11万星的开源工具,让AI替你点鼠标

先说个我自己的场景。上个月我帮朋友代运营几个账号，最烦的不是写文案，是每天把同样的内容，在五六个平台各发一遍。复制、粘贴、改标题、传图、点发布，一套流程十几分钟，一周下来一两个小时全耗在这上面，还容易漏。

我一开始想的是"有没有现成工具能自动发"。找了一圈发现，办公套件里那些"宏"和"脚本录制"，只能把你手动点过的步骤原样重放一遍——换个网站结构就失灵，改个按钮位置就报错。真正能用大白话下指令、让 AI 自己看着网页随机应变的工具，主流软件没给。

今天这篇，就讲一个解决这个问题的开源项目，以及它到底能帮你省多少事。

为什么现成的软件解决不了

市面上的"网页自动化"分两种：

第一种，录制回放。像 Excel 的宏、部分 RPA 工具，原理是你手动操作一遍，它记下坐标和步骤，下次照着重放。问题是网页不是静态的——登录弹窗、验证码、列表加载顺序、按钮文案，任何一处变了，录制好的脚本就废了。换一个网站，得重新录一遍。

第二种，写脚本。用 Selenium、Playwright 这类工具，你得懂 Python，得一行行写"点这个按钮、填那个框"。这对天天跟表格打交道、不会写代码的人来说，门槛太高了。

为什么没有一个大厂把这事做成"说人话就行"的产品？原因很简单：每个网站的页面结构都不一样，无法统一。做一个能适配所有网页的通用 Agent，技术难度和成本都极高，主流办公套件宁可内置"会议纪要""智能表格"这种结构固定的场景，也不愿碰"通用网页操作"这块硬骨头。

于是这个需求，被一个开源项目接住了。

主角：browser-use

browser-use 是一个 Python 库，让你用自然语言驱动真实的浏览器。它目前在 GitHub 上有 11 万多个 star（截至 2026 年 9 月，多个来源在 11.2 万到 11.6 万之间），MIT 协议开源，381 位贡献者，最新版本 0.13.10，维护非常活跃。

它的核心思路，是把"AI 看网页"这件难事给解决了。普通网页的 HTML 有几万甚至几十万个字符，直接丢给大模型又贵又容易错。browser-use 干的一件事，是把网页里可交互的元素（按钮、输入框、链接）和可见文字提取出来，压缩成模型好理解的干净结构，再让模型决定下一步"点哪里、填什么"，它负责执行。这样来回循环，直到任务完成。

一句话：你下指令，它自己看、自己点、自己纠错。

三个方案怎么选

我把能"让 AI 操作电脑/网页"的路线，按门槛和收费给你摆清楚：

▲ 星标数截至 2026 年 9 月，多来源交叉核实

怎么选，看你的身份：

• 会一点 Python、想要省心的网页自动化
   → 选 browser-use，网页操作这块它是对口的主力（在第三方网页 Agent 基准评测里拿过第一）。
• 想要一个"全能助手"、连本地文件和代码一起管
   → 选 Open Interpreter（约 6.6 万 star，开源），但它偏开发者向，本地执行代码有安全风险，得看着点。
• 只想偶尔用、不折腾环境
   → 直接用带 computer use 功能的旗舰模型订阅，但按量算下来单任务不便宜。

对大多数想"把重复网页活交给机器人"的职场人，browser-use 是对口的起点。

上手步骤（照着抄）

前提：电脑装好 Python 3.11+，会开命令行。

第一步，装库。

pip install browser-use playwright install chromium

第二步，写一个最小脚本。新建一个 demo.py，内容如下：

import asyncio from browser_use import Agent from langchain_openai import ChatOpenAI    async def main():         agent = Agent(               task="打开 example.com 登录页，用账号 test、密码 123456 登录，然后告诉我登录后的欢迎语",               llm=ChatOpenAI(model="gpt-4o"),           )           result = await agent.run()           print(result)  asyncio.run(main())

第三步，跑起来。它会自动打开浏览器，自己定位输入框、点登录、抓取结果。

三个提醒，务必记牢：

1. 别用主账号
   。它就像你请了个陌生人在你电脑上点鼠标，登录什么、点了什么你得盯。建议用单独浏览器配置，圈定它能碰到的账号范围。
2. API Key 自己配
   。库本身免费，但调模型要花钱。每一步都会把页面状态发给模型，多步任务 token 消耗不小，选便宜的模型能省不少。
3. 重要操作先在测试页面试
   。别一上来就让它帮你发正式邮件、操作真实业务系统，先在无所谓的页面跑通再说。

它能替你干的活

结合职场高频场景，列几个实在的：

• 多平台重复发布
  ：把一篇文章发到多个平台，写个任务让它逐个登录、粘贴、发布。
• 批量填表
  ：每天要填的日报、周报、报销单，把固定字段做成模板任务。
• 定时抓数据
  ：每天抓一遍竞品价格、榜单排名，汇总成表格。

这些活有个共同点：规则明确、重复性高、不怕它偶尔出错重来。反过来，涉及真金白银的付款、对外发正式内容，别交给它，盯紧。

一句话收尾

不用被"AI Agent"这个词吓住。browser-use 这类工具，本质就是把"我知道该点哪里，但懒得天天点"的重复活，交给一个能看屏幕、能试错、能自己纠错的机器人。

如果你每周有超过半小时耗在重复的网页操作上，今晚就花 10 分钟把环境装好，挑一件最烦的重复活让它跑一遍——跑通那一刻的感受，比看十篇测评都直接。

（完）