让AI帮你上网冲浪?这个工具火爆GitHub

你有没有想过，如果AI能帮你自动填表单、自动下单、自动搜索信息，该有多爽？

说实话，我第一次看到 Browser-Use 这个项目的时候，心里是有点不信的。毕竟市面上那些”自动化工具”，要么配置复杂得要命，要么就是只能做些简单重复的事儿。但这玩意儿不一样——它让AI直接控制浏览器，你只需要用自然语言告诉它”帮我填这个求职申请表”，它就真的能做到。

这到底是个啥？

Browser-Use 是一个开源的 Python 库，简单来说就是让大语言模型（LLM）能够像人一样操作浏览器。

它的核心思路很直接：

• 你用自然语言描述任务（比如”帮我在亚马逊上找最便宜的机械键盘”）
• AI 理解你的意图，然后自动打开浏览器、搜索、点击、填表、截图
• 整个过程你只需要等结果

听起来是不是有点像科幻片里的场景？但它确实已经实现了，而且代码量少得惊人。

为什么它这么火？

截至 2026 年 4 月，Browser-Use 在 GitHub 上已经拿到了 89,227 颗星，这个增长速度在开源项目里算是相当夸张的。

它火的原因很简单：

1. 真的好用 – 不需要写复杂的选择器、不需要处理各种异常，AI 自己会判断
2. 上手简单 – 几行代码就能跑起来，新手友好
3. 实用场景多 – 从自动填表到网购助手，从数据抓取到测试自动化，能干的事儿太多了

而且它支持主流的 AI 模型：Claude、GPT、Gemini 都能用，甚至还有自己的云服务版本。

快速上手：5分钟跑起来

好了，废话不多说，咱们直接动手。

第一步：安装环境

Browser-Use 需要 Python 3.11 或更高版本。如果你还没装 Python，建议直接用 uv^[1] 这个工具，它比传统的 pip 快很多。

# 安装 uv（如果还没装的话）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 创建项目并安装 Browser-Use
uv init my-browser-agent
cd my-browser-agent
uv add browser-use
uv sync

如果你的电脑上没有 Chromium 浏览器，还需要运行：

uvx browser-use install

第二步：获取 API Key（可选）

Browser-Use 支持多种 AI 模型，你可以选择：

• Browser Use Cloud（推荐新手）：去 cloud.browser-use.com^[2] 注册，免费额度够你玩一阵子
• Google Gemini：去 ai.google.dev^[3] 申请，有免费额度
• Anthropic Claude：去 console.anthropic.com^[4] 申请
• OpenAI GPT：去 platform.openai.com^[5] 申请

拿到 Key 之后，创建一个 .env 文件：

BROWSER_USE_API_KEY=your-key-here
# 或者用其他模型
# GOOGLE_API_KEY=your-key
# ANTHROPIC_API_KEY=your-key

第三步：写第一个自动化脚本

创建一个 agent.py 文件，复制下面的代码：

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    # 初始化浏览器
    browser = Browser()
    
    # 创建 AI 代理
    agent = Agent(
        task="帮我查一下 browser-use 这个 GitHub 项目有多少星星",
        llm=ChatBrowserUse(),
        browser=browser,
    )
    
    # 运行任务
    await agent.run()

if __name__ == "__main__":
    asyncio.run(main())

然后运行：

uv run agent.py

你会看到浏览器自动打开，AI 开始搜索、点击、读取信息，最后告诉你结果。整个过程就像有个看不见的助手在帮你操作电脑。

进阶玩法：让它帮你干活

场景1：自动填写求职申请

假设你要投简历，但每个网站的表单都不一样，手动填写太烦了。试试这个：

agent = Agent(
    task="用我的简历信息填写这个求职申请表：https://example.com/apply",
    llm=ChatBrowserUse(),
    browser=browser,
)

AI 会自动识别表单字段，从你的简历里提取信息，然后填写。你只需要最后检查一遍，点击提交。

场景2：网购助手

想买东西但懒得比价？让 AI 帮你：

agent = Agent(
    task="在京东和淘宝上搜索'机械键盘'，找出价格最低的前三款，并截图对比",
    llm=ChatBrowserUse(),
    browser=browser,
)

它会自动打开多个网站、搜索、筛选、截图，最后给你一个清晰的对比结果。

场景3：数据收集

需要从多个网站收集信息？比如竞品分析、市场调研：

agent = Agent(
    task="访问这5个网站，收集他们的产品价格和用户评分，整理成表格",
    llm=ChatBrowserUse(),
    browser=browser,
)

以前可能需要写几百行爬虫代码，现在一句话搞定。

开源 vs 云服务：该选哪个？

Browser-Use 提供两种使用方式：

开源版本（免费）

• 完全本地运行，数据不出你的电脑
• 可以自定义工具和集成
• 适合开发者和有隐私需求的场景

云服务版本（付费，但有免费额度）

• 更强大的 AI 能力，复杂任务成功率更高
• 自带代理和反爬虫绕过功能
• 支持 1000+ 集成（Gmail、Slack、Notion 等）
• 适合商业场景和追求稳定性的用户

我的建议是：先用开源版本玩玩，如果觉得好用再考虑云服务。毕竟开源版本已经足够强大了，大部分场景都能搞定。

一些坑和注意事项

用了一段时间后，我发现几个需要注意的地方：

1. API 费用：虽然工具本身免费，但调用 AI 模型是要花钱的。建议先用免费额度测试，熟悉之后再大规模使用。

2. 网站反爬虫：有些网站会检测自动化行为。云服务版本自带反检测功能，开源版本可能需要你自己配置代理。

3. 任务描述要清晰：AI 虽然聪明，但你的指令越具体，它的表现越好。比如”帮我买东西”不如”在淘宝上搜索’无线鼠标’，筛选价格50-100元的，按销量排序”。

4. 隐私问题：如果你要处理敏感信息（比如登录账号、支付信息），建议用开源版本本地运行，不要用云服务。

它会取代程序员吗？

每次有这种工具出来，总有人问这个问题。

我的答案是：不会，但会改变工作方式。

Browser-Use 确实能自动化很多重复性工作，但它不是万能的。复杂的业务逻辑、需要深度定制的场景，还是需要程序员来写代码。但对于那些”能用自然语言描述清楚”的任务，它确实能节省大量时间。

就像当年 Excel 出现的时候，会计并没有失业，而是把时间从手工计算转移到了更有价值的分析工作上。AI 工具也是一样，它是来帮你的，不是来抢饭碗的。

下载和资源

• GitHub 仓库：https://github.com/browser-use/browser-use^[6]
• 官方文档：https://docs.browser-use.com^[7]
• 云服务：https://cloud.browser-use.com^[8]
• Discord 社区：https://link.browser-use.com/discord^[9]

如果你想深入学习，建议先看官方文档的 Examples 部分，里面有很多实用案例。社区也很活跃，遇到问题可以去 Discord 提问。

我的看法

说实话，Browser-Use 让我看到了 AI 工具的另一种可能性。

以前我们总觉得 AI 只能聊天、写文章、生成图片，但 Browser-Use 证明了 AI 可以直接和现实世界的应用交互。这意味着什么？意味着未来你可能不需要为每个网站学习不同的操作流程，只需要告诉 AI”我要干什么”，它就能帮你搞定。

这不是科幻，这是正在发生的现实。

而且它是开源的，这意味着任何人都可以基于它做二次开发。我已经看到有人用它做自动化测试、有人做数据分析、有人做电商运营工具。可能性是无限的。

当然，它也不是完美的。AI 有时候会犯傻，任务描述不清楚的时候会跑偏，遇到复杂页面可能会卡住。但这些问题都在快速改进，而且社区的反馈速度很快。

最后一句话：如果你经常需要在浏览器上做重复性工作，或者对 AI 自动化感兴趣，强烈建议你花半小时试试 Browser-Use。它可能会改变你对”自动化”的认知。

本文所有信息基于 2026 年 4 月的数据，工具和 API 可能会有更新，请以官方文档为准。

引用链接