Stagehand：用AI增强浏览器自动化，告别传统爬虫维护噩梦

在传统爬虫或自动化测试的开发中，我们最头疼的莫过于网页频繁改版。某个元素的 class 变了，或者按钮位置调整了，之前精心编写的脚本可能瞬间崩溃。

如果转向完全依赖 AI Agent 呢？它有时又会在页面上“乱点一气”，其固有的“幻觉”问题甚至可能引发生产事故。

我们真正需要的，是一种兼具两者优势的中间方案：既有代码的精确执行力，又有 AI 的模糊理解力。

最近在 GitHub 上发现了一个名为 Stagehand 的开源工具，它恰恰遵循了这种 “人机协同” 的思路，为浏览器自动化开辟了一条新路径。它并没有试图用 AI 完全取代代码，而是将 AI 作为“智能的显式函数”来调用。这种范式，在当前乃至未来很长一段时间内，都显得尤为务实。

该项目在 GitHub 上已获得超过 20.8K 星标，受到了广大开发者的关注。

项目介绍

Stagehand 是一个采用“AI + 代码混合控制”理念的浏览器自动化框架。它的核心思想非常清晰：不是“要么全用 AI，要么全写代码”，而是 哪里确定就用代码，哪里不确定就交给 AI。

在这种设计下，你可以：

• 用 代码 精准控制你已完全理解的页面逻辑；
• 用 自然语言 指令，让 AI 去处理那些结构复杂、经常变动的页面部分；
• 上述两种方式可以 无缝混合使用。

在实际业务场景中，自动化脚本失败往往并非因为开发者的编码能力，而是源于页面的不确定性，例如：

• 页面结构过于复杂
• HTML 元素命名混乱
• DOM 结构频繁变动
• 不同用户权限下看到的页面内容不同

Stagehand 正是为了解决这些“不确定性问题”而生。

核心能力

Stagehand 将复杂的浏览器操作抽象为三个直观的 API 方法，覆盖了绝大部分自动化需求，其设计非常符合人类直觉。

1、page.act() - 智能动作执行

你不再需要与脆弱的选择器（如 CSS Selector、XPath）作斗争。

传统方式下，一旦元素的 ID 或类名改变，脚本就会失效：

// 传统方式：一旦 ID 变了就挂
await page.click('#login-btn-v2');

使用 Stagehand，你只需用自然语言描述你的意图：

// Stagehand：只要按钮还是“登录”功能，ID 怎么变都不怕
await page.act('Click the login button');

在底层，Stagehand 会捕获当前页面的 DOM 甚至视觉信息，通过大语言模型（LLM）分析出哪个元素最符合“登录按钮”的描述，然后调用底层 API（如 Playwright）执行点击。更重要的是，不同于纯 AI Agent，你可以预先审阅 AI 计划执行的操作，确认无误后再实际执行，这极大地减少了“AI 乱点”的风险。

2、page.extract() - 智能数据提取

这可能是对爬虫开发者而言最具吸引力的功能。它省去了编写复杂正则表达式和解析混乱 HTML 结构的繁琐工作。你只需定义一个期望的数据结构（Schema），AI 会自动从页面中提取并清洗数据。

// 定义你想要的数据结构
const schema = z.object({
  productName: z.string(),
  price: z.number(),
  rating: z.number(),
});

// AI 自动从页面中提取并清洗数据
const data = await page.extract({
  instruction: "Extract the main product details",
  schema: schema,
});

无论页面使用 <table> 还是 <div> 布局，无论价格是用红色还是绿色显示，AI 都能理解语义并输出干净、结构化的 JSON 数据。

3、page.observe() - 观察与推理

这个方法允许你的脚本像人一样“观察”当前页面，并根据观察结果做出决策。你可以向 AI 提问，让它帮你分析和定位页面元素。

const elements = await page.observe("Find all links related to 'Help Center'");

为什么它比纯 AI Agent 更“可靠”？

Stagehand 在工程化方面的设计，使其比纯 AI 方案更为可靠，尤其体现在解决传统自动化的两大痛点：

• Self-Healing（自愈）机制：传统自动化最大的问题是“网页一改，脚本全挂”。Stagehand 内置了自愈能力。当因网站改版导致操作失败时，它能自动检测失败原因，重新调用 AI 寻找新的可行路径，修复后继续执行，从而解决“页面一改全崩”的老大难问题。
• 操作缓存（Action Caching）：对于重复性操作，Stagehand 会自动缓存已验证成功的执行路径。第二次执行相同任务时直接复用缓存，不仅速度更快，稳定性也更高。

快速上手

开始使用 Stagehand 非常简单，只需一行命令：

npx create-browser-app

下面是一个快速的使用示例，展示了其核心 API 的调用方式：

// Stagehand's CDP engine provides an optimized, low level interface to the browser built for automation
const page = stagehand.context.pages()[0];
await page.goto("https://github.com/browserbase");

// Use act() to execute individual actions
await stagehand.act("click on the stagehand repo");

// Use agent() for multi-step tasks
const agent = stagehand.agent();
await agent.execute("Get to the latest PR");

// Use extract() to get structured data from the page
const { author, title } = await stagehand.extract(
  "extract the author and title of the PR",
  z.object({
    author: z.string().describe("The username of the PR author"),
    title: z.string().describe("The title of the PR"),
  }),
);

更完整和详细的使用方法，可以参考其官方 技术文档（docs.stagehand.dev）。

适用人群

• 曾使用过 Playwright 或 Selenium，但苦于脚本高昂维护成本的开发者。
• 希望引入 AI 辅助，但又对纯 AI Agent 的稳定性心存顾虑的团队。
• 从事网络爬虫、RPA 或内部工具自动化的工程团队。
• 需要寻找一套能够“部署上线、长期稳定运行”的自动化解决方案的技术决策者。

总结

Stagehand 代表了当前浏览器自动化领域一个非常优雅的解决方案方向。它在开发效率（无需编写脆弱的选择器）和运行稳定性（具备缓存与自愈机制）之间找到了一个精妙的平衡点。

如果你的目标是让 “AI 为我兜底，而不是让它接管方向盘”，那么 Stagehand 绝对值得你深入了解。

项目 GitHub 地址：

https://github.com/browserbase/stagehand