<!-- title: 浏览器成了Agent躯壳：三个新物种 -->
<!-- domain: new-tools -->

# 浏览器成了Agent躯壳：六月三个程序化新物种

> 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。

## 导语

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。

## 一、为什么"浏览器自动化"在 2026 年被重写

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。**

```mermaid
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
```

## 二、Browse.sh：给 Agent 装一个"浏览器技能商店"

**这是本周最值得中国开发者关注的一个。**

- **官网**：[browse.sh](https://browse.sh)（由 [Browserbase](https://www.browserbase.com/blog/browse.sh) 出品）
- **是什么**：一个开放的"浏览器技能目录"（catalog），首发 **100+ 个经审核的技能**，任何 Agent 都能用一条 CLI 命令装上。
- **怎么用**：`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。
- **一个"技能"到底是什么**：一个 `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**。
- **价格**：**开源、免费**。（注意：Browse.sh 的技能层免费，但它底层的 Browserbase 云端浏览器基建是单独按 session/hour 收费的，别混淆。）
- **谁该关注**：做网页数据采集、表单自动化、网站监控、QA 的 AI 工程师；以及用 Claude Code/Cursor/Codex 想让编码 Agent 上网干活的人。

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。

## 三、Uindow：网站分不出它是人是机器的"本地浏览器"

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。

- **官网**：[uindow.com](https://uindow.com/)
- **是什么**：一个**本地桌面版**的"程序化浏览器"，slogan 是"连网站都分不出它是人是机器的自动化"。核心卖点：**真实输入、真实鼠标、你自己的 IP、不可封禁**。
- **怎么个拟人法**：每一次点击、按键、滚动都是**操作系统级 trusted event**，带自然的非线性的鼠标移动和真实的打字节奏。**不用装任何 stealth 插件，不用维护 ghost-cursor hack——引擎天生就这么干。** 网站看到的是一个真人在用真实输入设备，而不是合成脚本。
- **跑在哪**：**跑在你自己电脑上、走你自己的 IP**——"最像人类的指纹"。没有共享的机房代理池，没有一加载就被标记的云浏览器集群。
- **价格**（这是另一个信息差，相当良心）：
  - **Free**：€0/月，1 工作区、3 模块、每台机 1 个 agent，含 CLI + MCP server + 每日免费运行额度
  - **Pro**：**€15/月**，不限运行次数，每台机 4 个 agent，10 工作区，50 模块/工作区
  - **Team**：€79/月，每台机 9 个 agent，50 工作区
- **关键差异化（vs Selenium/Playwright/Puppeteer）**：官方 FAQ 直接说——后者是优秀的"测试库"，Uindow 是一个完整的桌面 App，**为"要装得像人、不被封"的自动化和 Agent 而生**。
- **Agent 就绪**：原生说 MCP（Model Context Protocol），Claude/Cursor/Copilot 可直接通过本地 stdio 驱动它，**零延迟、完全离线**。
- **录制优先**：按录制键、像平时一样浏览，Uindow 自动生成干净确定的 JavaScript——不用 AI 猜、不用学语法。
- **有限状态机**：每个自动化被建模成有限状态机，能分支/重试/循环，网站一变也不容易挂。

**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。

## 四、Browserbase + Vercel agent-browser：给这套躯壳铺基建

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：

- **Browserbase（云端路线）**：Browse.sh 的母公司，本质是**云端浏览器基础设施**，专门为 AI Agent 优化（处理 CAPTCHA、代理、会话稳定性）。Browse.sh 的技能默认在 Browserbase 的云浏览器上跑，按 session 计费。适合需要大规模、弹性、7×24 的场景。
- **Vercel agent-browser（开源本地路线）**：[github.com/vercel-labs/agent-browser](https://github.com/vercel-labs/agent-browser)，一个**面向 AI Agent 的浏览器自动化 CLI**，开源。你可以把它理解为"自托管版"的 browser agent 驱动层，不依赖云。

**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。

## 五、配套信号：Agent 通知层也在标准化

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。

```mermaid
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]
```

## 六、信息差总结

| 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 |

## 七、行动指南（你现在就能做）

**优先级 P0（今天就试）**
1. 装 Browse CLI：`npm i -g browse`，到 [browse.sh](https://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](https://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。

## 八、一句话收尾

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。

## 参考来源

- [Browse.sh 官方博客：a catalog of browser skills for the agentic future（Browserbase）](https://www.browserbase.com/blog/browse.sh)
- [Uindow 官网：Web Chores on Autopilot](https://uindow.com/)
- [Product Hunt June 2026 AI 榜单 Top 25（hunted.space）](https://hunted.space/top-products/2026/June/artificial-intelligence)
- [Vercel agent-browser 开源仓库（GitHub）](https://github.com/vercel-labs/agent-browser)
- [Product Hunt Weekly 2026-06-18：AI Agents Shift to Autonomous Execution（Shareuhack）](https://www.shareuhack.com/en/posts/product-hunt-weekly-2026-06-18)

---
> 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。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)