企业官网建设流程全解析

Browser-Use 入门指南：让 AI 替你完成重复网页操作的教程

【免费下载链接】browser-use🌐 Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-use

Browser-Use 是一个开源的 AI 浏览器自动化框架：你用一句自然语言描述任务，它就在真实浏览器里替你打开页面、点击、填表、下载。今天你写下的那句任务描述，就是明天可以无人值守跑起来的脚本。

它替你省掉哪几件重复劳动

先看三个每天都在消耗时间的场景：

• 每周一下午，打开 4 个竞品官网，逐个记下旗舰款价格，誊进 Excel，再算环比；
• 每月发薪日前，从 3 个后台系统各导一份报表，逐个改名、归档；
• 新员工入职，几十份结构相同的申请单，只改名字和部门就重复填一遍。

这些事单件都不难，难在多、碎、重复，还容易在第三次复制粘贴时手滑出错。

定位一句话：Browser-Use 让你用中文或英文写一句话，它负责把这句话变成浏览器里真实发生的点击和输入。

可信度方面的几个事实，均来自 README.md：

• MIT 协议开源，框架本身免费；
• 官方基准 BU Bench V1 在 100 个真实浏览器任务上测得 85.0% 的成功率（用自家托管模型，见下文图表）；
• 在 Odysseys 公开榜（200 个长程网页任务）上以 87.4% 的平均分排名第一，跑赢 OpenAI、Anthropic、Google、Microsoft 的 computer-use agent；
• 仓库 star 数已达 6.9 万，意味着这套方案被大量真实场景验证过。

5 分钟装好环境并跑通第一个任务

环境要求：Python 3.11 及以上；本机装有 Chrome 或 Chromium。

安装一共 3 条命令，其中 clone 是可选的——克隆仓库主要是为了浏览examples/里的现成脚本：

# 克隆仓库（含 examples/ 示例脚本，方便对照抄改） git clone https://gitcode.com/GitHub_Trending/br/browser-use cd browser-use # 安装框架本体，Python 3.11+ pip install browser-use

然后把大模型密钥写进项目根目录的.env文件，例如BROWSER_USE_API_KEY=你的密钥，也可以换成OPENAI_API_KEY、GOOGLE_API_KEY这类自带密钥的方式。

最小可运行示例，任务改成"去 PyPI 查 requests 库的版本"：

import asyncio from browser_use import Agent, ChatBrowserUse # Agent 是大脑+手，ChatBrowserUse 接大模型 async def main(): agent = Agent( task="打开 PyPI 的 requests 库页面，记录最近 3 个版本号和发布日期", llm=ChatBrowserUse(model="openai/gpt-5.5"), # 也可换其他模型，见后文 ) history = await agent.run() # 返回完整执行历史，可用于事后审计 print(history) asyncio.run(main())

运行后你会看到：真实浏览器窗口自动打开，导航到页面，逐行读出数字，最后把执行历史打印出来。整个过程 1-2 分钟，比手动查还快。

3 个可以直接复制改用的真实用例

它吃的是任务描述，不是代码。下面三件，输入和预期输出都写清楚了，改个对象名就能用。

用例 1：依赖版本巡检（对应 examples/ 里的提取类脚本）

• 输入：打开 PyPI 上 requests 和 httpx 两个库的下载页，导出 CSV，列是"库名、最新版本、发布日期"
• 预期输出：工作目录下生成一个 2 行 3 列的 CSV 文件，文件名带当天日期

用例 2：批量会议预订（对应表单填写类场景）

• 输入：登录公司内部会议系统，为 8 月 25 日至 29 日的 15:00-16:00 各订一间 8 人会议室，标题分别写"周会"，全部订完后截图留档
• 预期输出：日历上出现 5 条预订记录 + 一张截图文件

用例 3：竞品价格周报（对应监控巡检类场景）

• 输入：访问 3 个竞品官网，记录旗舰款价格写入 CSV，任何一家价格较上次记录变动超过 5% 时，在该行加"⚠变动"标记
• 预期输出：按日期追加的 CSV，变动行带标记；配合系统定时任务，每周自动跑一次

再重一点的活也有现成演示：仓库里有一个广告生成应用，AI 先抓官网信息，再产出广告图和落地页，成品长这样：

完整代码在 examples/apps/ad-use/ 目录，改个目标网站地址就能复用。

模型怎么选：先看官方基准数据再定

同一个任务换不同模型，成功率差距接近 3 倍。下图是官方 BU Bench V1 基准（100 个真实浏览器任务）的结果：

数据直接读图即可，选型各给一句理由：

• 性能优先：用托管模型（图里橙色两根，85.0% / 78.0%），且官方称其完成任务的速度比其他模型快 3-5 倍；
• 成本优先：gpt-5.5（66.0%）或 gemini-3.5-flash（65.0%）这类通用模型，差距不大时省下 API 费用；
• 安全优先：用 examples/models/ollama.py 的方式接本地 Ollama，数据不出内网，适合敏感业务，代价是成功率会更低。

切换模型只改一行代码：ChatBrowserUse支持带厂商前缀的模型 id，一个BROWSER_USE_API_KEY就能同时访问多家模型；也可以换成ChatOpenAI、ChatAnthropic等各自的客户端。

进阶：加自定义工具和调浏览器行为

加自定义工具：给 Agent 注册一个普通 Python 函数，AI 会在需要时主动调用它，而不是自己心算：

from browser_use import Agent, Tools tools = Tools() @tools.action(description="把字符串按逗号拆成列表") # description 决定 AI 何时调用 def split_csv(s: str) -> list[str]: return [x.strip() for x in s.split(",")] agent = Agent(task="解析表格第一列并去重", llm=your_llm, tools=tools)

调浏览器行为：所有配置集中在 browser_use/browser/profile.py 的BrowserProfile里，常用项有：

• allowed_domains/prohibited_domains：域名白名单，收窄 Agent 能访问的范围；
• headless：无窗口模式，适合服务器定时跑；
• user_data_dir：复用你已有的 Chrome 配置和登录态；
• 下载路径、代理、页面加载超时等也都能在这里调。

挂回调：框架内置事件系统（实现在 browser_use/browser/ 下的各 watchdog 模块），页面加载、下载完成、弹窗出现等时机都可以挂自己的逻辑。

避坑清单：稳定性、安全、性能

• 稳定性：
  • 任务描述写清可验证的完成标准，"导出 CSV"不如"导出 CSV 且列名固定为 a/b/c"稳；
  • 给Agent(max_steps=...)设步数上限兜底防死循环，主模型挂掉时配一个fallback_llm顶上，而不是让整个任务失败（重试逻辑在 browser_use/agent/service.py 里可以看到）。
• 安全：
  • API 密钥只放.env，不写进代码；
  • 需要登录的站点，优先用 examples/browser/save_cookies.py 保存登录状态或复用真实浏览器配置，别把明文密码写进任务描述传给模型。
• 性能：
  • 并发 Agent 先跑 1-2 个，每个都会占一份浏览器内存，跑顺了再加；
  • 长任务用headless=True，大站点页面加载慢时可考虑禁用图片加载提速。

高频问题快答

它免费吗？框架本身 MIT 开源免费，你只为所用大模型的 API 调用付费；接本地 Ollama 连这部分也省了。

不会写代码能用吗？能。最小示例十几行，照抄后只改task=里的任务描述即可；复杂场景去 examples/ 挑现成脚本改。

需要登录的网站怎么办？支持保存 Cookie 与会话状态，也支持复用你已登录的 Chrome 配置目录，首次登录后状态会保留。

会被网站检测出来吗？它基于真实 Chromium 内核操作，带随机延迟降低明显机器的特征；高安全级别站点建议先小规模试跑，别一上来就放量。

支持中文网站吗？支持，中英文页面都能处理，任务描述直接用中文写即可。

Python 版本有要求吗？3.11 及以上，装之前用python --version确认一下。

现在就能做的三步

1. 今晚（10 分钟）：按上文 3 条命令装好环境，跑通查 PyPI 版本的最小任务；
2. 明天（30 分钟）：在 examples/ 目录里挑一个最像你日常工作的脚本，改掉任务描述跑起来；
3. 本周内：给高频任务加一个自定义工具，或者把模型换成 Ollama 本地模型。

常用资源都在这：

• 完整文档入口：README.md
• 各场景示例：examples/
• Agent 参数速查：skills/open-source/references/agent.md
• 边界情况测试（可当行为参考）：tests/

把重复的网页操作交给 Browser-Use，把整块时间留给自己——打开终端，从今晚的第一条命令开始。

【免费下载链接】browser-use🌐 Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-use