【OpenClaw】浏览器自动化:像人一样操作网页

· · ·

能稳定执行的网页自动化，永远是先观察，再操作，最后验证。

引子：别再手工点后台了

做运营、开发、内容的人，大概率都被网页后台折磨过：签到、复制数据、填表、上传文件、保存草稿。动作不难，但重复、烦、容易漏。

OpenClaw 的浏览器自动化，解决的就是这类问题。它让 AI 按步骤打开网页、识别按钮、填写内容、上传文件、截图确认。你给流程，它负责执行。

· · ·

一、最小可用流程：先看，再点

第一步：navigate 打开目标网页，例如后台首页、表单页、编辑器页面。

第二步：snapshot 读取页面结构，找出按钮、输入框、链接、下拉框。不要一上来猜 CSS 选择器，先让页面告诉你现在能操作什么。

第三步：click、type、fill 执行动作。点击按钮用 click，少量文本用 type，大量表单字段用 fill。

第四步：screenshot 或再次 snapshot 验证结果，比如是否出现“保存成功”、按钮是否变成“已签到”。

二、元素怎么找：role ref 和 aria ref

snapshot 会给页面元素生成 ref，后续操作直接引用 ref。你可以把它理解成“当前页面里这个按钮的临时编号”。

role ref 更适合快速调试。比如看到“button 文档导入”，就直接点它。优点是直观，缺点是页面复杂时可能有多个同名按钮。

aria ref 更适合正式流程。它更稳定，适合弹窗、后台系统、公众号编辑器这种组件很多的页面。

实际建议：探索用 role ref，固定流程用 aria ref；页面变化后重新 snapshot，不要拿旧 ref 硬点。

三、表单填写：先读字段，再批量填

遇到报名表、配置页、资料页，不要一个输入框一个输入框猜。先用 web_read_forms 读取字段，确认页面需要哪些信息：标题、姓名、手机号、下拉选项、是否必填。

字段确认后，用 web_fill_form 批量填写，比手动 type 更快，也更不容易漏字段。

如果前端框架没识别 fill 的值，就换成 web_type。它走真实键盘事件，适合有校验、联想和动态提示的输入框。

涉及个人信息、账号、付款、发布动作时，先确认再填写；最后提交按钮尽量留给用户确认。

· · ·

四、文件上传：不要和系统弹窗较劲

很多后台上传文件时，会弹出系统文件选择窗口。这个窗口对自动化很不友好，也容易卡住。

更稳的方式是找到网页里的文件 input，然后通过 upload 或 CDP 文件注入，把 docx、图片、PDF 直接塞进去。

公众号“文档导入”就是典型例子：进入编辑器，点击文档导入，定位上传入口，注入本地 docx，等待完成，再检查标题、图片和字数。

五、登录态怎么处理

公开网页、测试页面，用 sandbox profile 就够了。它干净、隔离，不会碰你的真实账号。

公众号后台、内部系统、云控制台，用 user profile 复用浏览器登录态。

建议先在 sandbox 跑通点击逻辑，再切到 user profile 做真实后台操作。这样更安全，也少踩坑。

· · ·

六、四个可以直接做的案例

自动签到：打开网站，snapshot 找签到按钮，click，截图确认结果，失败就记录原因。

数据抓取：打开列表页，读取表格和链接，翻页抓取，最后整理成 CSV 或 xlsx。

表单提交：读取字段，批量填写，截图给用户确认，最后再提交。

公众号自动发文：生成文章和配图，打开公众号后台，导入 docx，检查标题、图片、字数，保存草稿。

总结：把流程写清楚，AI 才能稳定执行

浏览器自动化不是魔法，关键是把动作拆细：打开哪个页面、找哪个按钮、填哪些字段、上传哪个文件、看到什么算成功、失败后怎么止损。

只要流程足够清楚，OpenClaw 就能把很多网页重复劳动接过去。下一篇我们聊记忆系统：怎么让 AI 不再每次都像第一次认识你。