Browser Use教程2026：用AI Agent自动化任何网站操作

📘 教程 2026-08-02 约 5 分钟阅读

网站没有API，但你还是要从中提取数据或填写表单。Browser-use教LLM自己操作浏览器。

💡 你将学到

网站没有API，但你还是要从中提取数据或填写表单。Browser-use教LLM自己操作浏览器。

📜 目录

Browser Use：当 LLM 学会点击
核心思想
一个可运行的示例
适用场景与难点
成本与速度现实
常见问题
相关文章

标题：Browser Use 教程 2026：用 AI 智能体自动化任何网站（107k Stars）

Browser Use：当 LLM 学会点击

Browser-use 是一个让 LLM 控制真实浏览器的 Python 库——截至 2026 年 8 月拥有 107,502 个 GitHub Stars，MIT 许可证。不同于为每个页面编写脆弱的 CSS 选择器，你只需用自然语言描述目标，模型就会检查页面、决定点击什么，并通过底层 Playwright 执行操作。

核心思想

传统爬虫是确定性的：找到 CSS 选择器，提取文本。Browser-use 是生成式的：智能体观察渲染后的页面（通过无障碍树和截图），选择动作，观察结果，然后迭代。这正是它能在布局每周变化的网站上工作的原因——智能体每次都会重新读取页面，而不是依赖固定的选择器。

一个可运行的示例

from browser_use import Agent
import asyncio

async def main():
    agent = Agent(
        task="登录到仪表盘，下载今天的销售 CSV，并用邮件发送给我",
        llm=llm,  # 任何支持工具调用的模型
    )
    await agent.run()

asyncio.run(main())

这个任务——登录、导航、下载、编写邮件——正是那种过去需要为每个网站编写自定义 Playwright 脚本的多步骤工作流。

适用场景与难点

它擅长：表单填写、多步骤购买、从 JS 密集的仪表盘中提取数据、以及 QA 流程。它不擅长：面对激进的机器人检测页面（如 Cloudflare 挑战）、长时间运行导致会话漂移、以及任何需要像素级视觉判断的任务——尽管视觉模型在 2026 年已经大幅缩小了这一差距。

成本与速度现实

每一步都是一次 LLM 调用。一个 20 步的工作流可能消耗 30-60k 个 token，耗时 1-3 分钟。这对于自动化和 QA 来说还不错，但对于批量爬取来说太慢太贵——因此团队往往将它与普通爬虫（如 Crawlee）配合使用来完成批量任务，而将 browser-use 用于需要判断力的任务。