browser-operator
/browser-operator
Wyszukuje, czyta i pobiera pliki w prawdziwej przeglądarce Edge lub Chrome, pyta przed pobraniem, zatrzymuje się przy hasłach i robi zrzuty.
- Autor
- hellochenhuayu ↗
- Repozytorium
- browser-operator-skill ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 08.11.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 3
- Skrypty
- 2
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 08.11.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
- 2 skrypty w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.
Skrypty: scripts/bws.py, scripts/bws_server.py
Co robi i kiedy
Wyszukuje, czyta i pobiera pliki w prawdziwej przeglądarce Edge lub Chrome, pyta przed pobraniem, zatrzymuje się przy hasłach i robi zrzuty.
Wyzwalacze z opisu
Oryginalny opis (EN)
用本机真实浏览器(Edge/Chrome + Playwright)完成网页搜索、页面阅读与文件下载。当用户要求"上网搜一下/查资料/打开某网站看看/登录某网站后操作/把网页上的文件下载下来/截图看页面"时使用。内置三条强制规则:下载前必须先向用户报告文件名称、类型、大小、来源与下载理由并取得明确许可;遇到账号密码框必须停下让用户本人提供;每次操作后都必须把页面截图发给用户。
Jak działa
- 一、准备(每次会话首次使用执行一次)
- 二、三条铁律(不可协商)
- 三、命令速查
- 四、标准工作流
- 五、异常处理
- 六、禁止事项
Podgląd SKILL.md
---
name: browser-operator
description: 用本机真实浏览器(Edge/Chrome + Playwright)完成网页搜索、页面阅读与文件下载。当用户要求"上网搜一下/查资料/打开某网站看看/登录某网站后操作/把网页上的文件下载下来/截图看页面"时使用。内置三条强制规则:下载前必须先向用户报告文件名称、类型、大小、来源与下载理由并取得明确许可;遇到账号密码框必须停下让用户本人提供;每次操作后都必须把页面截图发给用户。
---
# 浏览器操作(browser-operator)
用真实浏览器替用户完成「搜索 → 打开 → 阅读 → 下载」的闭环,所有危险动作都由脚本层强制拦截,无法靠"忘了问"绕过。
## 一、准备(每次会话首次使用执行一次)
**关键:浏览器必须常驻,页面状态才能跨步骤保留。** 用 Bash 工具以「后台运行」方式启动守护进程:
```
command: python ~/.workbuddy/skills/browser-operator/scripts/bws_server.py --port 0
run_in_background: true
```
随后验证(返回 `ok: true` 且带截图即就绪):
```bash
python ~/.workbuddy/skills/browser-operator/scripts/bws.py status
```
- 之后的每条命令都用 `bws.py`,它会自动连上这个常驻进程。
- 不要用 `bws.py start` 作为主路径:它用子进程方式拉起,在部分沙箱环境里进程会随命令结束被回收,导致每一步都从空白页开始(表现为"刚打开的页面没了")。
- 依赖:`python -m pip install playwright`(已装可跳过);默认复用系统 Edge/Chrome,无需 `playwright install`。
- 非 Windows / 无 Edge 的机器:先 `python -m playwright install chromium`,启动守护进程时加 `--channel none`(用内置 Chromium);有 Chrome 则可用 `--channel chrome`。
- 只跑一两步时可以偷懒用 `bws.py start`(同一条命令内链式执行有效)。
- 结束用 `bws.py stop`;异常用 `bws.py restart`。
- 运行目录:`~/.workbuddy/browser-operator/runtime/`(`screens/` 截图、`downloads/` 下载文件、`server.log` 日志)。
## 二、三条铁律(不可协商)
### 1. 下载必须先报告 + 取得许可
任何文件(pdf/zip/docx/xlsx/csv/exe/图片/音视频…)在落盘前,必须做三件事,缺一不可:
1. **先探测**:`bws.py probe <url>`,拿到 `content_type`、`content_length`/`size_human`、`filename`、`final_url`。
2. **先报告**:把下面 5 项告诉用户,并说明**为什么下载**:
- 文件名称、文件类型、文件大小
- 来源网址 / 来自哪个页面(用户是在哪一步看到的)
- 下载用途(用它能解决用户的什么问题,例如"用户要做竞品分析,需要这份 2026 年销量报告的数据")
- 保存位置
3. **等明确同意**:只有用户明确说"下/可以/下载吧"之后,才执行
`bws.py download --url <url> --reason "<向用户说明过的用途>" --user-approved`
用户说"不用了/先别下/我只想看看",就**不下载**,改为把页面截图 + 正文要点给到用户。
脚本层面的兜底(会直接拒绝,属正常现象,不要尝试绕过):
- `blocked: no_user_consent` → 缺 `--user-approved`
- `blocked: no_reason` → 缺 `--reason`
- `blocked: file_navigation` → 该链接是文件不是网页,已拦截(点链接也会被拦并退回原页面)
- `blocked: too_large` → 超过 500MB 上限,需与用户确认后用 `--max-mb` 调高
### 2. 账号密码:只由用户提供
- 任何命令返回 `auth_required: true` 或 `credential_fields` 非空时,**立即停下**,把截图发给用户并直接问:
> 这一页需要登录。请把用户名和密码发给我,我填完就继续(我只用于这次填写,不会保存)。
- 用户不给就停在这里,不猜、不试默认密码、不注册账号、不"绕过登录"。
- 用户给了之后,只用 `fill-login` 从 **stdin** 传入,禁止写进命令行参数、文件或脚本:
```bash
echo '{"username_selector":"#login_field","password_selector":"#password","username":"<用户给的>","password":"<用户给的>","submit":true}' \
| python ~/.workbuddy/skills/browser-operator/scripts/bws.py fill-login
```
- `bws.py type` 命中密码/账号框会直接 `blocked: credential_field`,这是设计而非故障。
- 填写后的截图要发给用户,并说明"已填写,未回显、未保存"。
### 3. 每一步都要发截图
每条命令的返回 JSON 都带 `screenshot`(绝对路径)。**每次操作后都要**:
1. 用 `ViewImage` 看一下截图,确认页面确实到了预期位置(顺便发现验证码/报错)。
2. 用 `present_files` 把这张 PNG 发给用户,配 1–3 句说明:现在在哪个页面、看到了什么、下一步做什么。
不要只贴 JSON、不要只说"已完成"而不给图。唯一例外:冷启动后第一次 `status` 若还是空白页(尚未打开任何网站),可只做文字说明。
## 三、命令速查
| 命令 | 说明 |
| --- | --- |
| `start` / `restart` / `stop` / `status` | 启停浏览器、查看当前状态 |
| `search "<关键词>" [--engine bing\|baidu\|google\|ddg] [--limit 10]` | 搜索并结构化返回 `results`(title/url/snippet) |
| `open <url> [--approved]` | 打开网页;`--approved` 仅用于用户已同意直接打开文件类链接 |
| `snapshot [--full] [--text-max 3000]` | 截图 + 正文 + 表单检测 |
| `text [--max 6000]` | 只要正文(长文阅读时用,比 snapshot 省 token) |
| `links [--filter 关键词] [--limit 60]` | 抓取页面全部链接(找下载直链、找分页/详情页) |
| `click "<CSS 选择器>"` 或 `click "text=按钮文字"` | 点击;自动跟随 `target=_blank` 新标签页 |
| `type <选择器> "<文本>" [--enter]` | 在普通输入框输入(账号/密码框会被拦) |
| `press <键>` / `scroll [--dy 800]` / `back` / `forward` / `reload` | 键盘、滚动、历史 |
| `tabs [--switch N]` / `close-tab` | 标签页管理 |
| `probe <url>` | 只看文件元信息,不下载(下载前必用) |
| `download --url <url> --reason "<用途>" --user-approved` | 直链下载(推荐路径) |
| `download --click "<选择器>" --reason "<用途>" --user-approved` | 点击按钮触发下载(站点强制走按钮时用) |
| `screenshot [--full]` | 补一张截图 |
| `fill-login`(stdin JSON) | 用户提供凭据后填写并可选提交 |
`click` 失败时返回体会带 `links`(当前可点链接),据此换更精确的选择器重试,不要反复盲试同一个。
## 四、标准工作流
### A. 搜索并回答
1. `search "关键词" --limit 8`
2. 挑 1–3 个最相关的 `url`,逐个 `open`(先附图说明"正在看第 X 个结果",并给出该页面标题/来源)
3. 用 `text` 读正文要点,需要更多内容时 `scroll` 再 `text`
4. 汇总回答,注明来源链接;把最终页面截图附上
### B. 下载文件(重点)
1. `links --filter pdf`(或 `--filter 下载/zip/xlsx`)在页面上找直链;找不到就 `click "text=下载"` 试探 —— 会被 `file_navigation` 拦下并**直接返回文件元信息**,这正好是报告给用户所需的数据。
2. `probe <url>` 补齐类型/大小/文件名。
3. **停下来向用户报告 + 请求许可**(模板见铁律 1),把当前页面截图一并发出。
4. 用户同意 → `download ... --user-approved`;返回 `download.path`、`size_human`、`sha256`。
5. 回报结果:文件名、大小、保存绝对路径、来源 URL、下载理由;附下载后页面截图。
6. 用户拒绝 → 不下载,把页面内容/截图给到用户即可。
### C. 需要登录的站点
1. `open` 后发现 `auth_required: true`
2. 发截图 + 按铁律 2 的措辞向用户索取凭据
3. 用户给了 → `fill-login`(stdin)
4. 登录后 `status` 确认,再继续原任务
## 五、异常处理
| 现象 | 处理 |
| --- | --- |
| `results` 为空 | 页面可能改版或有验证码:`snapshot` 看实际内容,换 `--engine baidu` 重试 |
| 命令超时 | 重启后台守护进程,再重试一次;仍失败则改用 `open <url>` 直连目标页 |
| 页面莫名变回 `about:blank` | 守护进程被回收了:按第一节用后台任务方式重启 `bws_server.py` |
| 返回 `502 Bad Gateway` | 系统代理拦截了本机回环请求:客户端已内置绕过,若仍出现请检查 `HTTP_PROXY` 并设置 `NO_PROXY=127.0.0.1` |
| 站点屏蔽无头浏览器 | `restart --headed` 用可见窗口,再重试 |
| `blocked: file_navigation` | 正常护栏:转成"探测 → 报告 → 许可 → download"流程 |
| 目标元素找不到 | 用 `links` / `snapshot` 校正选择器,或用 `text=` 文字定位 |
| 正文为空或只有骨架屏 | 先 `scroll --dy 1200` 触发懒加载,再 `text`;图片空白属正常(未加载的装饰图),不影响取文 |
## 六、禁止事项
- 禁止在未取得用户明确许可前调用 `download`(传 `--user-approved` 等同于声称已获许可,必须真实发生)。
- 禁止自行编造文件大小、类型、来源页面。
- 禁止把用户密码写进命令行、脚本、文件或回复正文;禁止把凭据复用到其它站点。
- 禁止用 `open --approved` 绕过审批流程。
- 禁止在未发截图的情况下宣称"操作完成"。
Pliki w paczce (3)
- SKILL.md 9 KB
- scripts/bws.py 8 KB
- scripts/bws_server.py 31 KB
Wersje
W bazie nie ma innych skilli o nazwie browser-operator.
Migawka bazy z 13.11.2026 · wersja paczki 1b5779bc986d (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 92ai-browser
Steruje przeglądarką Chrome AI przez CLI dev-browser: otwiera strony, czyta je, klika, wypełnia formularze i robi zrzuty. - 100browser
Steruje prawdziwą przeglądarką z powłoki: otwiera strony, czyta, klika, wypełnia formularze, loguje się i pobiera pliki, także we własnym Chrome użytkownika. - 100playwright
Uruchamia testy E2E w Playwright z widocznym Chrome, robi zrzuty ekranu, sprawdza przepływy użytkownika, układ responsywny i dostępność w prawdziwej przeglądarce. - 81Chrome
Steruje przeglądarką Chrome użytkownika w zadaniach wymagających jego sesji logowania, kart i rozszerzeń. - 100headless-browser
Renderuje strony w trybie bez interfejsu w lokalnym Chrome, robi zrzuty ekranu i mierzy układ, na przykład przepełnienie poziome na telefonie. - 90apply
Wypełnia jeden formularz aplikacji w przeglądarce Playwright razem z CV i zatrzymuje się przed wysłaniem.