Auto Study

核心用法

auto-study 是一款面向中文在线学习平台的浏览器自动化 skill，主要用于辅助完成日常练习、测验和作业任务。它通过 Chrome DevTools Protocol (CDP) 连接浏览器实例，实现答案获取、选项选择、填空、清除答案及提交等操作。核心工作流包括：启动持久化浏览器配置文件、验证当前页面状态、按用户需求执行页面交互动作。

显著优点

1. 多平台覆盖：明确支持雨课堂(Yuketang)、学习通(Xuexitong)、PTA(Pintia)等主流中文教育平台
2. 灵活交互模式：支持单选、多选、填空等多种题型，且严格区分自动提交与手动确认
3. 状态感知设计：要求验证当前标签页和URL，避免在错误页面执行操作
4. 用户行为模拟：遵循"不执行普通用户无法完成的动作"原则，优先走正常用户流程
5. 持久化登录支持：通过浏览器配置文件保留登录态，减少重复认证

潜在缺点与局限性

• 依赖复杂环境：需同时安装 Chrome、Agent Browser CLI 及配套 skill，部署门槛较高
• Windows 限定：明确针对 Windows 原生或 WSL 环境设计，跨平台支持有限
• 非万能登录：持久化配置仅辅助恢复登录态，部分站点仍需可见的登录确认步骤
• 图像题处理受限：虽支持直接读取题目图片，但未说明 OCR 或答案推理能力
• 延迟固定：操作间隔硬编码约 0.1 秒，无法根据网络状况动态调整

适合人群

• 频繁使用雨课堂、学习通、PTA 完成日常练习的学生
• 需要批量处理客观题答案、但愿意保留最终提交控制权的用户
• 具备基础浏览器调试经验、能配置 CDP 端口的进阶用户

常规风险

• 学术诚信边界：虽声明"默认视为普通练习"，但工具本质是替用户完成答题动作，需自行判断使用场景合规性
• 平台风控触发：自动化操作可能触发反作弊机制，导致账号受限
• 答案准确性：依赖内置答案源，未说明答案更新机制与纠错能力
• 数据隐私：持久化浏览器配置可能留存敏感 Cookie 和本地存储

核心用法

auto-study 是一个浏览器自动化学习辅助 Skill，通过调用外部 Agent Browser 工具实现对主流在线学习平台的智能操作。用户启动配置好 CDP 端口的 Chrome 浏览器后，Skill 可自动识别页面内容、读取题目（包括图片形式）、选择或填写答案，并按需提交。支持单选、多选、填空等多种题型，操作流程模拟真实用户行为，包含 0.1 秒间隔的渐进式交互。

显著优点

1. 平台兼容广泛：原生支持雨课堂（Yuketang）、学习通（Xuexitong）、PTA 等国内主流教育平台，覆盖高校常见的在线学习场景。

2. 零代码安全设计：Skill 本身为纯 Markdown 文档，无可执行代码，所有操作通过引用标准化 Agent Browser 工具完成，代码侵入风险极低。

3. 状态感知智能：具备标签页验证、登录状态保留、重复选项跳过等细节处理，减少异常中断和误操作概率。

4. 多环境适配：提供 Windows 原生和 WSL 跨平台使用指南，适配不同开发环境需求。

潜在缺点与局限性

• 学术诚信边界模糊：功能设计客观上可用于自动完成测验，存在违反平台服务条款或学校诚信规定的灰色地带。

• 外部工具强依赖：核心功能完全依赖 Agent Browser 工具链，若该工具更新或出现兼容性问题，Skill 将失效。

• 登录状态非持久保证：虽支持浏览器配置文件复用，但部分平台仍可能触发可见登录流程，无法做到完全无人值守。

• 无答案智能生成能力：仅执行页面操作，不具备 AI 解题或知识推理功能，答案来源依赖外部输入。

适合的目标群体

• 需要批量处理日常练习、课后作业的在校学生
• 希望减少重复性在线学习操作的学习者
• 已熟悉 Agent Browser 工具链的技术用户
• 明确知晓并遵守平台规则的合规使用者

常规使用风险

• 合规风险：在正式考试、认证考核中使用可能导致成绩作废或纪律处分
• 隐私风险：浏览器配置文件存储于本地，需注意路径权限管理，避免敏感凭证泄露
• 稳定性风险：依赖 Chrome CDP 协议和第三方工具，浏览器版本更新可能引发布局识别失效
• 维护风险：个人开发者维护，长期更新保障存疑