夜雨聆风
一个CCIE网工，用browser-act+AI Agent，从搜狗微信搜索抓取自己公众号的全部文章，然后让AI给自己写了一份运营分析报告。听起来有点赛博朋克，但整个过程比想象中简单得多。
昨天看到一篇公众号文章，"可爱的小Cherry"写了一篇《实战 WorkBuddy+反爬+爬虫固化 Skill，6大能力搞定浏览器自动化》，讲的是用browser-act这个Skill让AI Agent操控浏览器，抓小红书、抓什么值得买，甚至把抓取流程固化成可复用的Skill。
看完之后我手痒了。
不是因为我也想抓什么NAS价格——虽然确实有点心动——而是突然想到一个问题：我能不能用同样的方式，让AI Agent去分析我自己的公众号？
说干就干。
为什么要"分析自己的公众号"？
先说背景。我的公众号「那个网工有点AI」开了有一段时间了，定位是AI实战干货，覆盖大模型实战、中美科技动态、职场转型这些方向。文章一直在写，但说实话，从来没有系统地复盘过。
写的时候觉得挺好，发出去之后阅读量还行就继续下一篇。至于"我的内容到底是什么风格""读者画像是什么样的""选题有没有规律"——这些问题从来没认真想过。
不是不想，是太麻烦了。
你要分析公众号，首先得有数据。微信公众号后台的数据统计很有限，外部能获取数据的渠道基本就两个：新榜、西瓜数据这些付费平台，或者搜狗微信搜索。付费平台的价格对个人号来说不太划算，那就只剩搜狗这一条路。
但搜狗微信搜索的页面，用普通的HTTP请求是抓不到完整内容的——它需要JavaScript渲染，还有各种反爬校验。这就是browser-act派上用场的地方。
browser-act是什么？
简单说一下。browser-act是一个专门为AI Agent设计的浏览器自动化CLI工具，GitHub上最近涨星特别快。它不是传统的Selenium或Playwright那种给程序员用的自动化框架，而是直接让AI Agent像人一样操作浏览器。
它的核心能力可以总结为几个关键词：
反爬突破：内置stealth浏览器，可以伪装浏览器指纹、轮换TLS、切换代理，大幅降低被风控拦截的概率。
会话管理：支持多浏览器隔离、多账号并行，每个会话的cookie和登录态完全独立。
验证码处理：内置solve-captcha服务，遇到滑块验证、图形验证可以自动处理，或者转交人工远程协助。
Skill固化：通过browser-act-skill-forge，可以把一次成功的抓取流程固化成可复用的Skill，下次直接调用，不需要AI重新决策。
对于我这种"想抓点数据但不想写爬虫"的人来说，这套组合拳简直是量身定制。
实战：让AI Agent分析我的公众号
第一步：安装browser-act
安装非常简单，一行命令：
uv tool install browser-act-cli --python 3.12如果你还没装uv（Python包管理器），先装它：
curl -LsSf https://astral.sh/uv/install.sh | sh装完之后，在AI Agent里（我用的是QoderWork）加载browser-act的Skill，就可以开始用了。
第二步：打开浏览器，直奔搜狗微信搜索
我让AI Agent打开了本地的Chrome浏览器（browser-act支持接管本地已登录的Chrome，这样可以直接复用登录态），然后导航到搜狗微信搜索：
https://weixin.sogou.com/weixin?type=2&query=那个网工有点AI这里有个小技巧：搜狗微信搜索有两种模式，type=1是搜公众号，type=2是搜文章。我的公众号在type=1模式下搜不到（可能是还没被收录为"官方认证订阅号"），但用type=2搜文章就能找到。
这个坑我踩了好一会儿才搞明白。如果你也遇到"搜不到自己的公众号"的情况，直接切到文章搜索就行。
第三步：抓取文章列表
AI Agent拿到搜索结果后，我让它筛选出来源是"那个网工有点AI"的文章。这一步很关键——搜狗的搜索结果里会混入很多其他公众号的文章（因为关键词匹配），需要按来源字段过滤。
很快，Agent就整理出了我的文章列表：
这4篇是搜狗微信搜索目前收录用的全部文章。虽然数量不多，但对于一次内容风格分析来说，样本已经足够了——风格这种东西，看4篇就能看出来。
第四步：逐篇抓取全文
接下来是重头戏——逐篇点开文章链接，抓取全文内容。
browser-act在这里展现了一个很有意思的能力：它不是简单地获取HTML，而是把整个页面渲染成Markdown格式。这意味着图片链接、标题层级、段落结构都能保留，后续分析非常方便。
每篇文章的抓取过程大致是这样的：
4篇文章，每篇大约2000-5000字，整个过程不到5分钟。如果用传统爬虫，光是处理微信文章的JS渲染和反跳，可能就得折腾半天。
第五步：让AI给自己写分析报告
数据到手之后，最有趣的部分来了——我让AI Agent基于这4篇文章的全文内容，给我写了一份公众号分析报告。
报告覆盖了这些维度：
内容定位：AI热点深度解读+企业IT落地视角。Agent认为我在AI自媒体红海中找到了一个相对稀缺的生态位——大多数人要么纯技术、要么纯评论，很少有人能把行业事件翻译成"对企业IT决策者意味着什么"。
写作风格：理性深度+口语化表达+结构化论证。Agent注意到了我的一些习惯，比如"Token调用成本"和"这个瓜我吃明白了"会交替出现，标题用"热点事件+反问/悬念"的结构。
选题模式：提炼出了一个公式——"24-48小时内的AI行业大事件 × 企业IT落地视角 × 个人态度表达"。
受众画像：IT从业者/网工转型群体、企业IT管理者、AI工具深度用户。
说实话，看到分析报告的时候我有点意外。不是因为分析得有多准确（虽然确实挺准的），而是这个过程本身——用AI工具分析自己的AI内容创作，有一种奇妙的"照镜子"感。
和"可爱的小Cherry"那篇文章的对比
回到开头提到的那篇文章。Cherry的玩法和我的玩法，其实代表了browser-act的两种典型使用场景：
Cherry的场景：数据采集+价格监控。他关注的是NAS的价格走势，需要从什么值得买、小红书、知乎等多个平台批量抓取数据，然后整理成对比报告。他还用browser-act-skill-forge把抓取流程固化成了可复用的Skill，12秒就能跑完4款NAS的价格数据。
我的场景：内容分析+运营复盘。我关注的是自己公众号的内容质量和定位，需要从搜狗微信搜索抓取文章全文，然后让AI做深度分析。
两个场景的共同点是：都绕不开浏览器自动化，都涉及反爬，都需要AI Agent来编排整个流程。
如果说有什么区别，那就是Cherry更偏"量"（多平台、多商品、并发抓取），我更偏"质"（单篇文章的深度理解和结构化分析）。但底层用的都是同一套工具链。
几个实战中踩过的坑
分享几个我在使用过程中遇到的问题，给想尝试的朋友避个坑：
1. 搜狗微信搜索的"公众号搜索"和"文章搜索"是两回事
type=1搜公众号，type=2搜文章。如果你的公众号没有被搜狗收录为"官方认证订阅号"，type=1会返回"暂无相关结果"。别慌，直接切type=2搜文章，一样能找到。
2. browser-act的PATH问题
如果你用uv安装，默认路径是~/.local/bin/。在某些环境下（比如QoderWork的终端），这个路径可能不在PATH里。每次执行命令前先跑一下export PATH="$HOME/.local/bin:$PATH"，或者把它写进你的shell配置文件。
3. 搜索结果需要手动过滤
搜狗微信搜索返回的结果里，会混入很多关键词匹配但来源不同的文章。比如搜"那个网工有点AI"，可能会出来牛匠找工、YESLAB这些其他公众号的内容。需要让Agent按"来源"字段做过滤，只保留目标账号的文章。
4. 浏览器会话管理
browser-act的会话是有生命周期的。如果中间隔了太久，会话可能会过期。建议在一个连续的session里完成所有操作，或者在操作前先session list检查一下会话状态。
写在最后
这次实战体验下来，我对browser-act的感受可以用一句话概括：它把"浏览器"变成了AI Agent的一只专业手臂。
以前想做类似的事情——抓取搜狗微信搜索的文章、分析自己的公众号——要么需要写一套Python爬虫（requests+BeautifulSoup+Selenium，还得处理各种反爬），要么需要依赖付费的第三方数据平台。现在，只需要一行安装命令，AI Agent就能自己操控浏览器完成整个流程。
更重要的是，这个过程是可复现的。我今天能用它分析自己的公众号，明天就能用它分析竞品账号、监控行业动态、追踪关键词排名。甚至可以把这套流程固化成一个Skill，以后一句话就能触发。
对于正在做自媒体或者内容运营的朋友，这是一个值得尝试的方向。不需要你会写爬虫，不需要你懂反爬原理，只需要一个AI Agent加上browser-act，你就能让AI自己去互联网上"找资料、读文章、写报告"。
AI Agent时代，信息就是武器。而browser-act，让每个Agent都有了伸手去拿信息的能力。
参考资料：
可爱的小Cherry：《实战 WorkBuddy+反爬+爬虫固化 Skill，6大能力搞定浏览器自动化》 browser-act GitHub仓库：https://github.com/browser-act/skills
browser-act官网：https://www.browseract.ai
关注「那个网工有点AI」，不错过下一篇关于AI实战的深度思考。
