最近看到开源项目 BrowserAct Skills，GitHub Stars 已经 6K+，它想解决的是让 AI Agent 真正操作浏览器这件事，值得关注的原因在于：它没有走“装个 Chrome 扩展”的常见路径，而是尝试把浏览器自动化做成 Agent 更容易调用的能力。

它提供三种浏览器模式：Chrome 模式可导入本地 Chrome Profile，在独立 Chromium 里复用登录状态；Chrome-direct 通过 CDP 连接本地 Chrome，保留现有扩展、Cookie、证书和 SSO 环境；Stealth 模式则覆盖浏览器指纹管理、代理和反自动化检测相关能力，更偏向网页数据采集场景。🔹

操作方式也比较贴合 Agent：先用 state 获取精简的页面元素索引，再执行 click 3、input 2 这类指令，不必每次把完整 DOM 塞给大模型，理论上能省下不少 Token。

不过我觉得最有价值的点是 Skill Forge。它让 Agent 先探索网站，优先找可用 API，不行再用 DOM 操作，最后自动生成可复用的 Skill，并做测试和修复。以前 Agent 每次做网页任务都要重新理解页面；现在可能探索一次，就把流程固化成脚本，以后直接调用。本质上是让 LLM 负责探索和生成能力，让传统代码负责重复执行。

我的看法是，这类方向对重复性网页任务更有意义，可能减少 Token 消耗和重复试错。但生成出来的 Skill 是否稳定、网站改版后怎么维护，仍然要看实际使用。我倾向于把它看作 Agent Harness 演进的一个样本：不是让大模型无限重复思考和操作，而是让 Agent 在执行中沉淀可复用能力。

#AI新鲜事