网页上重复点来点去?这10个Skill接管操作

让 Agent 搜索、浏览、点击、填写、抓取、下载并验证网页结果

假设你每周要从一个后台导出报表:登录、翻三页列表、勾选、点导出、再确认文件真的下载成功。让 Agent 干这件事,卡住的地方往往不是模型不够聪明,而是它不知道先看哪、点哪里、怎么确认点对了。

所以这 10 个 Skill 不是并列的十个工具,而是一条有先后的链路:先确定目标页面,再打开并操作,把重复流程固化下来,然后抓取、下载、监控,最后回头验证结果。顺序错了,Agent 就会在错误页面上反复点击。

前几张卡片负责“找到并操作”,中间负责“把动作变成可复用、可留存的东西”,最后一张负责“确认它真的按预期完成了”。具体分工和各自边界,看下面五张卡片。

agent-browser

打开目标网页,点击按钮、填写表单并截图,完成页面上的具体操作

browser

用自然语言下达浏览指令,驱动浏览器完成导航、提交表单等交互

playwright-cli

录制并回放浏览器操作脚本,把重复的点击流程固化成可复用的自动化测试

browser-use

通过 CDP 控制浏览器执行网页交互与数据抓取,处理需要真实浏览器环境的任务

firecrawl-search

先搜索出与任务相关的网页列表,确定接下来要访问和操作的目标页面

firecrawl-scrape

从指定 URL 抓取页面正文内容,提取操作后需要留存的文字数据

firecrawl-interact

在抓取到的页面上执行点击、填表和登录等交互,处理需要登录或动态加载的页面

firecrawl-download

把整站内容下载到本地,保存需要离线查看或批量处理的页面资源

firecrawl-monitor

持续监控目标网页内容变化,在页面更新时发出通知以验证操作结果

firecrawl-qa

对网站做探索性 QA,检查表单、导航和响应式布局,验证自动化操作是否达到预期