核心用法
Nova Act 是 Amazon 推出的 AI 驱动浏览器自动化 SDK，允许开发者用自然语言指令控制浏览器完成复杂网页交互任务。核心 API 包括 nova.act(prompt) 执行点击、输入、滚动等操作，以及 nova.act_get(prompt, schema) 通过 Pydantic 模型实现结构化数据提取。
显著优点
1. 自然语言交互：无需编写 XPath 或 CSS 选择器，用日常英语描述操作即可，大幅降低浏览器自动化门槛
2. 强类型数据提取：原生支持 Pydantic 模型，可将网页数据直接映射为 Python 对象，类型安全且 IDE 友好
3. 上下文保持：单条 act() 调用内自动维持会话状态，适合多步骤流程如航班搜索、结账流程
4. Playwright 集成：底层基于成熟的 Playwright，可访问 nova.page 执行高级浏览器操作
5. 免费额度：Amazon 提供免费 API 密钥，个人开发者可低成本试用
潜在局限
1. 云端依赖：所有操作需调用 AWS Nova 模型 API，无法离线运行，存在网络延迟和可用性风险
2. 成本不确定：免费额度用尽后，按 token 计费可能产生意外费用，复杂任务消耗较多
3. 确定性不足：AI 解析自然语言可能产生歧义，相同提示在不同页面结构下表现不一致
4. 数据隐私风险：自动生成的 trace 文件包含完整页面截图和内容，可能捕获敏感信息
5. 平台锁定：深度集成 AWS 生态，迁移至其他 AI 浏览器工具成本较高
适合人群
- 需快速原型验证浏览器自动化的开发者
- 数据分析师进行非结构化网页数据采集
- QA 工程师构建自然语言描述的 UI 测试用例
- 非前端开发者需要临时网页自动化方案
常规风险
- 敏感数据泄露：trace 文件可能包含登录态、个人信息、商业数据
- 误操作风险：AI 可能误解指令导致意外点击，虽内置安全限制但无法完全避免
- API 密钥泄露：需妥善保管
NOVA_ACT_API_KEY，避免硬编码提交至代码仓库 - 服务中断：依赖 AWS 服务可用性，关键业务需考虑降级方案
- 合规问题：自动化访问某些网站可能违反 Terms of Service，需自行评估合法性