Browser-Use：让AI长出手和眼，自动替你搞定那些重复网页操作

说实话，我最近被那些重复性的网页操作搞得快要疯掉了——每天上班第一件事，打开七八个网页，填表格、查数据、截图保存……这些破事儿吧，说难也不难，但就是耗时间，而且特别容易点错。

你有没有想过，要是能跟 AI 说一句“帮我把这份简历填到那个招聘网站上”，然后它就自己搞定，那该多爽？

我找了一圈，还真让我发现了一个神器——Browser-Use。这玩意儿就是给 AI 装上“眼睛”和“手”，让大语言模型能像真人一样操控浏览器。

它到底能干啥？

简单说，你可以让 AI 代理自动完成各种网页任务。比如：

• 填表：丢给它一份简历 PDF，让它去求职网站自动填写工作经历、教育背景，它真能一项项搞定。
• 买菜：你跟它说“把我购物清单上的东西加到 Instacart 购物车里”，它自己搜索、添加，还能比价。
• 组装电脑：想配个主机？告诉它预算和需求，它会逛各大硬件网站，把配件一个个加到购物车。

我试了那个 GitHub 仓库的 stars 数量查询例子，几行代码就跑起来了。看着浏览器窗口自己打开、点击、滚动、读取数字……那种感觉，怎么说呢，就像养了个会玩电脑的电子宠物。

上手难吗？真的不难

你别被“AI 代理”这种高大上的词吓到。用 Python 装个包，几行代码就能跑：

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    browser = Browser()
    agent = Agent(
        task="帮我查一下browser-use项目在GitHub上有多少颗星",
        llm=ChatBrowserUse(),
        browser=browser,
    )
    await agent.run()

对，就是这么简单。它背后用的是你本地的 Chrome 浏览器，你可以眼睁睁看着 AI 移动鼠标、点击链接——说实话第一次看的时候我还有点紧张，生怕它给我乱点什么东西（笑）。

我最喜欢的几个功能

CLI 命令行这个必须提。不用写代码，直接终端里敲命令就能操控浏览器：

browser-use open https://github.com
browser-use state  # 看看页面上能点啥
browser-use click 5  # 点第5个元素

这感觉就像在跟浏览器对话一样。

还有那个模板生成，uvx browser-use init --template default 一键生成完整的示例代码，对于我这种懒人简直是福音。

开源版 vs 云版，怎么选？

我把区别整理了一下，你一看就明白：

我自己的经验是：先玩开源版，真要做项目或者遇到反爬严重的网站，再考虑上云。毕竟开源版不要钱嘛，先试试水不亏。

说点掏心窝子的

说实话，这种浏览器自动化工具以前也有，比如 Selenium、Puppeteer，但那些都需要你写精确的 CSS 选择器、XPath，网站改个按钮 ID 你的脚本就挂了。Browser-Use 妙就妙在——AI 是真的在“看”网页，它能看到按钮、输入框、链接，然后像人一样理解“该点哪里”。

当然，它也不是万能的。复杂的验证码还是搞不定（云版据说能解，我没试过），有些动态加载的页面也会卡壳。但这已经是目前我看到的最接近“让 AI 替我上网”的方案了。

项目地址：https://github.com/browser-use/browser-use

如果你也想探索更多 AI 自动化场景，欢迎来云栈社区跟其他开发者一起交流。