一句话信息差：海外已经不写 Selenium 脚本对抗反爬了——他们把浏览器改造成 AI Agent 的"躯壳"，用"拟人交互 + 技能记忆"重新定义网页自动化，而中国爬虫/RPA 圈还在和打码平台、指纹伪装死磕。
如果你做过爬虫、RPA 或前端 E2E 测试，下面这套痛苦你不会陌生：Playwright 脚本昨天还能跑，网站凌晨一改版全挂；为了不被识别，你装上 puppeteer-extra-plugin-stealth 伪装指纹、买代理池轮换 IP、接打码平台过 CAPTCHA，反爬和反反爬天天军备竞赛。维护成本比业务代码还高。
2026 年 6 月，Product Hunt 的 AI 榜单上突然冒出来一批新工具，它们把这个问题彻底换了框架——不再"用脚本对抗网站"，而是"把浏览器改造成 AI Agent 的躯壳"。这周登上前列的 Browse.sh（452 票）、Uindow、以及 Vercel 的 agent-browser，加上背后的 Browserbase 基建，正在重新定义什么叫"浏览器自动化"。
这批新物种的核心理念，用 Browserbase 官方博客一句被社区疯传的话概括就是："Browser agent 的瓶颈从来不是智力，而是失忆（amnesia）。" 这篇文章给你拆解三个新工具，以及中国爬虫/RPA/测试圈最该立刻抄的三个新姿势。
先说清楚背景，否则你理解不了这几个工具为什么火。
过去两年，所有主流 AI 产品（Claude Code、Cursor、Codex）都在加一个功能：让模型自己开浏览器。但 Browserbase 团队观察到一个普遍的"蠢问题"——
每个 browser agent 都在做同一件蠢事：每次运行都从零开始重新发现每一个网站。开浏览器、乱点、找按钮、点它、解析响应、关掉 session、忘掉一切，明天再来一遍。
后果是单位经济性极差。他们用 Craigslist 做了基准测试：一个通用 agent loop 跑一次房源搜索要花约 0.22 美元/次——agent 得自己发现搜索页是纯 JS 渲染的、得自己摸到隐藏 JSON 接口 sapi.craigslist.org、得自己搞清楚 item[0] 其实是偏移量不是帖子 ID、还得绕过基于 IP 的地理定位。每一跑都重新交一遍"探索税"。
而把这套经验固化成一个"技能"之后，同样的活儿只要 0.12 美元/次，直接砍掉 45% 成本。
这就是这一波新工具的共同出发点：把 agent 学到的"如何对付某个网站"的知识，固化成可复用、可审计的东西，下次免单。
flowchart LR
subgraph 旧范式[旧范式：脚本轮子]
A1[写 Playwright 脚本] --> A2[网站改版/反爬升级] --> A3[脚本全挂]
A3 --> A4[人工修 selector<br/>加 stealth 插件<br/>买代理池/打码] --> A1
end
subgraph 新范式[新范式：Agent + 躯壳 + 记忆]
B1[Agent 驱动真实浏览器] --> B2[Autobrowse 自动迭代<br/>找到最便宜最稳路径]
B2 --> B3[固化为 SKILL.md 技能]
B3 --> B4[下次免探索税复用<br/>越跑越便宜]
B4 -.沉淀到公共技能库.-> B1
end
旧范式 -.信息差.-> 新范式
这是本周最值得中国开发者关注的一个。
npm i -g browse 装好 CLI，然后像装 npm 包一样 browse skills add zillow.com/extract-listings，技能就进了你本地技能目录，Agent 可以按需加载。SKILL.md（纯 Markdown）+ 可能的辅助脚本。里面写死了精确步骤、踩过的坑、API 端点、CSS selector、兜底策略。注意——没有向量嵌入，没有截图回放，就是人能读、Agent 能执行的纯文本。它最妙的地方是有一套叫 Autobrowse 的"AI 改进 AI"系统：你给它一个真实网站上的真实任务，它跑通一遍、研究自己的执行轨迹、迭代策略，直到把"碰运气"变成"可靠"，然后自动写出一个持久的技能文件。
下面是它 Craigslist 技能里的真实片段，感受下这种"沉淀物"的含金量：
## Site-Specific Gotchas
- snapshot 在 /search/ 返回 0 个引用：搜索页是纯 JS 渲染，别用 browse snapshot
- item[0] 不是 postingId，是相对 data.decode.minPostingId 的偏移量，当 ID 用会 404
- API 按请求 IP 做地理定位，加 postal=<zip> 可覆盖，不需要住宅代理
- 限流：持续 ≤ 1 req/s
这种知识，一个人类工程师要逆向两小时，一个 agent 要烧几十美元 token 才能自己摸索出来。一旦写进技能，永久免费复用。
对中国圈子的信息差：这不就是一个"爬虫规则/逆向经验共享市场"吗？国内做采集的团队，每个站点都靠老员工脑子里那套 selector 和反爬 know-how，人一走全丢。Browse.sh 把这套 know-how 变成了可版本控制、可团队共享、可社区流通的 Markdown 资产，而且开局就有 Zillow、Amazon、eBay、Airbnb、GitHub、政府招标门户这些常用站点的现成技能。首发合作伙伴名单里还有 Ramp、Lovable、Poke、Reducto，带"verified"徽章。
如果说 Browse.sh 解决的是"记忆"，Uindow 解决的就是"拟人"——正面硬刚反爬和 CAPTCHA。
对中国圈子的信息差：国内反爬对抗的核心三件套——指纹伪装（stealth 系）、代理 IP 池、打码平台——在 Uindow 的设计哲学里被一句话化解：别对抗，直接装得像真人 + 用你自己 IP。它最高 9 个 agent 并行、每个隔离 profile、可调度、带全量录像审计、内置小本地模型做兜底。对于做电商比价、社媒运营、自动化测试、出海数据采集的小团队，Pro 版 €15/月不限次这个定价，对比国内动辄几千的 RPA 套装 + 打码费，几乎是白嫖。
⚠️ 合规提醒：Uindow 官方也强调"请尊重目标网站的 ToS 和当地法律"，工具用于合法自动化/测试/Agent 场景。别拿来干违规的事。
光有技能和拟人还不够，得有"浏览器本身"能被 Agent 驱动。这一层有两条路线在并行：
两条路线的选择：要规模和省心 → Browserbase 云；要数据不出本地、要抠成本、要定制 → Vercel agent-browser + Uindow 这类本地方案。这恰恰是中国团队在"上云 vs 自建"之间最熟悉的决策。
顺带提一个本周同榜的相关信号——Novu Connect（404 票），开源，让 Agent 通过 Slack、Teams、WhatsApp 双向通信，不用为每个渠道单独写集成。
它的意义在于：当 browser agent 真正"上岗"干活（比如 Uindow 跑到一半遇到 CAPTCHA 需要人介入），它需要一个把"我需要你"送达给人的通道。Novu Connect 干的就是这个"Agent 的通知总线"。再加上同期上榜的 Respan Gateway（441 票，原 Keywords AI，3 月拿 Google 旗下 Gradient Ventures 500 万美元，月处理 10 亿+ 日志、2 万亿 token）做网关+可观测性——你会看到，"Agent 能干活"的整条工具链，从躯壳（浏览器）、到记忆（技能）、到通知（Novu）、到监控（Respan），正在 2026 年 6 月被一块块补齐。
flowchart TB
Agent[AI Agent<br/>Claude Code / Cursor / Codex] --> Body
subgraph Body[躯壳层：浏览器]
direction LR
BB[Browserbase<br/>云端浏览器基建]
UI[Uindow<br/>本地拟人浏览器]
VAB[Vercel agent-browser<br/>开源 CLI]
end
Body --> Memory[Browse.sh<br/>技能记忆市场<br/>SKILL.md]
Memory --> Save[越跑越便宜<br/>探索税归零]
Body -.卡住/需人.-> Notify[Novu Connect<br/>Slack/Teams/WhatsApp]
Body -.调用日志.-> Obs[Respan Gateway<br/>网关+可观测+eval]
Notify --> Human[人类介入]
| 维度 | 你知道的（国内主流） | 别人知道的（2026 海外新姿势） |
|---|---|---|
| 自动化范式 | 写 Selenium/Playwright 脚本 | Agent 驱动真实浏览器（躯壳论） |
| 反爬对抗 | stealth 插件 + 代理池 + 打码平台，天天军备竞赛 | trusted OS 级拟人交互 + 自己 IP，"装得像真人"而非"对抗" |
| 经验沉淀 | 老员工脑子里的 selector 和 know-how，人走全丢 | 固化成 SKILL.md 技能，可版本控制/团队共享/社区流通 |
| 成本曲线 | 每次采集重新交探索税，越跑越贵 | 技能复用，Craigslist 实测 0.22→0.12 美元/次，砍 45% |
| 核心洞察 | "Agent 还不够聪明所以不行" | "瓶颈不是智力，是失忆"——记忆才是瓶颈 |
| 定价 | RPA 套装几千 + 打码费持续烧 | Uindow Pro €15/月不限次；Browse.sh 技能层开源免费 |
| Agent 接入 | 自己封装 SDK | 原生 MCP，Claude/Cursor/Copilot 直连，stdio 零延迟离线 |
优先级 P0（今天就试）
1. 装 Browse CLI：npm i -g browse，到 browse.sh 搜你常采的站点，看有没有现成技能，没有就让它用 Autobrowse 自动生成一个。把你团队最痛的 3 个站点的采集规则固化成 SKILL.md，从此告别重复逆向。
2. 到 uindow.com 下 Free 版，用它内置录制器把你手头一个重复性网页任务录下来，体验一下"OS 级拟人交互"和"有限状态机不挂"是什么感觉。
优先级 P1（本周内） 3. 给你的 AI Agent（Cursor/Claude Code）接上 Uindow 的 MCP server，让它本地 stdio 驱动浏览器，跑一个真实的"登录+采集"流程，对比你之前 Playwright 脚本的维护成本。 4. 如果你做的是出海采集/电商比价，算一笔账：现有"RPA 工具费 + 代理池 + 打码平台"月成本 vs Uindow Pro €15/月，看 ROI。
优先级 P2（持续） 5. 关注 AgentSkills 标准——Browse.sh 博客点名说 Claude Code、OpenAI Codex 都在加"加载 markdown 告诉 agent 怎么干某件事"。这意味着 SKILL.md 这种格式很可能成为跨框架通用标准，提前按这个格式沉淀你的自动化 know-how，未来能跨 Agent 复用。
这波"程序化浏览器"新物种传递的最重要信号是：网页自动化的护城河，正在从"反反爬的技术对抗"转移到"拟人交互 + 站点经验的复利积累"。 谁先把团队对付各个网站的经验沉淀成可流通的技能资产，谁就把每次采集的边际成本压到接近零。对中国爬虫/RPA/测试圈来说，这不是又一个工具，而是一次范式切换的窗口期——而且窗口正在快速关闭。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。