browser-use 使用指南：七类浏览器自动化任务

修订于 2026-10-12：原文中的 Star 数、作者亲测经历、成功率与未经核实的旧接口示例已删除。项目 API 更新较快，请以文末官方文档为准。

browser-use 将浏览器操作交给模型驱动的 Agent：开发者描述目标，Agent 根据页面状态选择动作。它适合页面流程变化较多、人工定义每一步成本较高的任务；对固定页面、高频和严格可重复的流程，传统浏览器脚本通常更容易测试与控制。

七类适用任务

页面信息整理：打开公开页面，提取标题、日期和链接，再由程序校验字段。
多步站内查询：按关键词搜索、筛选并汇总结果，记录实际访问的网址。
表单草稿填写：预填内容并停在提交前，由人核对收件人、金额和字段。
后台巡检：浏览管理页面，发现错误提示或状态变化；告警仍需明确的规则与去重。
跨页面比对：从多个页面收集同一对象的信息，注明来源与抓取时间。
可访问性检查辅助：走通关键页面，记录无法点击或无法读出的控件；正式验收还需专门工具与人工检查。
一次性流程探索：先让 Agent 探索页面路径，再把稳定步骤固化为可重复的脚本。

这七类是任务设计建议，并非本站逐项完成的运行报告。涉及登录、付款、发布或个人数据时，应限制可访问站点和动作范围，并在关键提交前安排人工核对。

最小示例

以下代码结构来自项目官方入门文档。依赖、模型名称和参数可能变化，运行前应按当前文档确认：

python

import asyncio
from browser_use import Agent, ChatOpenAI
from dotenv import load_dotenv

load_dotenv()

async def main():
    llm = ChatOpenAI(model="gpt-5.6-luna", reasoning_effort="xhigh")
    agent = Agent(
        task="打开 browser-use 项目主页，返回页面标题和网址",
        llm=llm,
    )
    history = await agent.run()
    print(history.final_result())

if __name__ == "__main__":
    asyncio.run(main())

官方文档当前提供 uv add browser-use 安装方式，并使用环境变量提供模型 API 密钥。示例只说明如何启动 Agent；它不保证目标页面可以访问，也不等于对返回内容做了校验。不要把密钥写进代码或日志。

上线前检查

结果验证：结构化提取后校验字段类型、来源网址和时间；对空值或页面变化设人工复核。
权限边界：使用最小权限账号和独立浏览器配置，避免复用个人浏览器的所有登录状态。
成本与时延：记录每次任务的模型调用、浏览器时长和失败率，在目标页面实际测量。
稳定性：对验证码、登录过期、弹窗、分页与页面改版分别设计处理路径。
外部动作：付款、发消息、发布内容等操作在提交前检查具体对象和内容。
站点规则：遵守目标网站的使用规则，不以自动化绕过访问限制。

参考资料