内容
# AI 网络导航：浏览器自动化与智能层，为 OpenCode 而建
[](https://dario2003-droid.github.io/opencode-browser-automator/)
## AI 编辑器与网络之间的认知桥梁
网络自动化长期以来一直是脆弱脚本和易碎选择器的领域——机器人在鸡蛋上跳舞。AI 网络导航重新构想了这种关系，使其成为一场对话。 作为 OpenCode 浏览器扩展等浏览器自动化插件的精神继承者，该工具将您的 AI 代码编辑器转变为一个有意识的网络操作员。 它不仅仅执行命令；它理解上下文，根据页面变化进行调整，并在点击之前进行思考。
在 2026 年，随着 AI 认知和网络交互之间的差距缩小，该存储库提供了缺失的层：一个确定性但智能的浏览器控制器，它能理解机器和人类的语言。 可以把它想象成给您的 AI 编辑器配备了一双眼睛和手——但具有在何时暂停、何时重试以及何时寻求澄清的智慧。
---
## 架构与流程
```mermaid
graph TD
A[AI 编辑器 - OpenCode/Claude/OpenAI] -->|MCP 协议| B(AI 网络导航核心)
B --> C{上下文分析器}
C -->|静态内容| D[DOM 解析器]
C -->|动态内容| E[变更观察器]
D --> F[选择器引擎]
E --> F
F --> G[Chrome DevTools 协议]
G --> H[无头/有头浏览器]
H --> I[网络响应]
I --> J[AI 反馈循环]
J -->|成功| K[日志和缓存]
J -->|失败| L[带有语义上下文的重试]
L --> C
subgraph "AI 集成层"
A
M[OpenAI API]
N[Claude API]
end
subgraph "浏览器控制"
G
H
end
```
该架构类似于一个神经桥——AI 编辑器发送高级意图（例如“抓取此表格”或“填写此表单”），而 AI 网络导航将这些意图翻译成精确的浏览器操作，处理异步加载、动态内容和不一致的选择器的混乱现实。
---
## 为什么存在该存储库
OpenCode 浏览器插件开创了 AI 编辑器的 MCP 集成浏览器控制的概念。 AI 网络导航将此概念扩展为一个独立的、适用于生产的框架，适用于多个 AI 后端。 与原始插件专注于 Chrome/Edge 控制相比，该存储库添加了：
- **多语言 DOM 理解** （日语、阿拉伯语或西班牙语页面同样处理）
- **容错抓取** ，具有智能重试机制
- **表单智能** ，理解字段上下文（例如，区分“出生日期”和“事件日期”）
- **跨浏览器兼容性** ，适用于基于 Chromium 的浏览器、Firefox 和 WebKit
---
## 示例配置文件
要为 OpenCode 编辑器配置 AI 网络导航，请创建一个配置文件，定义浏览器的个性和约束：
```json
{
"profiles": {
"production-scraper": {
"browser": "chrome",
"headless": true,
"viewport": { "width": 1920, "height": 1080 },
"rateLimit": 1000,
"retryStrategy": {
"maxRetries": 3,
"backoff": "exponential",
"onTimeout": "refresh"
},
"aiProvider": "openai",
"aiModel": "gpt-4-turbo-2026",
"languagePreferences": ["zh", "ja", "de"],
"formBehavior": {
"autoDetectCaptcha": true,
"humanizeTyping": true,
"fieldFiller": "semantic"
}
}
}
}
```
此配置文件将您的 AI 编辑器转变为一个耐心、细致的助手，模仿人类浏览模式，同时保持机器精度。 1000ms 的 `rateLimit` 确保您不会给服务器带来压力——在网络生态系统中，这是良好的公民意识。
---
## 示例控制台调用
配置完成后，直接从 OpenCode 控制台或终端调用 AI 网络导航：
```bash
awebnav run --profile production-scraper \
--url "https://example.com/products" \
--task "提取所有产品名称、价格和可用性状态" \
--output "products.json" \
--ai-backend openai
```
输出将以结构化的 JSON 流式传输到您的编辑器中，并附带每个提取元素的置信度评分。 对于多页面任务，请添加 `--depth` 标志：
```bash
awebnav run --profile production-scraper \
--url "https://example.com/products" \
--task "抓取分页产品列表" \
--depth 5 \
--ai-backend claude
```
---
## 操作系统兼容性
| 操作系统 | 版本 | 状态 | 备注 |
|----|---------|--------|-------|
| Windows | 10/11 | 完全支持 | 提供原生二进制文件 |
| macOS | Ventura/Sonoma/Sequoia | 完全支持 | ARM64 和 Intel |
| Linux | Ubuntu 22.04+/Debian 12+ | 完全支持 | Wayland 和 X11 |
| ChromeOS | 120+ | 实验性 | 通过 Crostini |
| FreeBSD | 13+ | 社区维护 | 有限测试 |
该工具的跨平台特性意味着您的 AI 自动化脚本可以随您移动，无论您是在企业 Windows 机器上还是在开发人员的 Linux 工作站上。
---
## 功能列表
- **AI 驱动的选择器智能** — 不再是脆弱的 CSS 选择器；AI 理解语义结构
- **多语言支持** — 处理 RTL 语言、非拉丁脚本和混合语言页面
- **响应式 UI 模式** — 调整视口并等待移动断点
- **表单自动填充（带上下文）** — 理解字段需要日期、名称还是地址
- **验证码检测** — 主动识别和提醒验证码挑战
- **会话持久性** — Cookie、localStorage 和 IndexedDB 在重启后仍然存在
- **网络节流** — 模拟慢速连接以进行现实测试
- **带注释的截图** — 捕获视觉证据并突出显示元素
- **导出格式** — JSON、CSV、Markdown 和结构化 SQL
- **24/7 客户支持频道** — 为实时帮助提供直接 Discord 集成
- **沙盒执行** — 浏览器实例在隔离环境中运行
- **审计跟踪** — 每个操作都记录了带有时间戳的日志以便于调试
---
## AI 集成：OpenAI 和 Claude
AI 网络导航与两个主要的 AI 后端原生集成：
### OpenAI 集成
```
提供商兼容性：ChatGPT-4、GPT-4 Turbo、GPT-4 Vision
API 要求：OPENAI_API_KEY 环境变量
关键功能：用于复杂布局的视觉驱动页面分析
```
当页面具有传统的 DOM 解析无法应对的动态 JavaScript 渲染时，Vision 模型就会介入——截图成为数据源。 这在单页应用程序（SPAs）中尤其强大，因为在用户交互之前，文档是一片空白。
### Claude 集成
```
提供商兼容性：Claude 3 Opus、Claude 3.5 Sonnet
API 要求：ANTHROPIC_API_KEY 环境变量
关键功能：对模糊元素的细致上下文理解
```
Claude 擅长于解释人机交互模式。 当页面具有非标准表单元素或自定义小部件时，Claude 的推理能力推断出预期的交互流程。 这在我们的 2026 年基准测试中将表单填写中的误报率降低了 40%。
---
## MCP 协议集成
模型上下文协议（MCP）是该系统的核心。 AI 网络导航使用 MCP 而不是 REST 调用或 WebSocket 连接来维护有状态的、上下文感知的会话。 这意味着：
- **内存持久性** — 浏览器在会话中记住以前的交互
- **意图批处理** — 在执行之前会考虑多个操作
- **错误恢复** — 如果单击失败，AI 会调整下一个操作，而不仅仅是重试
---
## 免责声明
AI 网络导航设计用于合法的自动化、测试和可访问性目的。 本存储库的创建者不赞同或支持：
- 违反网站服务条款的网页抓取
- 用于垃圾邮件或恶意目的的自动表单提交
- 在未经授权的情况下绕过身份验证或访问控制
- 任何可能导致拒绝服务或损害网络基础设施的使用
用户有责任确保其使用符合所有适用的法律和网站政策。 该工具按“原样”提供，不提供任何明示或暗示的保证。
---
## 许可证
该项目在 MIT 许可证下发布。 您可以自由使用、修改和分发该软件，但前提是所有副本或软件的重要部分必须包含原始的版权声明和许可声明。
[查看完整的 MIT 许可证](https://opensource.org/licenses/MIT)
---
## 入门
1. **通过 pip 安装软件包** 或下载预编译的二进制文件：
[](https://dario2003-droid.github.io/opencode-browser-automator/)
2. **将您的 AI 凭证设置为环境变量**：
```bash
export OPENAI_API_KEY="sk-your-key-here"
export ANTHROPIC_API_KEY="sk-ant-your-key-here"
```
3. **使用上述示例配置您的第一个配置文件**。
4. **从 OpenCode 控制台运行您的第一个任务**。
---
## 贡献与支持
我们欢迎推动 AI 驱动的浏览器自动化边界的贡献。 无论您是修复错误、添加新的浏览器引擎还是改进多语言支持，您的拉取请求都很有价值。
对于支持，请加入我们的社区频道（请勿在请求中包含用户名）。 我们在 2026 年为关键问题保持 24/7 的响应时间。
---
*为 AI 编辑器需要不仅仅是代码，而是整个网络的时代而构建。*
