企业官网建设流程全解析

Stagehand AI网页自动化框架速览：3条命令从零跑通浏览器自动化

【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand

写过网页自动化脚本的人都有体会：选择器散落在一堆代码里，目标页面换个样式就报错；站点调整布局后要逐行排查；到了生产环境，偶发失败更是常态。Stagehand 就是一个面向 AI 的网页自动化框架——用“自然语言 + 代码”驱动浏览器，确定的环节交给代码，不确定的环节交给 AI。

🔎 Stagehand是什么：和 Playwright 的区别在哪

官方给它的一句话定位是 "The SDK For Browser Agents"，即专门为构建浏览器 Agent 提供的 SDK。可以这样理解：Selenium、Playwright 这类传统工具面向的是“人写用例”，每个点击、每次输入都要你明确指定选择器；Stagehand 则同时面向“人 + Agent”，除了完整保留 Playwright 风格的 API（goto、click、locator、screenshot）外，还提供三个用自然语言描述的基本操作：

• act：执行一个动作，比如“点击提交按钮”，它自己完成点击；
• observe：查看页面，问一句“这里有哪些可点击的东西”，它返回可操作元素的清单；
• extract：从页面抽取数据，并按你预先定义的结构返回（schema，即一份事先约定好的数据格式契约）。

最大的差异在自愈机制：传统脚本遇到网站改版会直接失败，等你来修；Stagehand 会检测到页面变化，自动重新计算操作方式，把“坏了”变成“绕过去了”。

⚡ 首次运行命令：跑通一个页面的最少步骤

跑通一个页面只需要三件事：创建项目、装依赖、配密钥。

一条命令脚手架出示例项目：

npx create-browser-app

或者在已有项目里直接装 SDK（以 TypeScript 为例）：

pnpm install @browserbasehq/stagehand zod

Python 与 Go 也有对应的官方 SDK（pip install stagehand）。装完之后脚本结构是固定的：启动浏览器 →Stagehand.create建实例 →page.goto打开页面，随后就可以调用 act / extract / observe。完整可运行的例子在 快速入门文档 里，照抄即可。

🧩 上手案例：三类常见任务怎么拆

任务一：一步提取数据。比如从一个页面上提取“作者 + 标题”。做法是调用extract，传入一句自然语言描述和你想要的字段结构，直接拿到结构化数据，不用写一行 DOM 解析代码。字段结构越明确，结果越稳定。

任务二：多步骤流程。典型场景是“登录 → 翻页 → 取数”。做法是把流程拆成若干独立动作：不确定当前页面有什么入口时，先observe拿可操作元素清单，确认后再执行下一步；确定性的环节直接走代码定位器，既稳又省模型调用费用。

任务三：缓存重复操作。同一个“点击 + 填写”组合如果要长期反复执行，可以把它缓存下来，后续运行直接走缓存，不再消耗 LLM 调用。这对控制成本和延迟很实际。

🧭 坑与应对：三个大概率会遇到的点

• 密钥与凭据配置：至少需要两类密钥——LLM 提供商（如 OpenAI）的 key，和 Browserbase 浏览器托管服务的凭据。都建议放进环境变量。首次运行报鉴权错误，十有八九是其中一类没配。
• 缓存策略：缓存默认生效，但目标站点改版后缓存可能过期。Stagehand 会自动检测变化并回退到 AI 重新计算，你不需要手动清缓存，但要预期到：改版后的首次执行会更慢，因为走的是重新推理。
• 重试与兜底：别把单条自然语言指令当 100% 可靠。关键步骤加重试，先observe再act；排查失败时，会话回放界面能看到整次运行的操作轨迹和输入输出，比翻日志直观得多。

想继续深入，两条路径就够了：官方文档 里从入门到配置逐项都有，packages/sdk-ts/examples/ 则按常见操作各放了一个示例脚本，改一改参数就能直接跑。

【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand