核心用法
Browser Skill 基于 Stagehand CLI 构建，允许用户用自然语言控制浏览器行为。支持六大核心命令：navigate 打开指定 URL；act 执行点击、输入等自然语言描述的操作；extract 按结构化格式抓取页面数据；observe 发现页面可用元素；screenshot 截图保存；close 关闭会话。
显著优点
1. 零配置双模式：自动检测环境变量，优先使用 Browserbase 远程环境（支持代理、隐身模式、CAPTCHA 处理），无 API 密钥时无缝降级到本地 Chrome
2. 自然语言交互：无需编写 CSS/XPath 选择器，用中文或英文描述意图即可，大幅降低自动化门槛
3. 结构化数据提取：支持 JSON Schema 约束输出，便于下游处理
4. 视觉验证：每步操作后可截图确认，适合调试和审计
潜在局限
- 环境依赖：本地模式需预装 Chrome，远程模式需有效 API 密钥
- 动作语义模糊：复杂交互（如拖拽、iframe 内操作）可能因自然语言歧义失败，需配合
observe调试 - 无内置重试：网络波动或页面动态加载失败时需手动重试
- 权限边界：仅能操作公开网页或已登录会话，无法突破同源策略或绕过身份验证
适合人群
- 产品经理/运营：快速抓取竞品信息、监控页面变化
- 开发者：自动化 E2E 测试原型、数据爬取脚本
- 研究人员：批量采集公开网页数据
常规风险
- 数据隐私：截图和页面内容可能包含敏感信息，需妥善保管
- 服务滥用：高频爬取可能触发目标站点的反爬机制或法律风险
- API 费用：Browserbase 按量计费，长时间会话需注意成本控制
- 命令注入：
act指令依赖自然语言解析，极端情况下不当输入可能导致非预期操作（建议验证截图后再继续）