企业官网建设流程全解析

browser-use 上手：5行代码跑通一个AI浏览器自动化任务

【免费下载链接】browser-use🌐 Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-use

browser-use 是一个 Python 网页自动化库：你用自然语言描述任务，它驱动真实浏览器打开页面、点击按钮、填写表单并返回结果。本文以"自动填表并提交"为例，带你把第一个 AI 浏览器自动化任务完整跑通，并让结果能被下游代码直接使用。

1. 🚀 先跑起来：一行安装与密钥配置

环境要求 Python >= 3.11，安装只需一行：

pip install browser-use

大模型可以自带，OpenAI、Google、Anthropic 的 key 都能接。想要最省心，可以用官方针对浏览器任务调优的 bu-* 系列模型，只配一个密钥即可：

export BROWSER_USE_API_KEY="your-key"

到这一步环境就绪，不需要自己部署浏览器，也不需要写一行 Selenium。

2. 🧩 跑通任务：让 AI 填表并提交

整个任务用一句话描述，Agent 会自己规划并执行每一步：

import asyncio from browser_use import Agent, ChatBrowserUse async def main(): agent = Agent( task="打开 httpbin.org/forms/post，在联系表单填入姓名 John Doe、邮箱 john@example.com，然后提交", llm=ChatBrowserUse(model='bu-2-0-mini-preview'), ) await agent.run(max_steps=25) asyncio.run(main())

运行后可以看到浏览器在后台打开、逐个定位输入框、填入值并点击提交。调度逻辑在 browser_use/agent/service.py，浏览器侧走 CDP 协议接入，配套组件在 browser_use/browser/watchdogs/，排障时知道去哪儿找会快很多。

3. 📐 让结果可被代码使用：结构化输出

默认的结束结果是一段字符串。想把它交给后续逻辑，就定义一个 Pydantic 模型传进去：

from pydantic import BaseModel class Result(BaseModel): status: str response: str agent = Agent(task=task, llm=llm, output_schema=Result)

Agent 会在结束时按这个 schema 校验输出，你拿到的是一个已验证的Result实例，而不是要自己解析和清洗的文本。

4. ⚙️ 控制任务：步数上限、视觉与无头模式

三个参数直接影响成本与稳定性：

• max_steps：步数预算，官方示例里用 25 起步，卡住的 Agent 会在耗尽后停止，避免无限循环烧 token；
• use_vision：默认每步截图判断页面状态，纯文本页面可设为False，省成本也更快；
• headless：BrowserSession(headless=True)静默运行，调试时改成False能实时看着浏览器操作。

模型怎么挑，可以对照官方的基准测试图：

官方宣称 bu-* 系列在浏览器任务上比通用模型快 3~5 倍，以实际环境为准；日常任务先用 gemini-flash 这类便宜模型验证流程即可。

5. 🐞 任务失败时看这里：调试与避坑

• 先用headless=False跑一次，肉眼确认它卡在哪一步；配合环境变量BROWSER_USE_LOGGING_LEVEL=info打开详细日志；
• 涉及登录态的页面，账号密码通过sensitive_data参数传入，让 Agent 自行在对应输入框填写，不要直接写进任务文本；
• 元素识别不到，常见原因是页面没加载完或目标在 iframe 里，先延长等待，再回步骤日志核对；
• examples/getting_started/ 目录按难度排了可运行的样例，填表脚本就是 02_form_filling.py，改个 URL 就能复用。

6. 📊 从填表到业务场景：能力边界与进阶

填表只是入口，仓库里还有可直接运行的样例应用。比如 ad-use 会先访问落地页并截图，再提取品牌卖点交给多模态模型生成广告图：

单机开源版跑通之后，如果需要大批量并行、隐身浏览器或验证码处理，再考虑官方云托管 Agent：

下一步建议：先把 getting started 里的几个样例任务按顺序跑一遍，再换成你真实的页面，确认稳定后再加结构化输出接下游流程。

【免费下载链接】browser-use🌐 Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-use