核心用法
Safari Browser Control 是一套基于 AppleScript 和 screencapture 的 macOS 原生自动化方案，直接操作用户的真实 Safari 浏览器实例。与 Playwright 等 headless 方案不同，该技能控制的是用户的实际浏览器窗口——包含所有已登录账号、Cookie 和打开的标签页，无需任何浏览器扩展或额外软件安装。
前置配置：首次使用需开启两处权限——系统设置中允许终端应用控制 Safari（Automation），以及 Safari 设置中启用「允许 Apple Events 执行 JavaScript」。
主要能力矩阵：
- 页面读取：提取纯文本、结构化元数据（标题、URL、描述、标题层级）或简化 DOM 树
- JavaScript 执行：在页面上下文运行任意代码，支持 React/Vue/Angular 的 synthetic event 触发
- 导航控制：新开标签页/窗口、切换标签、URL 跳转
- 元素交互：JavaScript 点击（优先）或 System Events 模拟键盘输入
- 表单操作：使用 native setter + dispatchEvent 模式绕过 React 等框架的状态管理
- 截图反馈：支持后台截图（需屏幕录制权限）或前台区域截图，形成「操作-截图-决策」循环
- 滚动与等待：像素级滚动控制、页面加载状态轮询
显著优点
1. 零依赖纯原生：无需安装 Chrome、Node.js 或任何驱动，macOS 自带工具即可完成
2. 完整会话继承：直接使用用户已登录的账号，避免重复认证和反爬虫检测
3. 双模式截图：后台截图不干扰当前工作，前台截图作为降级方案
4. 框架兼容：针对 React/Vue 等现代前端框架优化了事件触发机制
潜在局限与风险
- 平台锁定：完全依赖 AppleScript，仅限 macOS，无 Windows/Linux 移植可能
- 权限门槛：需用户手动开启多项系统权限，首次配置较繁琐
- 无网络层控制：无法拦截、修改或查看 HTTP 请求/响应
- 安全边界受限：跨域 iframe、隐私浏览窗口不可访问
- UI 脆弱性：依赖 Safari 窗口层级和坐标，系统更新可能导致定位漂移
- 键盘输入「盲打」：System Events 模式不校验焦点位置，存在误输入风险
适合人群
- macOS 重度用户需要自动化日常网页操作
- 需操作已登录账号但无法使用 API 的场景（如企业内部系统）
- 快速原型验证，不愿配置 Playwright/Selenium 环境
- 视觉反馈依赖型任务（如「看到按钮再点击」）
常规风险
- 隐私泄露：脚本可读取任意已登录页面的敏感信息
- 误操作放大：自动化点击/输入可能在金融、电商页面产生真实交易
- 权限持久化：一旦授权，终端应用长期具备控制 Safari 的能力
- 截图残留：临时截图文件可能包含敏感页面内容，需确保清理机制