🌐 Browser Use

页面操控 · 自动化代理 · 无头驱动

让您的 AI 智能体"长出"能够注视并操作真实互联网网页的眼睛与手掌！基于 Playwright 底层重新编译，支持多网页无头渲染并允许模型执行点击、输入和拖拽动作。

OpenClaw Team

🚀 快速安装

在您的终端中执行以下命令即可完成安装：

npx clawhub install browser-use

⭐ 收藏点赞	☁️ 总计调用	👥 当前活跃	🎯 稳定版本
1.2k	68.4w	8,400	v3.1.2

有别于只能拉取枯燥 DOM 的爬虫节点，browser-use 是针对多模态 LLM 而彻底重构的一个前端环境虚拟交互器：

🎭 虚拟像素级交互映射：模型不仅能够通过它读取特定标签的内容（譬如：帮我阅读这篇推文），更支持由模型输出坐标系和行为树，实现拟真的页面操作（譬如：帮我点击右上角的购买按钮并输入这串优惠码）。
📸 视觉快照与页面摘要双轨：不仅支持文字，它在每一次重载页面后都能快速截图通过 API 抛回大模型。配合最前沿的 GPT-4o 及 Claude 3.5 Sonnet 等视觉多模态巨星模型时，它能获取近乎人类操作的丝滑感知。
🛡️ 指纹反混淆拦截规避：底层架构剥离了传统自动化框架常带的僵尸特征，利用隐身驱动插件，最大概率规避商用网站复杂的 Cloudflare 和 Captcha 拦截器。
🧵 持久态上下文 Session：您可以指定维持 Cookie 状态存储。这样就意味着 AI 可以利用您的登录态持续帮您管理内部中后台、执行审核甚至批量发帖业务，不需要每次重新登录。

作为高阶用户，您可以写出如下的编排流：告诉 Agent 监听某一门票网站的余票情况，一旦有余票，则使用 browser-use 立即操纵页面焦点点击"加入购物车"，填充收货地址并提交订单。全过程都是实打实的客户端操作，成功率极高。

不同于那些公开的 Wiki 数据可以用 Tavily 采集；往往很多极其珍贵的数据（比如竞品后台的数据驾驶舱）都必须经历多层密码登录并在单页应用（SPA）中拉取。AI 可以使用本工具自动填充工号，在看板列表中逐一切换选项卡并将复杂图表抓为图像上报，构建独家自动化资产。

安装完成后，您不仅可以通过对话让 AI 自主调用，还可以在 CLI 侧手动发起操作：

执行一次无缝操作：打开特定网站，执行自然语言意图，并在完毕后留档：

clawhub execute browser-use url="https://x.com" \
  intent="search for 'OpenClaw' returning the top 3 posts" \
  --screenshot-on-finish

使用视觉模式，并将每一步骤存留作为调试追踪：

clawhub execute browser-use intent="Login to GitHub and star myclaw repo" \
  --enable-vision=true --trace-dir="./traces"

📦 系统底层依赖：安装后，由于使用了无头浏览器，初次执行 npx clawhub install browser-use 会在您的设备中下载约 150MB 的核心 Chromium 二进制库，请保障网络和磁盘顺畅。
💰 多模态消耗极高：如果您开启了视觉截屏（Vision）的联动模式，每次 AI 思考的步骤都会耗费可观的大模型 API Token，请确保您的 LLM 账户额度依然坚挺。