browse

browse skill 概览

browse skill 是做什么的

browse skill 是一款快速的无头浏览器工具，适用于 QA、dogfooding 和 browser automation。它面向的是这类场景：你需要打开页面、与页面交互、验证状态、对比操作前后变化，或采集截图、元素状态检查这类证据。如果你的任务是“在浏览器里测试这个流程，然后告诉我发生了什么”，browse skill 就很合适。

谁应该安装它

如果你经常验证网页、demo、表单、响应式布局、上传、弹窗，或做部署检查，就应该安装 browse skill。它尤其适合需要用截图或状态断言来证明 UI 行为、而不是只靠通用提示词的 agent。对于纯后端任务，或者只需要简单读页的场景，它就没那么有用。

browse skill 有什么不同

browse skill 的核心是实际执行浏览器，而不只是做基于文本的页面检查。这个 repo 明确支持命令路由、浏览器管理、CDP bridging、网络抓取、cookie 处理，以及带标注的视觉检查。这意味着 browse skill 面向的是带证据的实用 browser automation，而不是一个轻量级的“帮我总结这个网站”的工具。

如何使用 browse skill

正确安装 browse skill

请使用 skill 文档里给出的安装路径，或你的 skill manager 的添加命令，然后确认这个 skill 已经能在本地 skill 目录中被发现。repo 里包含像 bin/find-browse 这样的辅助 shim，这说明 browse skill 预期是通过支持 workspace 感知的安装方式来定位和调用的。如果二进制文件缺失，优先修复方法通常是执行 skill 的 setup/build 流程，而不是改写提示词。

给 browse 一个明确任务，不要只给模糊目标

高质量的 browse 使用，起点是一个明确的浏览器任务：URL、操作、预期结果，以及你希望返回的证据。好的输入例如：“打开登录页，提交有效凭据，确认跳转到 /dashboard，并返回一张截图和任何 console 或 network 错误。” 像“测试一下这个网站”这种输入，会留下太多路由歧义。

先读这些文件

在做安装和使用决策时，先看 SKILL.md，再查看 PLAN-snapshot-dropdown-interactive.md 了解已知的工作流约束，查看 SKILL.md.tmpl 了解这个 skill 是如何生成的，以及查看 bin/find-browse 和 bin/remote-slug 了解路径和 repo 解析行为。如果你在评估 browser automation 适配度，也建议顺手浏览 src/browser-manager.ts、src/cdp-bridge.ts 和 src/browser-skill-commands.ts，这样能更清楚这个 skill 到底能执行什么。

在工作流中使用 browse skill

一个可靠的 browse 工作流是：先定义你想要的页面状态，再执行浏览器操作，接着验证输出，然后再迭代下一条约束。例如，提前指定响应式宽度、表单输入或预期的 DOM 变化，这样 browse 就能一次性检查到位。这样可以减少来回沟通，让第一次运行比泛泛的提示词更有用。

browse skill 常见问题

browse skill 只适合截图吗？

不是。截图只是输出形式之一。这个 skill 还用于导航、交互、状态验证、响应式检查、表单测试、上传以及 bug 证据收集。如果你的真实需求是“证明这个 browser 行为”，browse skill 比只做截图的工具更完整。

browse skill 和普通提示词有什么不同？

普通提示词是让 agent 自己推理浏览器任务。browse skill 则给了 agent 一条面向浏览器的执行路径，包括命令路由和浏览器状态检查。通常这意味着更少的猜测、更好的可重复性，以及当流程失败时更清晰的证据。

browse skill 适合新手吗？

适合，只要你能清楚描述一个浏览器任务。新手最容易成功的方式，是提供一个 URL、一个操作、一个预期结果，以及一个证据需求。如果你本来就会写测试用例，通常第一次就能把 browse skill 用起来。

什么时候不该用 browse skill？

如果你只需要静态内容提取、repo 检查，或一个普通的编程答案，就不该用 browse skill。它也不适合你无法明确浏览器目标，或者任务根本不需要真实渲染页面的情况。这些场景下，普通 agent 提示词更简单。

如何提升 browse skill

提供更强的浏览器输入

browse skill 的最佳结果，来自于明确写出页面、用户操作、成功条件，以及你希望返回的产物。例如：“在定价页切换到年付，确认总价更新，并截取最终状态的截图。” 这比“检查价格”更好，因为它消除了对“成功”到底意味着什么的歧义。

留意常见失败模式

browse skill 最常见的失败是信息不充分：缺 URL、缺状态、缺预期结果。第二类问题，是想要视觉证明，却没说清楚页面哪一部分重要。如果任务包含表单、菜单、弹窗或动态内容，请明确写出来；这些细节会实质影响 browse skill 的使用方式。

在第一次运行后继续迭代

如果第一次结果已经接近但还不完整，就用准确的偏差来调整下一轮提示：是 viewport 不对、漏了元素、状态过旧，还是缺少 network 证据。browse skill 的价值，在于每一轮都能缩小不确定性。要基于输出补充约束，而不是把同一个请求重复一遍。

为 Browser Automation 调优 browse

做 browser automation 时，要加入具体的测试条件：测试账号类型、设备尺寸、locale，以及 cookies 或登录状态是否重要。如果你是在验证 bug，请把复现步骤和预期/实际差异写进去。这样 browse skill 才更像一个 browser automation assistant，而不是普通的 QA 记录工具，而且通常能在第一轮就产出更好的证据。