我给 WorkBuddy 加了一个浏览器 Skill，它开始自己上网干活了

最近我一直在研究 PC 端智能体。

包括 OpenAI Codex、Trae Work、WorkBuddy 这类工具。它们已经可以直接操作本地文件、运行命令、编写代码和调用各种 Skill。

不过在实际操作中，有一个容易出错的地方就是：浏览器。

使用Agent避免不了，让Agent操作浏览器，打开一个普通网站，或者搜索一篇文章。这些都是Agent的基操。

但是如果涉及到稍微复杂一点的浏览器操作，那么Agent自带的浏览器工具可能就不行。

比如进入需要登录的网站、读取动态加载的数据、同时处理多个页面，或者遇到验证码和扫码登录，遇到这些情况任务就有可能中断。中断后再次进行跑任务就费时间，费token。

最近发现一个专门解决这类问题的浏览器工具：BrowserAct。

它是一套面向 AI Agent 的浏览器自动化 CLI，可以作为 Skill 安装到 WorkBuddy 这类桌面智能体中。

内置三种浏览器模式，按需选用

1. chrome 模式（复用本地 Chrome 登录态）
2. stealth 隐私模式（每次会话全新指纹 + 代理轮换）
3. ③ stealth 固定身份模式（稳定指纹 + 稳定 IP + 稳定账号身份）

安装以后，WorkBuddy 不只是“能打开浏览器”，还可以在真实浏览器环境里继续执行任务。

简单来说，BrowserAct 相当于给 AI Agent 准备了一套专用浏览器。

普通的网页读取工具，很多使用是直接通过接口获取到网页源代码。如果网页使用了JavaScript动态渲染，或者需要登录验证和复杂的交互，那么读取到的信息就并不完整。

BrowserAct 可以直接操控真实浏览器，并且可以做到点击网页元素，复用本地Chrome登录状态，管理浏览器的Cookie，Profile和Sesssion，多个网页并行运行，遇到登录验证这些必须人为操作交给用户接管，最后还可以把浏览器操作工作流制作为skill进行复用。

项目目前已经开源，支持 Windows、macOS 和 Linux，也能接入 Codex、Claude Code、Cursor、OpenClaw WorkBuddy等可以运行命令和加载 Skill 的 Agent。

WorkBuddy 中安装BrowserAct

输入下面这段提示词，让workbuddy安装BrowserAct浏览器自动化skill。

请帮我安装 BrowserAct Skill。 Skill 地址： https://github.com/browser-act/skills/tree/main/browser-act

完成安装后，检查运行环境并验证 BrowserAct 是否可以正常使用。 如果缺少依赖，请帮我完成安装，但涉及账号、代理、浏览器身份或安全配置时先征求我的确认。

安装完成后，测试一下。

这里提示我们需要密钥才可以继续。根据AI的提示信息，点击链接去获取即可。

把密钥给到工具装填后，就可以继续操作了。

这里需要初始化一下浏览器。因为小红书（有反爬检测），需要创建一个反指纹识别的隐身浏览器

同样根据提示信息中的链接去创建就行了。

创建完成了，现在就可以去获取相关信息。

这个是BrowserAct工具与众不同的地方，因为检测到网站需要登录，那么BrowserAct会控制浏览器，等待用户登录再继续往下面执行。

登录完成后，BrowserAct就开始操作浏览器收集信息了。可以截图的最上方看见，任务一直是处于等待状态，没有中断。

后续就是收集的结果了。

可以看见收集到的数据还是挺多的，多个方面的信息收集。

获取排行榜信息

把提示信息给到workbuddy。

然后BrowserAct成功打开网站，完成github的人机检测。

识别到了今天在github上面开源热度排行榜信息。

随便把收集到的信息整理为一个HTML。

可以更直观的了解到热度排行信息。

除此之外。

BrowserAct 有个功能叫 Skill Forge，说白了就是把 Agent 已经学会的网页操作“存成模板”，方便下次调用。

比如每天固定时间导出后台数据，找菜单、设日期、点下载，这一套动作让 Agent 从头学一遍太费劲了。有了 Skill Forge，这些操作能一键复用。以后遇到同类型任务，Agent 连脑子都不用动，直接套模板执行，轻轻松松把“一次性实验”变成“永久性工具”。

比如对于文字创作者，需要再网上找类似于爆文的方向进行创作。 那么这个流程就可以用Skill Forge来完成。

在官网点击复制给Agent。把复制的信息直接丢给workbuddy。

收集文章排行榜中的信息。 Skill Forge开始工作，收集需要自动化的信息。

生成的结果。

这样一个AI热点爆文收集的skill就完成了，不用每次都编写提示词来进行收集，也不用担心登录鉴权。

50+ 标准化浏览器操作指令

browser-act 模块内置了50多个浏览器指令，覆盖了大部分网页交互的需求。

感兴趣的朋友可以去了解一下。这个是官网地址。

也可以直接去github获取skill。

现在越来越明显的一点是，PC 端智能体的发展方向，已经不只是让 AI 帮我们聊天、写代码。

真正提高效率的地方，是让 AI 拥有更多专业能力。

以前我们使用软件，需要自己学习每一个功能；现在通过 Skill，可以把这些成熟的操作流程直接交给 Agent，让它像一个不断成长的数字助手一样工作。

浏览器自动化、UI设计、PPT生成、内容排版，这些都是日常工作中高频出现的场景。

而像 BrowserAct 这样的工具，解决的是 Agent 在真实互联网环境中的执行问题。让 AI 不只是停留在“给建议”，而是可以真正进入网页、处理数据、完成任务。