核心用法
browser-use-local 是一款面向本地环境的浏览器自动化技能，提供两套工作模式：
1. CLI 非 Agent 模式：适合单步或简单的多步操作。通过 --session 参数维持持久会话，支持页面打开、状态检查、截图、HTML 提取、轻量 DOM 查询等基础能力。当 state 返回空元素时（常见于重度 JS 站点），可回退到 get html + 正则提取或 eval 执行 JavaScript 的方案。
2. Python Agent 模式：需要复杂决策时启用。通过 run_agent_kimi.py 脚本对接 Moonshot/Kimi 等 OpenAI 兼容模型，支持任务规划、多步执行、错误恢复。已针对 Kimi-K2.5 模型完成参数调优（temperature=1、frequency_penalty=0、禁用严格 JSON Schema）。
特色能力：内置二维码提取工作流——优先截图裁剪候选区域，备选方案从 HTML 中解析 data:image/png;base64 嵌入图像，适用于登录页、演示系统的二维码自动化处理。
显著优点
- 双模式灵活切换：CLI 快速调试与 Agent 智能执行互补，覆盖从简单脚本到复杂自动化的全场景。
- 国产模型深度适配：针对 Moonshot/Kimi 的特定限制提供开箱即用的参数配置，降低国产大模型接入门槛。
- 鲁棒性设计：明确处理
state为空、页面加载超时等常见异常，提供截图+HTML 的降级方案。 - 会话持久化：
--session机制支持跨步骤保持登录态、Cookie 和页面上下文。 - 安全合规：敏感信息（API Key、Base URL）全部通过环境变量注入，无硬编码风险。
潜在缺点与局限性
- 环境依赖较重：需要预装 browser-use、Pillow、Python 虚拟环境，初次部署成本高于纯浏览器工具。
- T3 来源风险：维护者为个人开发者，长期更新承诺与生态持续性弱于企业级项目。
- Agent 模式限制：CLI
run子命令依赖 Browser-Use 云服务密钥，本地 Agent 模式需自行处理 LLM 配置，对新手有一定门槛。 - JS 站点兼容性：重度动态渲染页面可能出现
state识别失败，需人工介入截图分析或 DOM 查询。 - 无可视化界面：纯命令行操作，调试过程依赖截图文件回传，交互体验不如 headful 浏览器直观。
适合的目标群体
- 自动化测试工程师：需要对接国产大模型（Kimi）完成复杂 Web 流程验收。
- DevOps/运维开发者：构建本地容器化浏览器自动化流水线，处理登录态保持、二维码扫描等场景。
- AI Agent 开发者：探索浏览器+LLM 的自主任务执行，研究 tool-use 边界与可靠性。
- 安全研究员：需要可控的本地环境进行网页取证、二维码提取、页面状态分析。
使用风险
- 性能风险：浏览器实例常驻内存，多会话并行时资源消耗显著，需监控容器/宿主机的 CPU 与内存。
- 依赖更新风险：browser-use、Pillow 等第三方库迭代较快，建议锁定版本或定期审计 CVE。
- 临时文件残留：截图、HTML 转储、QR 裁剪图片默认落盘，敏感页面内容可能泄露，需配置定期清理策略。
- API 密钥管理：
OPENAI_API_KEY权限范围需最小化，建议创建专用密钥并启用轮换机制。 - 网络隔离风险：Agent 模式需外连 LLM 服务，在隔离网络环境部署时需配置代理或白名单。