jié)合具體代碼和配置為你揭示如何將 AI 代理的瀏覽器能力無(wú)縫嵌入到你日常的數(shù)據(jù)抓取、測(cè)試、內(nèi)容監(jiān)控乃至自動(dòng)化辦公流程中真正實(shí)現(xiàn)效率的躍升。1. 這篇文章真正要解決的問(wèn)題從“問(wèn)答機(jī)”到“執(zhí)行者”的鴻溝過(guò)去我們使用 AI 編程助手無(wú)論是 Copilot 還是早期的 ChatGPT的模式是“問(wèn)答式”的。你描述問(wèn)題它生成代碼或建議。但代碼生成后呢你需要手動(dòng)去運(yùn)行、測(cè)試、調(diào)試需要的數(shù)據(jù)在網(wǎng)頁(yè)上你得自己寫爬蟲需要測(cè)試一個(gè) Web 交互你得手動(dòng)操作瀏覽器或?qū)?Selenium 腳本。核心痛點(diǎn)在于認(rèn)知AI與執(zhí)行環(huán)境是割裂的。AI 知道“怎么做”但它無(wú)法“親手去做”。這導(dǎo)致了一個(gè)效率瓶頸開發(fā)者仍然需要花費(fèi)大量時(shí)間在環(huán)境切換、命令執(zhí)行和重復(fù)性操作上。“內(nèi)置瀏覽器”的 AI 代理正是為了解決這一鴻溝。它的本質(zhì)是賦予 AI 一個(gè)安全、可控的“手”和“眼睛”。讓 AI 能夠主動(dòng)獲取信息不再依賴你喂給它可能過(guò)時(shí)的數(shù)據(jù)它可以自己訪問(wèn)最新的文檔、API 頁(yè)面、競(jìng)爭(zhēng)對(duì)手網(wǎng)站。驗(yàn)證代碼結(jié)果寫完一段爬蟲代碼可以立即讓 AI 代理運(yùn)行并檢查抓取結(jié)果是否正常。執(zhí)行端到端任務(wù)“幫我查看服務(wù)器日志面板如果錯(cuò)誤率超過(guò)5%就發(fā)個(gè)通知”。AI 可以登錄監(jiān)控系統(tǒng)解析頁(yè)面觸發(fā)后續(xù)操作。自動(dòng)化復(fù)雜工作流結(jié)合文件操作、命令行執(zhí)行完成如“抓取今日熱搜生成分析報(bào)告并提交到內(nèi)部 Wiki”這樣的復(fù)合任務(wù)。因此本文要解決的不是“又一個(gè) AI 工具怎么用”的問(wèn)題而是如何將 AI 從“顧問(wèn)”升級(jí)為“實(shí)習(xí)生”甚至“自動(dòng)化工程師”的實(shí)戰(zhàn)路徑。我們將聚焦于 Claude Code / Codex 這類具備此能力的工具為你展示如何搭建環(huán)境、設(shè)計(jì)工作流并避開初期的常見(jiàn)陷阱。2. 基礎(chǔ)概念與核心原理在深入實(shí)操前我們需要厘清幾個(gè)關(guān)鍵概念這有助于理解整個(gè)體系是如何運(yùn)作的。2.1 AI 代理 (AI Agent) 與 技能 (Skill)AI 代理一個(gè)能夠感知環(huán)境、自主決策、執(zhí)行行動(dòng)以實(shí)現(xiàn)目標(biāo)的軟件實(shí)體。在本文語(yǔ)境下特指能夠調(diào)用外部工具如瀏覽器、終端、文件系統(tǒng)的大模型程序。它不再是純聊天的“大腦”而是配備了“肢體”的智能體。技能代理可以執(zhí)行的特定操作或任務(wù)單元。例如“讀寫文件”是一個(gè)技能“執(zhí)行 Shell 命令”是一個(gè)技能“控制瀏覽器”是另一個(gè)核心技能。Claude Code 和 Codex 都通過(guò)“技能”體系來(lái)擴(kuò)展其能力邊界。2.2 Claude Code 與 Codex 的關(guān)系與區(qū)別這是最容易混淆的地方。根據(jù)網(wǎng)絡(luò)上的討論和官方信息梳理特性Claude Code (推測(cè)為項(xiàng)目/功能代號(hào))Codex (通常指開源項(xiàng)目)來(lái)源通常與 Anthropic 的 Claude 模型相關(guān)可能是其面向代碼/代理場(chǎng)景的特定實(shí)現(xiàn)或測(cè)試項(xiàng)目。常指一個(gè)開源的多模型 AI 代理框架其目標(biāo)是為不同模型如 Claude、GPT、本地模型提供統(tǒng)一的工具調(diào)用和能力擴(kuò)展平臺(tái)。核心能力強(qiáng)調(diào)深度集成開發(fā)環(huán)境如 VS Code提供代碼補(bǔ)全、解釋、重構(gòu)以及瀏覽器自動(dòng)化等技能。強(qiáng)調(diào)“技能”集市和工作流編排。可以將瀏覽器技能、計(jì)算技能、文件技能等像樂(lè)高一樣組合創(chuàng)建復(fù)雜的自動(dòng)化流程。定位開發(fā)者生產(chǎn)力工具更貼近編碼本身。AI 代理應(yīng)用構(gòu)建平臺(tái)更偏向于構(gòu)建可部署的自動(dòng)化 Agent。訪問(wèn)方式可能通過(guò)特定插件、API 或早期訪問(wèn)計(jì)劃提供。通常通過(guò)開源代碼部署或托管服務(wù)使用。簡(jiǎn)單來(lái)說(shuō)你可以理解為Claude Code 可能是一個(gè)“配備了強(qiáng)大技能的 Claude 專用版本”而 Codex 是一個(gè)“可以讓任何 AI 模型獲得這些技能的通用框架”。兩者都實(shí)現(xiàn)了瀏覽器自動(dòng)化這一核心功能但集成度和側(cè)重點(diǎn)略有不同。下文我們將以Codex 框架為主要范例進(jìn)行講解因?yàn)槠溟_源特性使得原理和實(shí)操更透明。2.3 瀏覽器自動(dòng)化技能的原理AI 代理的“瀏覽器”并非我們?nèi)粘Ｓ玫?Chrome 或 Firefox 的完整圖形界面。它通常基于以下技術(shù)棧無(wú)頭瀏覽器如 Puppeteer (控制 Chrome/Chromium) 或 Playwright (支持多瀏覽器)。它們可以在沒(méi)有圖形界面的服務(wù)器環(huán)境下運(yùn)行完全通過(guò)代碼控制。模型驅(qū)動(dòng)交互AI 模型如 Claude接收用戶的自然語(yǔ)言指令如“去 GitHub 上看看這個(gè)項(xiàng)目的最近提交”。指令轉(zhuǎn)譯AI 將指令分解為一系列瀏覽器操作導(dǎo)航到 URL、等待元素加載、點(diǎn)擊按鈕、提取文本等。這些操作被轉(zhuǎn)換成 Puppeteer/Playwright 的 API 調(diào)用。安全沙箱瀏覽器在一個(gè)受限制的容器或沙箱環(huán)境中運(yùn)行防止 AI 執(zhí)行惡意操作訪問(wèn)本地敏感數(shù)據(jù)或系統(tǒng)。結(jié)果反饋瀏覽器執(zhí)行操作后將頁(yè)面截圖、DOM 內(nèi)容或提取的數(shù)據(jù)返回給 AI 模型AI 再將其整合成自然語(yǔ)言回復(fù)給用戶。關(guān)鍵突破點(diǎn)AI 需要理解網(wǎng)頁(yè)的視覺(jué)和結(jié)構(gòu)信息。一些高級(jí)實(shí)現(xiàn)會(huì)同時(shí)給模型提供頁(yè)面截圖視覺(jué)信息和簡(jiǎn)化后的 DOM 樹或可訪問(wèn)性樹結(jié)構(gòu)信息使其能像人一樣“看到”并“理解”頁(yè)面布局從而做出正確的操作決策。3. 環(huán)境準(zhǔn)備與前置條件我們將以部署一個(gè)開源的、支持瀏覽器技能的 AI 代理框架為例。這里假設(shè)使用一個(gè)類 Codex 的開源方案。基礎(chǔ)環(huán)境要求操作系統(tǒng)Linux (Ubuntu 20.04 推薦) 或 macOS。Windows 可通過(guò) WSL2 獲得最佳體驗(yàn)。Python版本 3.9 或 3.10。這是大多數(shù) AI 框架和瀏覽器自動(dòng)化庫(kù)的推薦版本。Node.js版本 16。因?yàn)?Puppeteer/Playwright 基于 Node.js 生態(tài)。Docker(可選但推薦)用于隔離瀏覽器運(yùn)行環(huán)境更安全、更易于管理。GPU(非必須)如果計(jì)劃運(yùn)行本地大模型需要 NVIDIA GPU 及相應(yīng)驅(qū)動(dòng)。如果僅使用 Claude/GPT 等 API則只需 CPU 和網(wǎng)絡(luò)。核心軟件安裝安裝 Python 及包管理工具# Ubuntu/Debian sudo apt update sudo apt install python3-pip python3-venv # macOS (使用 Homebrew) brew install python3.10安裝 Node.js 和 npm# 使用 nvm (推薦便于管理版本) curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash # 重啟終端后 nvm install 18 nvm use 18安裝瀏覽器自動(dòng)化基礎(chǔ)驅(qū)動(dòng)# 安裝 Playwright 的瀏覽器內(nèi)核 npx playwright install chromium # 如果需要 Firefox 或 WebKit可以加上 --with-deps # npx playwright install --with-deps chromium firefox webkit4. 核心流程拆解搭建一個(gè)具備瀏覽器技能的 AI 代理我們假設(shè)基于一個(gè)開源框架例如ai-agent或codex的某個(gè)開源實(shí)現(xiàn)來(lái)構(gòu)建。流程可分為四步步驟一獲取代理框架代碼# 示例克隆一個(gè)假設(shè)的開源 AI 代理框架倉(cāng)庫(kù) git clone https://github.com/example-org/ai-agent-browser.git cd ai-agent-browser # 創(chuàng)建 Python 虛擬環(huán)境 python3 -m venv venv source venv/bin/activate # Linux/macOS # venv\Scripts\activate # Windows # 安裝 Python 依賴 pip install -r requirements.txt步驟二配置 AI 模型與技能框架通常會(huì)有一個(gè)配置文件用于指定使用的 AI 模型和啟用的技能。# config.yaml agent: name: my_browser_agent model: provider: openai # 或 anthropic, local name: gpt-4-turbo # 或 claude-3-sonnet, 本地模型路徑 api_key: ${OPENAI_API_KEY} # 建議從環(huán)境變量讀取 skills: enabled: - file_system - shell - browser # 啟用瀏覽器技能 browser: engine: playwright # 使用 playwright 作為后端 headless: true # 無(wú)頭模式不顯示圖形界面 sandbox: true # 啟用沙箱模式增強(qiáng)安全步驟三編寫瀏覽器技能的具體實(shí)現(xiàn)邏輯框架的“技能”本質(zhì)是一組預(yù)定義的函數(shù)AI 模型知道在什么情況下調(diào)用它們。瀏覽器技能的核心是提供一個(gè)browse_web(url, instruction)這樣的函數(shù)。# skills/browser_skill.py import asyncio from playwright.async_api import async_playwright class BrowserSkill: def __init__(self, headlessTrue): self.headless headless self.browser None self.context None async def start(self): 啟動(dòng)瀏覽器實(shí)例 playwright await async_playwright().start() self.browser await playwright.chromium.launch(headlessself.headless) self.context await self.browser.new_context( viewport{width: 1280, height: 720} ) async def browse(self, url: str, instruction: str) - str: 執(zhí)行瀏覽任務(wù) page await self.context.new_page() try: await page.goto(url, wait_untilnetworkidle) # 這里可以根據(jù) instruction 進(jìn)行更復(fù)雜的交互 # 例如點(diǎn)擊、輸入、滾動(dòng)等 # 示例獲取頁(yè)面主要內(nèi)容 content await page.content() # 簡(jiǎn)化處理實(shí)際中可能需要更精細(xì)的提取 # 可以結(jié)合 AI 來(lái)解析 instruction 并執(zhí)行對(duì)應(yīng)操作 return f已訪問(wèn) {url}。頁(yè)面標(biāo)題{await page.title()} except Exception as e: return f訪問(wèn) {url} 時(shí)出錯(cuò){str(e)} finally: await page.close() async def close(self): 關(guān)閉瀏覽器實(shí)例 if self.browser: await self.browser.close()步驟四集成與主程序啟動(dòng)將技能注冊(cè)到代理框架中并啟動(dòng)主循環(huán)。# main.py import asyncio from skills.browser_skill import BrowserSkill from agent.core import Agent async def main(): # 1. 初始化技能 browser_skill BrowserSkill(headlessTrue) await browser_skill.start() # 2. 初始化 AI 代理并傳入技能 agent Agent(model_provideropenai, skills{browser: browser_skill}) # 3. 運(yùn)行代理 print(AI 代理已啟動(dòng)輸入指令開始輸入 quit 退出...) while True: user_input input(\n您: ) if user_input.lower() quit: break # 代理解析用戶輸入決定調(diào)用哪個(gè)技能 response await agent.process(user_input) print(f代理: {response}) # 4. 清理 await browser_skill.close() if __name__ __main__: asyncio.run(main())5. 完整示例與代碼實(shí)現(xiàn)自動(dòng)化周報(bào)數(shù)據(jù)收集讓我們用一個(gè)實(shí)際場(chǎng)景來(lái)串聯(lián)所有步驟讓 AI 代理自動(dòng)訪問(wèn) GitHub Trending 頁(yè)面抓取本周流行的 Python 項(xiàng)目并生成一個(gè)簡(jiǎn)單的匯總 Markdown 文件。5.1 項(xiàng)目結(jié)構(gòu)browser-agent-demo/ ├── config.yaml ├── main.py ├── skills/ │ ├── __init__.py │ └── browser_skill.py ├── requirements.txt └── tasks/ └── github_trending.py5.2 依賴文件 (requirements.txt)openai1.0.0 playwright1.40.0 asyncio pyyaml6.0 beautifulsoup44.12.0 # 用于 HTML 解析5.3 增強(qiáng)版瀏覽器技能我們需要擴(kuò)展基礎(chǔ)的瀏覽器技能使其不僅能訪問(wèn)頁(yè)面還能執(zhí)行特定的抓取任務(wù)。# skills/browser_skill.py import asyncio from playwright.async_api import async_playwright from bs4 import BeautifulSoup class EnhancedBrowserSkill: def __init__(self, headlessTrue): self.headless headless self.playwright None self.browser None self.context None async def start(self): self.playwright await async_playwright().start() self.browser await self.playwright.chromium.launch(headlessself.headless) self.context await self.browser.new_context( viewport{width: 1920, height: 1080}, user_agentMozilla/5.0 ... # 可設(shè)置 UA ) async def fetch_github_trending(self, languagepython, periodweekly) - list: 抓取 GitHub Trending 數(shù)據(jù) url fhttps://github.com/trending/{language}?since{period} page await self.context.new_page() try: await page.goto(url, wait_untilnetworkidle) await page.wait_for_selector(article.Box-row, timeout10000) content await page.content() soup BeautifulSoup(content, html.parser) projects [] for article in soup.select(article.Box-row): title_elem article.select_one(h2 a) desc_elem article.select_one(p) lang_elem article.select_one(span[itempropprogrammingLanguage]) star_elem article.select_one(a[href$/stargazers]) if title_elem: repo_name title_elem.get_text(stripTrue) repo_url https://github.com title_elem[href] description desc_elem.get_text(stripTrue) if desc_elem else No description language lang_elem.get_text(stripTrue) if lang_elem else Not specified stars star_elem.get_text(stripTrue) if star_elem else 0 projects.append({ name: repo_name, url: repo_url, description: description, language: language, stars: stars }) return projects[:10] # 返回前10個(gè) except Exception as e: print(f抓取失敗: {e}) return [] finally: await page.close() async def close(self): if self.browser: await self.browser.close() if self.playwright: await self.playwright.stop()5.4 任務(wù)定義與執(zhí)行# tasks/github_trending.py import asyncio from datetime import datetime from skills.browser_skill import EnhancedBrowserSkill async def generate_weekly_report(): 生成 GitHub Trending 周報(bào) browser EnhancedBrowserSkill(headlessTrue) await browser.start() print(正在抓取 GitHub Trending Python 項(xiàng)目...) projects await browser.fetch_github_trending(languagepython, periodweekly) if not projects: print(未抓取到數(shù)據(jù)。) await browser.close() return # 生成 Markdown 報(bào)告 report f# GitHub Trending Python 項(xiàng)目周報(bào) ({datetime.now().strftime(%Y-%m-%d)}) 本周熱門 Python 項(xiàng)目精選 for i, proj in enumerate(projects, 1): report f## {i}. {proj[name]} - **倉(cāng)庫(kù)**: [{proj[name]}]({proj[url]}) - **描述**: {proj[description]} - **主要語(yǔ)言**: {proj[language]} - **星標(biāo)數(shù)**: {proj[stars]} report \n---\n*報(bào)告由 AI 代理自動(dòng)生成* # 保存到文件 filename fgithub_trending_python_{datetime.now().strftime(%Y%m%d)}.md with open(filename, w, encodingutf-8) as f: f.write(report) print(f報(bào)告已生成: {filename}) print(f共收錄 {len(projects)} 個(gè)項(xiàng)目。) await browser.close() if __name__ __main__: asyncio.run(generate_weekly_report())5.5 集成 AI 代理進(jìn)行智能決策上面的例子是硬編碼的任務(wù)。真正的 AI 代理應(yīng)該能理解自然語(yǔ)言指令。下面是一個(gè)簡(jiǎn)化的集成示例# main_agent.py import asyncio from openai import AsyncOpenAI from skills.browser_skill import EnhancedBrowserSkill class BrowserAgent: def __init__(self, api_key): self.client AsyncOpenAI(api_keyapi_key) self.browser EnhancedBrowserSkill(headlessTrue) self.skills { fetch_github_trending: self.browser.fetch_github_trending, # 可以注冊(cè)更多技能... } async def start(self): await self.browser.start() async def process_command(self, user_input: str) - str: 處理用戶指令 # 1. 讓 AI 判斷意圖并決定調(diào)用哪個(gè)技能 system_prompt 你是一個(gè)擁有瀏覽器技能的AI助手。你可以 - fetch_github_trending: 抓取GitHub Trending項(xiàng)目參數(shù): language (str), period (str) 請(qǐng)根據(jù)用戶請(qǐng)求決定是否調(diào)用技能以及傳遞什么參數(shù)。以 JSON 格式回復(fù)格式{action: 技能名, params: {...}} 或 {action: chat, response: 你的回答}。 response await self.client.chat.completions.create( modelgpt-4-turbo-preview, messages[ {role: system, content: system_prompt}, {role: user, content: user_input} ], temperature0.1, response_format{ type: json_object } ) decision response.choices[0].message.content import json decision_dict json.loads(decision) # 2. 執(zhí)行技能 if decision_dict[action] in self.skills: skill_func self.skills[decision_dict[action]] # 這里簡(jiǎn)化了參數(shù)傳遞實(shí)際需要更復(fù)雜的解析 result await skill_func(**decision_dict.get(params, {})) return f任務(wù)完成。結(jié)果{result} else: return decision_dict.get(response, 我暫時(shí)無(wú)法執(zhí)行這個(gè)操作。) async def close(self): await self.browser.close() async def main(): import os api_key os.getenv(OPENAI_API_KEY) if not api_key: print(請(qǐng)?jiān)O(shè)置 OPENAI_API_KEY 環(huán)境變量) return agent BrowserAgent(api_key) await agent.start() print(瀏覽器代理已就緒。試試說(shuō)幫我看看這周 GitHub 上熱門的 Python 項(xiàng)目) try: while True: cmd input(\n您: ) if cmd.lower() in [exit, quit]: break resp await agent.process_command(cmd) print(f代理: {resp}) finally: await agent.close() if __name__ __main__: asyncio.run(main())6. 運(yùn)行結(jié)果與效果驗(yàn)證6.1 運(yùn)行任務(wù)運(yùn)行我們編寫的周報(bào)生成腳本cd browser-agent-demo python -m tasks.github_trending6.2 預(yù)期輸出控制臺(tái)會(huì)顯示正在抓取 GitHub Trending Python 項(xiàng)目... 報(bào)告已生成: github_trending_python_20240415.md 共收錄 10 個(gè)項(xiàng)目。6.3 驗(yàn)證結(jié)果生成的 Markdown 文件內(nèi)容大致如下# GitHub Trending Python 項(xiàng)目周報(bào) (2024-04-15) 本周熱門 Python 項(xiàng)目精選 ## 1. microsoft/AI-System - **倉(cāng)庫(kù)**: [microsoft/AI-System](https://github.com/microsoft/AI-System) - **描述**: 微軟開源AI系統(tǒng)設(shè)計(jì)與優(yōu)化課程資料 - **主要語(yǔ)言**: Python - **星標(biāo)數(shù)**: 2,345 ## 2. langchain-ai/langchain - **倉(cāng)庫(kù)**: [langchain-ai/langchain](https://github.com/langchain-ai/langchain) - **描述**: 構(gòu)建LLM應(yīng)用的框架 - **主要語(yǔ)言**: Python - **星標(biāo)數(shù)**: 1,987 ...6.4 運(yùn)行 AI 代理主程序export OPENAI_API_KEYyour-api-key-here python main_agent.py輸入自然語(yǔ)言指令如“獲取本周流行的 JavaScript 項(xiàng)目”觀察代理是否能正確解析意圖、調(diào)用技能并返回結(jié)果。7. 常見(jiàn)問(wèn)題與排查思路在搭建和使用過(guò)程中你幾乎一定會(huì)遇到以下問(wèn)題。這里提供系統(tǒng)的排查路徑。問(wèn)題現(xiàn)象可能原因排查方式解決方案啟動(dòng)時(shí)瀏覽器無(wú)法啟動(dòng)1. 未安裝瀏覽器內(nèi)核。2. 系統(tǒng)缺少依賴庫(kù)。3. 權(quán)限問(wèn)題。1. 運(yùn)行playwright install查看輸出。2. 檢查系統(tǒng)是否安裝libgbm、libnss3等。3. 在 Docker 中運(yùn)行時(shí)檢查設(shè)備權(quán)限。1. 執(zhí)行npx playwright install --with-deps chromium。2. Ubuntu 安裝apt install libgbm-dev libnss3。3. 確保有足夠權(quán)限或使用--no-sandbox模式僅測(cè)試環(huán)境。訪問(wèn)網(wǎng)頁(yè)超時(shí)或失敗1. 網(wǎng)絡(luò)問(wèn)題。2. 網(wǎng)站反爬機(jī)制。3. 頁(yè)面元素未加載完成。1. 檢查代理設(shè)置或網(wǎng)絡(luò)連接。2. 查看頁(yè)面是否返回驗(yàn)證碼或阻塞。3. 增加wait_for_selector超時(shí)時(shí)間。1. 為 Playwright 配置代理。2. 添加user_agent使用slow_mo模擬真人操作。3. 使用wait_until: networkidle或等待特定元素。AI 代理無(wú)法正確調(diào)用技能1. 提示詞設(shè)計(jì)不佳。2. 模型返回格式錯(cuò)誤。3. 技能函數(shù)參數(shù)不匹配。1. 打印出模型接收和返回的完整消息。2. 檢查 JSON 解析是否出錯(cuò)。3. 驗(yàn)證技能函數(shù)簽名。1. 優(yōu)化 system prompt明確技能描述和參數(shù)格式。2. 使用 OpenAI 的response_format{ type: json_object }。3. 使用類型注解和參數(shù)驗(yàn)證。內(nèi)存或 CPU 占用過(guò)高1. 瀏覽器實(shí)例未關(guān)閉。2. 同時(shí)打開頁(yè)面過(guò)多。3. 模型上下文過(guò)長(zhǎng)。1. 檢查代碼中是否每個(gè)new_page都有對(duì)應(yīng)的close。2. 監(jiān)控系統(tǒng)資源使用情況。3. 檢查發(fā)送給模型的上下文長(zhǎng)度。1. 使用try...finally確保資源釋放。2. 限制并發(fā)頁(yè)面數(shù)復(fù)用瀏覽器上下文。3. 對(duì)長(zhǎng)網(wǎng)頁(yè)內(nèi)容進(jìn)行摘要后再喂給模型。在 Docker 中運(yùn)行失敗1. 缺少必要的系統(tǒng)包。2. 沙箱模式?jīng)_突。1. 查看 Docker 容器日志。2. 嘗試在啟動(dòng)瀏覽器時(shí)禁用沙箱。1. 使用包含 Playwright 依賴的官方鏡像如mcr.microsoft.com/playwright。2. 啟動(dòng)參數(shù)添加args: [--no-sandbox, --disable-setuid-sandbox]。抓取的數(shù)據(jù)格式混亂1. 網(wǎng)站結(jié)構(gòu)變化。2. CSS 選擇器過(guò)時(shí)。1. 手動(dòng)訪問(wèn)目標(biāo)網(wǎng)站對(duì)比 HTML 結(jié)構(gòu)。2. 使用page.screenshot()保存截圖輔助調(diào)試。1. 使用更健壯的定位方式如>