大家好，我是二哥呀。
必须推荐一个，最近一直在用，GitHub 上有 1.4K Star 的开源项目，名叫 BrowserAct。
专门为 AI Agent 打造的浏览器自动化 CLI 工具。
它和普通的无头 Chrome 封装最大的区别在于：专门解决 Agent 被网站拦截的问题。
三层突破体系，层层递进：
- 环境层：stealth 反检测浏览器 + 指纹伪装 + 动态代理 + Session/Cookie/Profile 隔离。大部分场景在这一层就解决了，根本不会触发验证。
- 执行层：solve-captcha 自动解决常见验证码，stealth-extract 一条命令提取受保护页面内容，全程无人值守。
- 人机交互层：remote-assist 生成远程链接，手机或任意设备上接管浏览器，完成短信验证码、扫码登录等必须人工参与的步骤。人操作完，Agent 继续原来的会话，不需要从头开始。
三种浏览器模式覆盖不同场景：stealth 反检测、chrome 复用登录态、chrome-direct 零配置控制当前 Chrome。
50+ 命令，支持 Claude Code、Cursor、Codex CLI、Gemini CLI 等主流 AI Agent。
我实际跑了几个场景，效果确实让我有点惊喜。
比如说直接在Agent里用知乎搜索 AI Agent 的 TOP10 热门帖子。
嘎嘎嘎的好用。
01、安装 BrowserAct
最简单的方式是直接跟 Agent 说“帮我安装 BrowserAct：github.com/browser-act… 会自动完成全部安装流程。
安装过程会自动检测 Agent 环境，从 GitHub 拉取 Skill 文件，完成后显示安装路径和支持的 Agent 列表。
我这里用的是Claude Code演示，你也可以用 Codex 等 Agent 工具。
装完之后可以通过 get-skills core 拿到完整的命令指南和环境状态。
需要注意的是，stealth 浏览器和动态代理功能需要 API Key，直接按照 Agent 的提示操作，点击链接授权一下即可。
授权完成后就可以猛猛干活了。
02、一条命令抓小红书
装好之后，可以先试试 stealth-extract。这个命令的定位是“高级版 WebFetch”，用反检测浏览器打开目标 URL，等 JavaScript 渲染完成后提取内容，一条命令搞定。
拿 httpbin.org 做了个热身测试，直接跟 Agent 说：
用 stealth-extract 提取 https://httpbin.org/headers 的内容
Agent 自动调用 BrowserAct，返回的结果如下所示：
注意看 User-Agent：Windows NT 10.0 + Firefox/135.0。
我的电脑是 macOS + Chrome，但 stealth-extract 发出去的请求完全伪装成了 Windows 上的 Firefox。不是简单地改个 UA 字符串，而是整套请求头都是一致的：Sec-Fetch-Dest、Sec-Fetch-Mode 这些指纹字段全部匹配 Firefox 的行为模式。
热身完毕，上难度。
小红书的访问限制是出了名的严格，用 curl 直接抓小红书，拿到的全是混淆后的 JavaScript 代码：
curl -s https://www.xiaohongshu.com/explore | head -20
# 返回：一坨 <script> 标签和混淆的 JS，没有任何实际内容
换成 BrowserAct，跟 Agent 说：
帮我提取小红书 Explore 页面的内容：https://www.xiaohongshu.com/explore
Agent 会调用 stealth-extract，直接拿到小红书首页的完整推荐内容，频道分类、笔记标题、作者名、互动数据全都有：
连每条笔记的详情链接、作者主页链接也一起返回了。
而且页面顶部的频道分类（推荐、穿搭、美食、彩妆...）也完整提取出来了。
一条命令，不需要打开浏览器、不需要管理 Session、不需要写一行代码。
给个 URL，stealth-extract 就能帮我们搞定指纹伪装、JavaScript 渲染、内容提取等全部流程。
这里说一下 stealth-extract 和 WebFetch 的本质区别。
WebFetch 是 Agent 自带的网页抓取工具，底层走的是 HTTP 请求加上简单的 HTML 解析。碰到需要 JavaScript 渲染的页面，WebFetch 有时候能拿到内容（依赖服务端渲染），但很多时候是拿不到的。
stealth-extract 是真的启动了一个反检测浏览器，等页面完全渲染完毕再提取，所以动态渲染的内容、懒加载的数据、需要 JavaScript 执行后才出现的元素，全都能拿到。
再说 curl，直接 HTTP 请求拿到的是原始 HTML 源码，动态渲染的内容拿不到。
三者的能力梯度如下：
curl < WebFetch < stealth-extract
能用轻量工具搞定的场景当然优先用轻量工具，但碰到有访问限制的网站，stealth-extract 是唯一能打的选项。
对于那些只需要”拿内容不需要交互”的场景，stealth-extract 是效率最高的方式。而且 stealth-extract 会对抓取到的内容做清洗，给到用户干净的数据，节省 token。
还能通过自然语言指定输出格式，比如：
用 stealth-extract 提取这个页面，输出 Markdown 格式：https://news.ycombinator.com
Agent 会自动加上 --content-type markdown 参数。多个 URL 可以并行跑，每次调用都是独立的，没有 Session 冲突的问题。
03、stealth 浏览器
stealth-extract 适合“拿了就走”的场景。但如果需要交互操作，比如登录、点击、填表单、翻页，像人一样操作，就得创建 stealth 浏览器。
比 Browser Use 更强大，后面我会演示。
值得一提的是，stealth 浏览器是运行在本机的浏览器，你托管的账号信息安全地留在本地，不会上传到任何第三方服务器。而且它还支持指纹浏览器多账号扩展能力，特别适合养号场景。
跟 Agent 说一句就行：
帮我创建一个 stealth 浏览器，然后打开 bot.sannysoft.com 做反检测测试
BrowserAct 有一个 Confirmation Gate 机制：创建浏览器、删除数据、导入 Profile 这些敏感操作，必须经过用户明确批准才能执行，所以不用担心安全问题。
headed 模式会让浏览器带界面运行，可以实时看到 Agent 在操作什么。
检测结果拿到了。
| 检测项 | 结果 |
|---|---|
| User Agent | 正常浏览器 UA（passed） |
| WebDriver | missing（passed） |
| WebDriver Advanced | passed |
| Chrome 对象 | present（passed） |
| Permissions | prompt |
| Plugins 数量 | 5 |
| Plugins 类型 | PluginArray（passed） |
18 项检测，全部 ok。
做过浏览器自动化的小伙伴应该知道，普通的无头浏览器在 WebDriver 这一项上就会直接返回 present 而不是 missing，更别提 Selenium 检测、Chrome 调试工具检测这些。BrowserAct 的 stealth 模式在所有维度上都处理到位了。
知乎搜索必须登录才能看到内容，这个用过的小伙伴应该知道，直接用Agent是很难直接做到这一点的。
这正好是 stealth 浏览器 + remote-assist 的用武之地。
跟 Agent 说：
用 stealth 浏览器打开知乎，搜索 AI Agent，如果需要登录就给我一个远程链接
Agent 打开知乎搜索页，发现需要登录，自动启动 remote-assist 发一个链接。
我们打开链接，扫码登录知乎，Agent 拿到登录态之后继续搜索提取。
整个过程我们只需要花 10 秒钟扫个码，剩下的全是 Agent 在做。
看，结果拿到了，是不是贼方便。
04、搜 AI 博主的 Agent 内容
大家都知道，微信生态的内容是不允许外部浏览器搜索的，比如说谷歌搜索和百度。
那假设我们要做 AI Agent 方向的竞品调研，想看看最近关注的 AI 博主都在公众号上发表了哪些内容。
BrowserAct 可以做得到。
跟 Agent 说：
用 stealth-extract 搜一下关于 AI Agent 的最新文章，比如说苍何、JavaGuide、沉默王二这些博主
Agent 会调用 stealth-extract，通过搜狗搜索返回完整的文章列表，标题、摘要、公众号名、发布时间全都有。
比如搜“AI Agent 苍何”：
搜“AI Agent JavaGuide”：
搜“AI Agent 沉默王二”：
还可以用 full browser 模式查看完整的内容。
如果想翻页看更多结果，也是自然语言搞定：
翻到第 2 页，继续提取文章列表
Agent 会自动走 Open → State → Interact → Verify 循环：找到翻页按钮点击，等页面稳定后重新提取。
这个场景的价值在于：公众号的文章在微信生态之外很难批量获取，搜狗搜索是少数入口之一，但它对自动化访问有频率限制。
stealth-extract 的反检测能力让这件事变得简单无比。
如果是大型数据采集场景，还可以把 stealth 浏览器和动态代理结合使用。比如批量提取 YouTube 视频信息、Product Hunt 产品数据这类海外平台，动态代理会自动轮换 IP，配合 stealth 浏览器的指纹伪装，即使高频访问也不容易被限制。适合需要持续、大量采集数据的业务场景。
用 stealth 浏览器 + 动态代理，打开 Product Hunt 首页，提取今日热门产品列表
full browser 模式被 Cloudflare 拦住了，但 stealth-extract + 动态代理一条命令直接穿透。
05、三种浏览器模式怎么选
实测过程中我把三种浏览器模式都摸了一遍，总结一下各自的适用场景。
- stealth 模式：反检测浏览器 + 指纹伪装 + 代理轮换，专门应对有访问限制的网站。支持无头模式下依然保持反检测能力，普通的 headless Chrome 做不到这一点。适合批量采集、匿名访问、竞品监控这类场景。
- chrome 模式：把本地 Chrome 的 Profile 导入到一个独立环境里运行。好处是能复用已有的登录态，适合需要登录态但不想手动登录的场景。
- chrome-direct 模式：直接控制当前正在运行的 Chrome。零配置，天然带所有登录态和插件。
06、BrowserAct Forge
BrowserAct 还有一个配套工具叫 Skill Forge。
定位是把跑通的网站操作流程生成一个可复用的 Skill 文件，后续同类任务直接调用，不再需要 Agent 从零摸索页面。
安装命令：
帮我安装 browser-act-skill-forge，Skill 地址：https://github.com/browser-act/skills/tree/main/browser-act-skill-forge
然后告诉 Agent 想做什么：
我需要到知乎上执行搜索，帮我沉淀一个稳定可复用的 Skill
Skill Forge 会自动分析网站结构，尝试找到最合适的方法（比如发现可用 API），结合 DOM 操作，生成标准化的 Skill。
而且做好的 Skill 可以分享给同事或团队成员。
比如你花半小时搞定了一个复杂网站的数据采集流程，生成一个 Skill 发给同事，同事一行命令安装直接就能用。把“我已经跑通的网站能力”变成别人也能直接调用的协作资产，爽歪歪啊。
BrowserAct 团队用 Skill Forge 已经生成了 30 多个现成的 Skill，覆盖 Amazon、Google Maps、YouTube、Reddit、微信、知乎等平台，装上就能跑。
07、和 agent-browser 对比
我之前用的浏览器自动化工具是 agent-browser（web-access Skill 里的 CDP Proxy 方案）。
基础能力方面两者没有太大差异，但在突破访问限制这件事上 BrowserAct 显然更强大：
| 功能 | BrowserAct | agent-browser |
|---|---|---|
| 基础浏览器操作 | ✅ | ✅ |
| 截图和数据提取 | ✅ | ✅ |
| Cookie / Session 管理 | ✅ | ✅ |
| 反检测浏览器 | ✅ | ❌ |
| 验证码自动解决 | ✅ | ❌ |
| 动态代理 | ✅ | ❌ |
| 人机协作（remote-assist） | ✅ | ❌ |
| 通用内容提取（stealth-extract） | ✅ | ❌ |
1.4K Star，MIT 协议，免费开源。
如果大家也在用 Claude Code 或者 Codex CLI 做浏览器自动化，经常被网站拦截的话，可以试试。
帮我安装 BrowserAct：https://github.com/browser-act/skills
【工具的价值不是功能多，而是在我们最需要的地方，确确实实能顶上去。】
我们下期见。
