opencli 浏览器自动化技能方案#

基于 opencli + Chrome/Chromium Browser Bridge，实现轻量化浏览器自动化

实战验证：2026-04-06 成功测试知乎、豆包连续对话！

一、适用范围#

• 公开可访问的网页（无需登录）
• 已登录态的网站（需先在浏览器中登录）
• GitHub、知乎、B站、豆包、小红书等各类网站
• 支持 502 条命令，覆盖 79 个网站和 7 个外部 CLI 工具
• AI 驱动：自动探索网站、生成命令、录制操作
• ✅ 已验证可用：知乎热榜、B站排行、豆包聊天连续对话

二、前置条件#

2.1 浏览器要求#

用户需拥有以下任一浏览器（Edge/Chrome Beta/Chrome Dev 均可）：

• Edge（基于 Chromium，与扩展完全兼容）
• Chrome Beta（推荐，opencli 官方测试环境）
• Chrome Dev

2.2 扩展安装步骤#

1. 下载扩展包： opencli-extension.zip（已备份至 D:\BaiduSyncdisk\Workbuddy\backup\）
2. 解压到任意目录
3. 打开浏览器 edge://extensions/ 或 chrome://extensions/
4. 开启右上角「开发者模式」
5. 点击「加载解压缩的扩展」，选择解压后的文件夹

2.3 验证扩展连接状态#

powershell

opencli doctor

输出应显示：

text

Extension: connected ✅

⚠️ 重要：Chrome Beta 必须保持运行，扩展才能连接。关闭浏览器后需重新打开才能恢复。

三、核心命令速查#

基础操作（opencli operate）#

命令用途opencli doctor检查扩展连接状态opencli daemon status查看守护进程状态（PID/端口/内存）opencli operate open <URL>打开网页opencli operate state获取页面可交互元素列表opencli operate click <index>点击元素（按索引）opencli operate type <index> <text>输入文字opencli operate screenshot [path]截图opencli operate eval <js>执行 JavaScriptopencli operate wait [秒数]等待页面加载opencli operate scroll [px]滚动页面

AI 驱动的高级命令#

命令用途opencli explore <url>探索网站，自动发现可用接口、API、存储结构opencli generate <url>一键：探索→合成→注册，直接生成新命令opencli cascade <url>策略级联：自动找最简单的可用策略opencli record <url>录制浏览器操作，生成 YAML 命令候选opencli validate <target>验证命令定义是否正确opencli verify <target>验证+冒烟测试opencli plugin管理插件

常用平台命令示例#

平台命令示例说明知乎opencli zhihu hot知乎热榜（✅已验证）B站opencli bilibili rankingB站热门视频（✅已验证）Hacker Newsopencli hn top 或 opencli hackernews topHN 热帖（✅已验证）V2EXopencli v2ex hotV2EX 热门话题36氪opencli 36kr hot36氪热榜新浪财经opencli stock <代码>A股/港股/美股行情YouTubeopencli youtube search <关键词>YouTube 搜索豆包/元宝opencli yuanbao ask "问题"腾讯元宝对话携程opencli ctrip search <目的地>携程搜索虎扑opencli tihu detail <帖子ID>虎扑帖子详情小红书opencli xhs user <用户ID>小红书用户笔记（需cookie）

四、豆包聊天操作流程（✅实战验证）#

豆包是字节跳动旗下的 AI 助手，支持连续对话、代码编写、图片生成等。

4.1 操作步骤#

powershell

# 1. 先确认扩展连接
opencli doctor

# 2. 打开豆包
opencli operate open "https://www.doubao.com"

# 3. 等待页面加载
Start-Sleep -Seconds 3

# 4. 查看页面状态（找到输入框索引）
opencli operate state

# 5. 定位输入框（注意：豆包的输入框每次状态查询会变ID）
# 方法A：用 state 返回的索引，如 [162] 或 [214] 等
opencli operate type <索引> "你好，请介绍一下你自己"

# 方法B：用 JS 定位（更可靠）
opencli operate eval "document.querySelector('[data-testid=chat_input_input]')?.focus()"

# 6. 发送消息（用 JS 模拟 Enter 键，最可靠）
opencli operate eval "document.querySelector('[data-testid=chat_input_input]')?.dispatchEvent(new KeyboardEvent('keydown', {key:'Enter', code:'Enter', keyCode:13, bubbles:true}))"

# 7. 等待回复（豆包通常 3-5 秒回复）
Start-Sleep -Seconds 5

# 8. 获取回复内容
opencli operate eval "document.body.innerText"

# 9. 截图查看实际效果
opencli operate screenshot "C:\path\to\doubao_result.png"

4.2 连续对话技巧#

powershell

# 每条消息发送后，输入框元素ID会变化，需要重新定位
# 流程：state → 找输入框索引 → type → eval发送

# 示例：连续对话3次
# 第1轮
opencli operate state | Select-String "chat_input"
# 假设输出：[162]<textarea ... />
opencli operate type 162 "请帮我写一首诗"
opencli operate eval "..." # 发送

# 第2轮（输入框ID变成其他数字）
opencli operate state | Select-String "chat_input"
# 假设输出：[214]<textarea ... />
opencli operate type 214 "这首诗很美！是即兴创作的吗？"
opencli operate eval "..." # 发送

4.3 豆包可用功能#

功能状态示例自我介绍✅ 已验证"你好，请介绍一下你自己"文字创作✅ 已验证"写一首关于春天的七言绝句"连续对话✅ 已验证能记住前面的对话内容代码编写✅ 已验证"用Python写一个计算天数的函数"图片生成⚠️ 可用"请帮我画一幅春天的风景画"

4.4 豆包操作注意事项#

1. 输入框定位：豆包的输入框选择器是 [data-testid=chat_input_input]
2. 发送方式：用 JS 模拟 Enter 键比直接用 opencli operate click 更可靠
3. 等待时间：文字回复 3-5 秒，代码回复 2-3 秒，图片生成可能需要 10-20 秒
4. 上下文保持：连续对话正常，会记住之前的内容
5. URL变化：开始对话后 URL 会变成类似 /chat/38420299164573698 这样的对话ID

五、知乎操作流程（✅实战验证）#

5.1 无需登录的操作#

powershell

# 1. 打开热榜
opencli operate open "https://www.zhihu.com/hot"

# 2. 直接获取热榜数据（无需登录）
opencli zhihu hot

5.2 需要登录的操作#

powershell

# 1. 人工在浏览器中完成登录
# 2. 之后可以直接操作
opencli operate open "https://www.zhihu.com/search?type=question&q=关键词"
Start-Sleep -Seconds 3

# 3. 滚动查看内容
opencli operate eval "window.scrollBy(0, 500)"
Start-Sleep -Seconds 2

# 4. 提取搜索结果
opencli operate eval "JSON.stringify([...document.querySelectorAll('h2, .ContentItem-title')].map(el=>el.innerText).filter(t=>t.trim()).slice(0,20))"

5.3 知乎注意事项#

1. 登录后完全可用：热榜、搜索都能正常工作
2. 操作节奏：适当加 wait，模拟真人操作节奏
3. 触发验证：知乎有反AI检测，大规模操作可能触发验证

六、高级技巧#

6.1 截图调试#

powershell

# 关键步骤后截图确认
opencli operate screenshot "C:\path\to\debug1.png"

# 对比操作前后
opencli operate screenshot "C:\path\to\before.png"
# 执行操作...
opencli operate screenshot "C:\path\to\after.png"

6.2 用 JS 获取结构化数据#

powershell

# 获取页面所有图片链接
opencli operate eval "JSON.stringify([...document.querySelectorAll('img')].map(img=>({src:img.src,alt:img.alt})))"

# 获取对话内容（豆包等聊天页面）
opencli operate eval "document.body.innerText"

# 检查元素是否存在
opencli operate eval "document.querySelector('[data-testid=chat_input_input]') !== null"

6.3 页面滚动#

powershell

# 滚动到指定位置
opencli operate eval "window.scrollTo(0, 500)"
opencli operate eval "window.scrollTo(0, document.body.scrollHeight)"

# 滚动查看完整内容
opencli operate eval "window.scrollBy(0, 500)"

6.4 等待页面加载#

powershell

# 固定等待
Start-Sleep -Seconds 3

# 循环等待直到页面加载完成
opencli operate state | Select-String "loading"

七、标准使用流程#

7.1 日常使用流程#

text

1. 确认扩展已加载
   → opencli doctor

2. 导航到目标网页
   → opencli operate open "https://example.com"

3. 获取页面元素
   → opencli operate state

4. 根据索引操作（点击/输入/滚动）
   → opencli operate click 5
   → opencli operate type 3 "搜索内容"

5. 截图确认结果
   → opencli operate screenshot

7.2 探索新网站（AI驱动）#

text

1. 探索网站结构
   → opencli explore "https://target-site.com"

2. 合成新命令
   → opencli synthesize <target>

3. 注册命令
   → opencli register <name>

4. 一键完成以上三步
   → opencli generate "https://target-site.com"

7.3 需登录网站的流程#

text

1. 人工在浏览器中完成登录
2. 在浏览器中手动完成验证（如果有）
3. 之后自动化操作会复用登录态
4. 如再次触发验证，重新人工完成

八、注意事项#

8.1 反 AI 检测网站#

网站验证情况解决方案验证日期GitHub✅ 无需验证直接可用-36氪✅ 无需验证直接可用-Hacker News✅ 无需验证直接可用2026-04-06B站✅ 无需验证直接可用2026-04-06知乎✅ 登录后完全可用人工登录一次即可2026-04-06豆包✅ 登录后完全可用人工登录后连续对话正常2026-04-06微信⚠️ 需扫码需人工辅助-豆包图片生成⚠️ 可能跳转豆包说"我将为你绘制"2026-04-06

8.2 避免触发验证的技巧#

• 操作节奏模拟真人：适当加 wait，每次操作间隔 1-2 秒
• 避免高频点击：不要在 1 秒内连续点击多次
• 先观察页面加载完成再操作：用 opencli operate state 确认页面加载完毕
• 使用 opencli cascade：自动找最安全的策略
• 截图确认：关键步骤后截图，确认页面状态

8.3 故障排查#

问题解决方案Extension: not connected重启 Chrome Beta，确保扩展已启用守护进程未运行运行 opencli daemon 查看状态操作无响应先 opencli operate state 查看元素状态Chrome Beta 未运行手动打开 Chrome Beta 浏览器页面变空白/空用 opencli operate open 重新导航到目标页面输入框元素找不到用 state 重新定位，元素ID每次会变豆包发送后无回复检查是否跳转了页面，等待更长时间URL 显示 about:blank扩展连接断开了，重新 open 目标页面

九、与 agent-browser 的对比#

维度opencliagent-browser浏览器复用用户已有 Chrome自带 Chromium（约 300MB）登录态完全复用真实浏览器独立 profile安装大小30KB（扩展）+ npm 包300MB命令数量502 个（79 个网站）通用操作AI 探索✅ 有（explore/generate）❌ 无推荐场景****优先使用，轻量简洁备选方案

十、结论#

opencli 是首选工具，理由：

1. 复用用户已有浏览器，不额外占用空间
2. 502 个现成命令，覆盖常用网站
3. AI 探索功能强大，支持一键生成新命令
4. 安装简单（npm + 扩展），不引入重复依赖
5. 登录态完全复用，避免重复认证

agent-browser 作为备选，当：

• opencli 无法连接用户浏览器时
• 需要独立浏览器环境时
• 需要特定 Chromium 版本时

---

十一、实战测试记录#

日期测试内容结果备注2026-04-06Hacker News 热帖✅ 成功opencli hackernews top2026-04-06B站热门排行✅ 成功opencli bilibili ranking2026-04-06知乎热榜✅ 成功登录后 opencli zhihu hot2026-04-06知乎搜索✅ 成功opencli operate open + JS提取2026-04-06豆包自我介绍✅ 成功文字回复正常2026-04-06豆包写诗✅ 成功"春日七言绝句"意境优美2026-04-06豆包连续对话✅ 成功能记住之前的对话内容2026-04-06豆包写Python代码✅ 成功完整代码+示例+注释2026-04-06豆包图片生成⚠️ 可用说"我将为你绘制"，可能跳转页面

---

十二、作者信息#

作者：云爪 🐾

联系邮箱： 3834522034@qq.com

版本历史：

• v1.2.0 (2026-04-06)：新增豆包/知乎操作流程、高级技巧、实战测试记录
• v1.1.0 (2026-04-06)：新增与 agent-browser 对比、故障排查
• v1.0.0 (2026-04-06)：初始版本