夜雨聆风
花了半天时间测了一下，说几句真话。
一、browser-act 是什么
先说官方定义：
Browser automation CLI built for AI agents. Break through anti-bot walls, hand off to humans across platforms when stuck. Parallel multi-task execution, independent multi-session operation, isolated multi-account browsing.
翻译一下：这是一个专为 AI Agent 设计的浏览器自动化工具，主打四个卖点：
突破反爬虫：三层防护——环境层（指纹伪装、TLS 轮换）、执行层（自动解验证码）、人工层（远程协助） 三种浏览器模式：Chrome 复用登录态、隐身模式批量抓取、固定身份养号 零干扰并发：多浏览器并行，独立 Cookie、指纹、代理，互不干扰 为 AI 设计：索引式交互（ click 3）、紧凑输出、语义记忆
二、我为什么关注它
之前用 Playwright、Selenium 写自动化脚本，最烦的是两件事：
选择器维护：页面一改版，XPath 就废了，每次都要重新调试 AI 集成：想让 AI Agent 操作浏览器，得写一堆封装代码，把 DOM 转成 AI 能理解的格式
browser-act 的思路不一样——它直接给 AI 提供"索引式交互"。你不用写 XPath，AI 说"点击第 3 个元素"就行。
以前让 Agent 操作一个按钮，我得写 page.locator("//button[@class='submit']").click() 这种选择器。现在直接 click 3，省掉了整个封装层。
三、我测了什么
测试环境：WSL (Ubuntu)，browser-act v0.1.26。
我设计了 3 类测试场景：
测试 1：基础抓取（stealth-extract）
这是最轻量的功能，不需要创建浏览器，直接抓取页面内容。
简单页面 3-5 秒搞定，复杂页面（GitHub、少数派）要 13-15 秒。Amazon 这种反爬严格的直接被拦。
测试 2：内容格式对比
同一个页面，HTML 和 Markdown 输出差异很大：
HTML 输出：3704 字节，耗时 19.98s Markdown 输出：228 字节，耗时 32.12s
Markdown 输出更小但更慢，因为需要额外的转换处理。如果你只需要文本内容，HTML 反而更快。
测试 3：错误处理
故意访问一个返回 503 的接口（httpbin.org/ip），browser-act 正确返回了错误详情：
Error:ServerreturnedHTTP503forhttps://httpbin.org/ip.Thepagedoesnotexist,requiresauth,orisrate-limited.
错误处理做得不错，不会静默失败。
四、踩了什么坑
坑 1：反爬虫检测没那么神
browser-act 宣传有"stealth 模式"，能绕过反爬虫。但实测 Amazon 直接被拦，返回验证页面。
stealth 模式能绕过基础检测（比如简单的 User-Agent 检查），但对 Amazon、Cloudflare 这种专业反爬还是不够。需要配合代理轮换才行。
坑 2：浏览器创建需要额外配置
stealth-extract 能直接用，但完整的浏览器自动化（点击、输入、表单提交）需要先创建浏览器。创建过程需要用户确认，首次使用还有额外配置。
如果你只需要抓取内容，stealth-extract 够用。如果需要交互操作，配置成本不低。
坑 3：性能波动大
简单页面 3 秒，复杂页面 15 秒，差异 5 倍。GitHub 首页要 14.73 秒，这个速度对于批量抓取来说不太理想。
单次抓取可以接受，批量场景需要考虑并发和超时策略。
五、它的核心优点
虽然有坑，但 browser-act 确实有几个真正的优势：
优点 1：AI 原生集成
传统工具（Playwright/Selenium）是给人写的脚本，AI 要用得写封装层。browser-act 直接为 AI 设计：
索引式交互： state返回元素列表，click 3点击第 3 个，不用写 XPath紧凑输出：比 JSON/HTML 省几倍 token 语义记忆：每个浏览器有 desc描述，AI 能根据任务匹配
优点 2：轻量级抓取
stealth-extract 不需要创建浏览器，直接抓取，启动快。
对比：
curl：快但不支持 JS 渲染 Playwright：支持 JS 渲染但要启动浏览器 browser-act：支持 JS 渲染且不需要启动浏览器（stealth-extract 模式）
优点 3：人机协作设计
当 AI 遇到验证码或复杂操作时，可以生成一个链接让人类接手。操作完后 AI 继续执行。
场景：AI 自动化注册流程，遇到短信验证码，生成链接让用户扫码，完成后 AI 继续填表单。
优点 4：并发隔离
多浏览器并行，每个浏览器独立的 Cookie、指纹、代理。这对多账号场景很重要。
场景：同时管理 5 个小红书账号，每个账号独立浏览器，互不干扰。
六、跟现有工具对比
browser-act 的优势是 AI 原生集成 + 人机协作。你不用写选择器，直接用索引号操作元素。
七、我的判断
如果你是 AI 工程师，需要让 Agent 能"看"网页，browser-act 值得试试。
它解决了 AI 操作浏览器的核心痛点——选择器维护和 AI 集成。
以前的方案：
Playwright + 封装层：写 100 行代码，维护成本高 curl + 解析：不支持 JS 渲染，SPA 直接废了 Selenium：太重，资源消耗大
browser-act 的方案：
一行命令： browser-act stealth-extract https://example.com索引交互： click 3、input 2 "text"人机协作：遇到验证码生成链接让人接手
但它替代不了 Playwright 做复杂的浏览器自动化。把它当成 AI 工具链中的一个补充——快速获取网页内容用它，复杂交互还是用 Playwright。
八、适合什么场景
推荐用的场景
AI Agent 获取网页内容：替代 WebFetch/curl，支持 JS 渲染 技术博客、文档、新闻网站的抓取：简单快速 快速原型验证：测试网页结构，不用写代码 多账号管理：并发隔离，独立环境
不推荐的场景
严格反爬虫网站：Amazon、电商平台，需要配合代理 需要登录的复杂交互：配置成本高 高频批量抓取：性能波动大，需要并发策略
代码：https://github.com/browser-act/skills
你在 AI 自动化方面用过什么工具？评论区聊聊。