BrowserAct Skills：AI Agent 跑浏览器，最怕的那堵墙它想直接拆掉

老鬼看这种浏览器自动化项目，第一眼通常不看宣传词，先看它怎么处理“卡住”。

因为 Agent 操作网页，最烦的不是点按钮、填表单，这些 Playwright、Selenium 早就能干。真正恶心的是跑到一半弹人机验证，Cookie 串了，账号状态乱了，或者一个页面 HTML 塞回来，模型光读 DOM 就先烧掉一截 Token。

BrowserAct Skills 抓的就是这个脏活。

它不是单纯给 Agent 套个浏览器壳，而是把反卡死链路做成了三层：环境层做指纹、TLS、代理这类隔离；执行层处理受保护页面和验证；真搞不定时，直接生成远程接管链接，让人从手机或电脑接手，完事后 Agent 继续跑。这个设计挺现实，README 里也明确把它叫成给 AI Agent 用的浏览器 CLI。

啧，重点其实是第三层。

很多自动化工具最会吹“全自动”，但网页世界哪有那么干净。验证码、登录风控、二次确认，随便一个都能把 Agent 按死。BrowserAct 这里选择留一个人类接管口子，我反而更信一点。以前做小 Demo，最怕的不是第一天跑通，是第二天 429、502、登录态过期一起冒出来，日志还看不清。

还有个细节，适合多账号、多任务场景：它支持并行浏览器，每个任务有独立 Cookie、指纹、代理，README 里写的是避免不同任务互相污染。这个点别小看，Agent 批量跑网页时，状态串一次，后面数据基本就别信了。

但先别急着吹成“万能反爬神器”。

这种工具越强，越要看边界。目标网站规则、账号权限、数据授权，这些不是换个指纹就能绕过去的。尤其是抓公开数据和批量操作账号，中间差一条线，后果完全不一样。老鬼会把它放在合规数据采集、内部系统自动化、自己账号的重复操作里试，不会拿它去硬怼别人的风控。

对模型友好的输出也挺关键。BrowserAct 没让大模型硬啃完整 HTML，而是提供更紧凑的索引文本格式，交互也变成类似“看状态、点第几个、填第几个”的方式。对 Claude Code、Cursor、Codex CLI 这种能跑命令的 Agent 来说，这比传统 JSON/HTML 省心不少。

Skill Forge 更像是附带的“抓站脚手架”：先探索网站结构，再生成可复用 Skill，后面批量跑同类数据不用每次重新摸路。README 里还提到它能生成面向重复抓取的 Skill 包，适合几百到几千条记录这种场景。

老鬼会怎么用？

不是拿来炫自动化。更像是给 Agent 做网页任务时，先装一个兜底层：少烧 Token，少串 Cookie，卡验证码时有人能接一下。项目目前在 GitHub 上开源，README 显示 MIT License，项目页大约 2.4k star。兄弟们可以扫一眼，尤其是正在用 Claude Code、Cursor 做浏览器自动化的。