张雪造发动机启示：人形机器人核心零部件与小厂的工艺突围
2026/10/20 5:37:59
最近我把一些重复的网页活儿（填表、抓数据、批量下载）都试着丢给 AI 助手去干。过程中最大的别扭是：传统自动化工具像 Playwright、Selenium，本质上是给人写代码用的——API 又厚又死板，Agent 用起来束手束脚。
前阵子翻了下 browser-use 团队（做网页 Agent 那个）的新项目Browser Harness，思路挺不一样，自己试了下，分享给同样在折腾"让 AI 操作浏览器"的朋友。
说明一下：我是这个工具的使用者/推荐者，不是项目开发者。下面内容来自我翻 README、试用和社区反馈，不替官方站台。
它到底是啥？一句话讲清
Browser Harness是 browser-use 团队出的一个开源小工具（MIT 协议，当前版本 v0.1.13，还在快速迭代）。它干的事很直接：在你的 AI 助手和真实 Chrome 之间牵一根"可读写"的线，让 Agent 直接操控浏览器。
打个比方：
- 用 Playwright 那种传统框架，像是给实习生发一本几百页的《操作手册》（API 文档），每一步都得照着写死；
- Browser Harness 像是直接把驾驶座让给 Agent，它自己边开边学，缺什么操作现写一个。
下面的图把这条链路画出来了：
核心思路：为什么"薄"反而好用
它整个核心代码只有大约600 行 Python，而且不包一层 Playwright，而是直接桥接CDP（Chrome DevTools Protocol，Chrome 自带的一套调试协议，相当于浏览器给外部留的"遥控器接口"）。
好处很实在：
- 没有中间层，Agent 下指令几乎是实时的；
- 代码量小到 Agent 自己都能一眼读懂、甚至改写整个工具逻辑——这点是"工具自我进化"的前提。
这背后是 AI 圈常说的"苦教训"（The Bitter Lesson）：别用太多写死的规则去限制 AI，给它最底层的控制权，让它自己的推理能力去补位，反而比人类硬编码一堆规则更扛用。
最打动我的一点：会"自愈"的助手
传统脚本最怕的不是写不出来，是页面一改版就全挂。Browser Harness 的玩法很妙：
Agent 干活时，发现某个操作没有现成函数，就在自己的agent_helpers.py里现场写一个，跑通之后还留着，下次直接复用。
就像你雇了个助手，遇到没干过的活，先现学现卖，干完还认认真真记了笔记，下次就熟了。等到某天网页改版、旧逻辑失效，它能在 Harness 的帮助下直接把逻辑改对，而不是整个人崩溃——这就是官方说的"自愈式"（self-healing）设计。
还有哪些实在的功能
别看核心小，配套的东西挺全：
- 领域技能库（interaction-skills）：仓库里给一堆常见网页操作预置了小函数，比如处理 Cookie、文件下载、拖拽、下拉框、iframe、截图、shadow DOM（一种藏在组件里的嵌套 DOM 结构）、多标签页、文件上传、视口、Profile 同步、网络请求等等。等于把"登录态同步""翻页抓取"这种脏活预先打包好了。
- Profile 同步：把你本地浏览器的 Cookie、登录态平滑搬到远程环境，不用每次都重新登录。
- MCP 支持：项目提供了
browser-harness-mcp，把这些浏览器操作封装成MCP 工具（Model Context Protocol，一种让 AI 客户端统一调用外部能力的标准接口），Claude Code、Cursor、Devin 等任意支持 MCP 的客户端都能直接拿来用，不用自己再写一层 CDP。 - 云上扩展：本地浏览器适合干隐私/登录态的私活；要同时开很多浏览器、上代理、过验证码，就去接 Browser Use Cloud。
能拿来干啥？举几个具体的
光说概念没感觉，列几个真实能用上的场景：
- 表格自动填：同步好 Cookie 后，让 Agent 自动跑报销、入账这类繁琐流程。
- 跨平台运营：训练 Agent 按最佳实践，在 GitHub、Medium 等站点自动发内容。
- 麻烦的数据抓取：现成脚本挂了，Agent 自己翻 DOM（网页的文档结构）现写提取函数，不用你救火。
- Agent 替你办事（Agent-as-a-User）：那些要登录才能干的网页任务，交给它处理，你不用反复登录。
- 官方那个演示我挺喜欢：给 Agent 一句话——"打开我的 X 主页，找最近 20 个视频帖，下载下来"。下面是真实录屏：
怎么上手（代码照抄就行）
有两种接法。
方式一：让 AI 助手自己装（官方推荐）
把下面这段提示词直接贴进 Claude Code 或 Codex 之类的编码助手，剩下的它自己搞定：
Install or upgrade browser-harness to the latest stable version with uv using Python 3.12, register the skill from `browser-harness skill`, and connect it to my browser. Ask whether I want local browser recordings enabled; default to no and preserve my existing preference on upgrades. Follow https://github.com/browser-use/browser-harness/blob/main/install.md if setup or connection fails.方式二：手动装
如果你更习惯自己敲命令，流程是这样的：
# 1. 拉代码并装环境（需要 uv，Python 包管理器） git clone https://github.com/browser-use/browser-harness cd browser-harness uv sync # 2. 引导项目连接真实浏览器 uv run browser-harness --setup装好之后，让助手打开chrome://inspect/#remote-debugging这个页面，第一次记得把那个复选框勾上，这样 Agent 才能连上你的浏览器：
允许远程调试的开关长这样（不同系统位置略有差异，照着图勾就行）：
和 Playwright / Selenium 比，差在哪？
用一张表说人话：
| 对比项 | Browser Harness | Playwright / Selenium |
|---|---|---|
| 目标用户 | AI Agent | 人类开发者 / 测试工程师 |
| 设计哲学 | 动态、自适应，Agent 自己写工具 | 静态、强类型 API，人写代码 |
| 上手成本 | 低，LLM 读一遍就会用 | 高，得啃一长串 API 文档 |
| 灵活性 | Agent 能按需改写核心 Helper | 只能用库公开的那几个接口 |
| 抗改版能力 | 能现场修逻辑（自愈） | 页面一变，脚本常得人去改 |
一句话总结：它不是来替代 Playwright 写"稳定跑十年"的测试脚本的，而是给想让 AI 直接动手干网页活的人准备的。
一点实话（我的判断）
不吹不黑，说说边界：
- 它还是早期项目（v0.1.13），复杂页面仍主要靠 Agent 自己的推理，偶尔会绕弯路，别指望 100% 一次跑通。
- 适合谁：已经在用 AI 编码助手、想把浏览器里的重复活交给它的人。
- 不适合谁：只想写一套固定脚本、稳定跑很久的人，那还是老老实实用 Playwright 更稳。
数据上，这个项目目前已经涨到接近 2 万 Star（截至 2026 年 10 月），社区在 Discord，MIT 协议，源码随便看。如果你是"AI 操作浏览器"这个方向的折腾党，值得花半小时试一把。
项目地址：github.com/browser-use/browser-harness
名词速查表
- CDP（Chrome DevTools Protocol）：Chrome 自带的调试协议，相当于给外部程序留的"遥控器接口"，能直接读页面、点按钮、拿数据。
- Agent（智能体）：能自己规划、调用工具去完成任务的 AI 程序，比如 Claude Code、Cursor 里的编码助手。
- MCP（Model Context Protocol）：一种让 AI 客户端统一调用外部能力（浏览器、数据库、API 等）的标准接口，类似"AI 的 USB 口"。
- Profile 同步：把你本地浏览器的账号、Cookie、登录态搬到别的环境，免得重新登录。
- 域技能（interaction-skills）：针对特定网页操作预写好的小函数集合。
- 自愈式（self-healing）：Agent 遇到没有现成操作或页面改版时，自己现写/改写逻辑并沉淀复用。