一个Skill让WorkBuddy替你操控浏览器实现自动化，不用在浏览器里手动点点点了！

Hello哇！各位朋友，我又来给大家安利好用的AI skill啦！

相信大家在日常工作里，经常要用浏览器搜个信息、下个文件。但这些事都得自己动手点，打开网页、找到对应的地方、点按钮、再下载。一次两次还好，天天这么点，是真麻烦。

今天给大家推荐一个skill，叫"agent-browser"，这个也是在GitHub上很火的一个skill，当然不是我做的，我主要是给大家安利一下哦。

装进WorkBuddy之后，你需要浏览器自动干活的时候，直接在WorkBuddy里下指令，它就去操控浏览器了。

（效果演示视频：搜索下载PPT的全过程）

在视频当中，我只是下达了指令和点击了允许，其他的操作全都是work buddy和这个skill操作的，我是一点没动哦～

最重要的是，这个消耗的积分也不多，我视频当中的这个操作整体下来，只消耗了约15个积分，消耗不大的！

有人会问：WorkBuddy自己不是能搜吗？

问得好。这就说到点子上了。

WorkBuddy自带的搜索工具叫webfetch，它的作用是抓取网页内容、帮你归纳总结。也就是说，它能把一个网页"读"给你听。

但问题是，它只能读，不能动。如果网页需要你点一下"下一页"、勾一个复选框、填个表单才能继续，webfetch就卡住了——它不会点按钮，没法实现真正的自动化。

这个skill就不一样。你下完指令，它自己打开浏览器、找到网站、点点点、填填填、下载，全程你不用盯着。中间偶尔会需要你点一下"授权"，让它进行下一步，点完你就该干嘛干嘛去。

这个skill能在浏览器里干什么？

它的能力比你想的多：

浏览与导航——打开网页、前进后退、多标签页管理，甚至iframe里的操作都能处理。

看懂页面——它能生成一个"无障碍树"，把页面上所有能点、能填、能选的东西列成一张清单交给AI。有了这张清单，AI就像拿到了说明书，清楚知道"这个页面有哪些按钮、哪些输入框、哪些链接"。

页面交互——点击、填表、下拉选择、勾选复选框、拖拽、滚轮、按键、文件上传、鼠标悬停……你手动能在浏览器里做的操作，它基本都能做。

信息提取——交互的过程中随时提取页面上任何信息。

智能阅读——这个功能是专门为AI设计的。它会自动请求网页的markdown版本，提取正文、生成大纲，把广告和导航栏的噪音全部过滤掉，只留你要的干货。

截图与PDF——页面截图（支持全页截图和带标注的截图），还能保存成PDF。

写在最后

我现在在WorkBuddy里装了不少skill，轻量版的、重量版的都有，都跑得挺顺。WorkBuddy的兼容性和承载能力，我个人是挺满意的。

如果你也想让浏览器的事交给AI去办，同时安装之后不知道怎样使用，请关注并私信我——"浏览器"，我把这个skill和使用方法分享给你。

Q&A

Q1：装了之后需要自己配环境吗？

A：不需要。告诉WorkBuddy你要用这个skill，让它把需要的环境装好就行，不用你自己动手。不过浏览器的话，尽量使用谷歌或者edge浏览器。

Q2：它和WorkBuddy自带的搜索工具有什么区别？

A：自带的webfetch只能"读"网页、抓取内容做总结；agent-browser能"操作"网页——点击、填表、下载都能做。需要交互的自动化场景，得用agent-browser。

Q3：能用来操控某东、某宝这类需要验证的网站吗？

A：不建议。虽然你和WorkBuddy可以协作完成验证，但整个过程速度比较慢，效率不高。这类需要频繁验证的网站，还是自己手动操作更划算。这个skill更适合那些不需要登录验证、流程相对固定的网站。

关于作者

小刘（刘李海），AI 实践者，智能体应用师（中级）、ACA大模型工程师持证。非技术背景，用文科生视角探索 AI 在工作中的落地方法。专注于 AI赋能个人与组织、AI 工具实操、Skill创建、智能体搭建、AI 内容创作、知识库搭建等。已培训八百多人，目前也正在持续探索AI更多的方向。如果你也想系统学 AI，并真正用进工作和生活，欢迎评论或私信交流；我会结合你的实际情况、工作场景和当前基础，帮你梳理更适合你的学习路径，让你更快从"知道"走到"会用"。