2026年6月，开源界最喧嚣的战场已经从"大模型本身"转移到了"让大模型长出双手"——即所谓**Computer-Use / Web Agent（计算机操作智能体）**。这一赛道本周持续霸榜GitHub Trending：`browser-use`剑指9万星，`Skyvern`带着计算机视觉杀入2万星阵营，`Stagehand`把Playwright包装成了类型安全的Agent SDK，`Midscene.js`甚至把视觉自动化做到了鸿蒙端。它们共同指向一个被传统SaaS垄断多年的金矿——**RPA（机器人流程自动化）与网页数据采集**。UiPath单个开发者席位年费动辄数千美元，Apify/Browserbase按次计费的采集云更是中小团队的隐性税。本篇精选7款角度各异的开源网页智能体，拆解它们如何把"让AI替你点鼠标"变成可售卖的付费产品与可复制的训练营教材。 ## 一、为什么2026年是自建网页Agent的黄金窗口 传统RPA的死穴是**脆弱的选择器（selector）**：网站改一个class、挪一个按钮，整套自动化脚本当场报废，维护成本高到企业不得不买昂贵的"稳定运行"服务。而2026年成熟的多模态大模型彻底改变了游戏规则——AI直接**看截图**就能理解页面、定位元素、规划操作，不再依赖DOM选择器。这意味着： - **维护成本断崖式下降**：改版不再让脚本崩盘； - **"零代码描述任务"成为可能**：用自然语言下达"帮我把这100家竞品的报价填进表格"； - **长尾场景被打开**：以前不值得为一个小网站写选择器，现在一句话就能自动化。 商业侧，UiPath 2025财年仍维持超15亿美元年营收，Apify、Browserbase、Multion等云服务持续涨价。这是一块被订阅制牢牢锁住的市场，而开源Agent栈正提供"自托管、换任意模型、数据不出本地"的对冲方案——对成本敏感的中小企业、对数据合规敏感的金融/医疗、对定制化敏感的电商运营，都是现成客户。 ## 二、本周项目筛选标准 | 维度 | 权重 | 说明 | |------|------|------| | 变现潜力 | 40% | 能否包装成训练营/专栏/托管SaaS/企业实施？目标用户与定价空间 | | 训练营适用性 | 25% | 2–4小时能否跑通并产出可交付成果？学员成就感是否明确 | | 技术新颖度 | 20% | 是否代表"视觉驱动、选择器-free"前沿？是否有差异化技术路线 | | 维护活跃度 | 15% | 2026年6月是否有持续commit、版本迭代与Issue响应 | ## 三、七款开源网页智能体深度拆解 ### 1. browser-use · 让网站对AI"开口说话" **仓库**：[browser-use/browser-use](https://github.com/browser-use/browser-use) ｜ **星标**：GitHub 9万+（不同统计口径77k–91k，稳居赛道第一）｜ **最近更新**：2026年6月发布 v0.13.2，引入 Rust 内核与全新浏览器引擎的 beta agent **核心功能（一句话）**：把大语言模型接到 Playwright 上，让AI像人一样看网页、点按钮、填表单、跨页面完成多步任务。 **上手难度**：⭐⭐⭐（需Python基础 + 理解"感知-思考-行动"的Agent循环） **变现评估**：这是整条赛道的"教材级"项目，变现路径最清晰。其一，**AI自动化训练营核心教具**（¥499–999），从"自动比价"到"自动投递简历"都能跑出明确demo；其二，**二次开发托管SaaS**，对标官方 browser-use cloud 做国内本地化、对接国产模型（DeepSeek/Qwen），¥99/月面向中小团队；其三，**垂直行业小工具**，如"跨境电商自动跟卖监控""自动生成周报数据采集"。目标用户覆盖独立开发者、运营、测试工程师。 **训练营评估**：黄金级教材。2小时可让学员跑通hello world（自动搜索+截图），4小时能交付"每日自动采集某电商类目价格并生成Excel"的小工具，产出物可直接写进简历。学员获得感极强。 **竞品与差异化**：对标的商业方案是 OpenAI 的 computer-use、Multion、Arc 浏览器内置Agent。browser-use 的护城河在于**开源免费 + 可换任意模型 + 本地运行**，且社区生态最厚（web-ui 可视化界面、大量插件模板）。劣势是稳定性仍依赖提示词工程，复杂任务易"跑偏"。 ### 2. Skyvern · 用计算机视觉干掉脆弱选择器 **仓库**：[Skyvern-AI/skyvern](https://github.com/Skyvern-AI/skyvern) ｜ **星标**：2万+（约20.8k）｜ **最近更新**：2026年持续迭代，已进入多个MCP/Agent注册表 **核心功能**：在 Playwright 之上叠加 LLM + 计算机视觉，专门解决"在从未见过的网站上自动完成登录、填表、导航"的工作流，主打无代码工作流编辑器 + REST API。 **上手难度**：⭐⭐⭐⭐（涉及 Docker 编排、workflow 抽象，偏企业级） **变现评估**：这是**最接近"卖企业实施服务"**的项目。传统 UiPath/Automation Anywhere 单席位年费达数万元，Skyvern 提供"自托管开源 + 云版"双形态，给集成商留下了巨大套利空间。变现方向：① 企业RPA替代实施（单项目¥5万–20万，如保险理赔录入、招聘平台批量操作）；② **行业工作流模板市场**（电商比价、招聘抓取、发票处理，按模板订阅¥299/月）；③ 托管云服务对标 skyvern.com。目标用户是中小企业的IT/运营负责人。 **训练营评估**：适合进阶营或企业内训。4小时可带学员搭建"自动采集竞品价格并入库"的完整workflow，但要讲透"视觉定位 vs 选择器"的差异。学员能产出可直接复用的业务流程模板。 **竞品与差异化**：vs 传统RPA（UiPath、Automation Anywhere、Blue Prism）——Skyvern不靠选择器，网站改版不挂；vs Bardeen/Axiom 等浏览器插件——Skyvern能处理需要视觉理解、动态渲染的复杂页面。差异化鲜明，但部署门槛高于浏览器插件。 ### 3. Stagehand · 前端工程师最友好的Agent SDK **仓库**：[browserbase/stagehand](https://github.com/browserbase/stagehand)（另有 stagehand-python）｜ **星标**：万级，增长迅猛 ｜ **最近更新**：v3 快速入门持续更新，本地开发→Browserbase云端无缝迁移 **核心功能**：把 Playwright 包装成AI优先的SDK，提供 `act`（执行动作）、`extract`（提取数据）、`observe`（观察页面）、`agent`（全自动）四个原语，TypeScript 类型安全。 **上手难度**：⭐⭐（全栈/前端最低门槛，TS + Playwright 几乎零额外学习成本） **变现评估**：**前端转AI的最佳抓手**。变现方向：① 前端/全栈AI训练营（¥399–799），主打"用你会的Playwright写Agent"；② 内部工具，如"自动巡检竞品页面变化""自动回归测试关键流程"；③ TS技术栈的外包自动化项目。Stagehand 的"渐进增强"哲学（关键步骤才用AI，省钱可控）特别打动务实的前端团队。 **训练营评估**：极适合前端开发者。2小时讲清 act/extract/observe，学员当场能把现有Playwright爬虫脚本"AI化"，改造而非重写，成就感立现。 **竞品与差异化**：vs 纯 Playwright（脆、维护痛）、vs browser-use（Python，对前端不友好）。Stagehand 定位"渐进增强"——能在传统脚本的关键步骤按需注入AI，而非全盘交给AI。这种可控性是它对工程师群体的核心吸引力，也是省钱的关键。 ### 4. Midscene.js · 把视觉自动化做到鸿蒙端 **仓库**：[web-infra-dev/midscene](https://github.com/web-infra-dev/midscene)（字节 Web Infra 团队，Rspack 同源）｜ **星标**：万级，国产开源中增长突出 ｜ **最近更新**：支持 Web / Android / iOS / 鸿蒙 HarmonyOS / 桌面全平台 **核心功能**：视觉驱动的UI测试与自动化SDK，用自然语言描述每一步，AI看截图执行；既是QA测试工具，也是通用自动化引擎，并提供Chrome扩展。 **上手难度**：⭐⭐⭐ **变现评估**：**精准打击付费QA工具**。Mabl、Reflect、ProdPointer 等AI测试SaaS月费数千元，Midscene 开源可自托管。变现方向：① 替代付费QA工具的私有化部署（¥999/月起）；② QA工程师AI转型训练营（¥499）；③ 跨端测试SaaS，尤其**鸿蒙/移动端测试是稀缺卖点**，国内终端厂商有刚需。目标用户是测试团队、终端厂商QA部门。 **训练营评估**：QA工程师友好度极高。3小时可把现有E2E测试改成"自然语言断言"（"页面应该显示订单成功"而非硬编码文本匹配），学员能直接应用于日常回归测试。 **竞品与差异化**：vs Playwright硬断言（脆）、vs Mabl（¥2k+/月闭源）。Midscene 的稀缺点在于**全平台（含鸿蒙）+ 开源 + 国产团队中文支持**，在国内信创、终端测试场景几乎没有同类开源对手。 ### 5. GPT Researcher · 自主深度研究Agent **仓库**：[assafelovic/gpt-researcher](https://github.com/assafelovic/gpt-researcher) ｜ **星标**：万级，长青项目 ｜ **官网**：gptr.dev **核心功能**：给定一个主题，自主规划子问题→多源检索→综合推理→生成结构化研究报告，支持 web 与本地知识库。 **上手难度**：⭐⭐⭐ **变现评估**：这是七款里**最易直接做成内容订阅**的项目，对标 AlphaSense（金融情报，年费数千美元）、Perplexity Pro。变现方向：① 行业情报订阅SaaS（每日自动生成"竞品动态简报"，¥199/月）；② 垂直研报服务（投研、政策、专利，按报告计价）；③ 咨询公司/分析师内部工具私有化部署。把"研究"这种高人工成本工作产品化，毛利率极高。 **训练营评估**：4小时可让学员搭出"每日竞品情报简报机器人"，产出的PDF报告可直接对外交付，商业闭环清晰。适合内容创作者、分析师、咨询从业者。 **竞品与差异化**：vs OpenAI Deep Research（订阅制、不可控）、Perplexity、AlphaSense。GPT Researcher 的差异化是**可接任意模型 + 可注入私有/本地数据 + 完全自托管**，对数据合规与定制化有刚需的金融、法律、政策研究场景不可替代。 ### 6. Nanobrowser · 装个插件就能让AI替你上网 **仓库**：[nanobrowser/nanobrowser](https://github.com/nanobrowser/nanobrowser) ｜ **形态**：开源 Chrome 扩展 ｜ **最近更新**：活跃维护，已上架Chrome Web Store **核心功能**：开源AI网页自动化Chrome扩展，采用多Agent架构（Planner规划 / Navigator操作 / Validator校验），用户自带API Key，免费替代闭源AI浏览器插件。 **上手难度**：⭐⭐（最低门槛，面向非技术用户） **变现评估**：**面向C端小白的引流与付费产品**。对标商业AI浏览器插件（HyperWrite、Multion等闭源方案月费$20+）。变现方向：① 付费增强版扩展（预配置国产模型、免填Key、¥39/月），降低使用门槛；② "AI办公提效"通识产品（教程引流→社群/进阶课）；③ 面向特定人群（如电商运营、自媒体）的定制版。用户基数大、转化路径短。 **训练营评估**：1小时入门，非技术学员也能用。最适合"AI办公提效"通识营或企业行政/运营培训，作为低门槛的"第一课"。 **竞品与差异化**：vs 闭源AI浏览器插件（付费、数据上传云端）、vs browser-use cloud（需部署）。Nanobrowser 的卖点是**开源 + 本地Key = 隐私 + 省钱 + 透明**，对隐私敏感用户和企业内网场景有天然优势。 ### 7. Camoufox · 让自动化浏览器"隐身"的底座 **仓库**：[daijro/camoufox](https://github.com/daijro/camoufox) ｜ **形态**：基于 Firefox 的反检测浏览器 ｜ **最近更新**：自 v146.1-beta.25（2026年1月）起源码完全公开 **核心功能**：通过指纹注入与轮换，让自动化浏览器不被反爬系统识别，配合 browser-use/Playwright 做稳定隐蔽的数据采集。 **上手难度**：⭐⭐⭐⭐（反爬是持续的猫鼠游戏） **变现评估**：**整条赛道的"基础设施层"**，给上面六款项目当底座。变现方向：① 数据采集即服务（按量计费，电商价格监控、舆情采集）；② 电商/比价监控SaaS（¥99–299/月）；③ 隐私浏览工具（¥99/年面向个人）。商业隐身浏览器（GoLogin、Multilogin）月费数百元，Camoufox 完全开源免费，对采集服务商是直接降本。 **训练营评估**：进阶营内容，适合搭配 browser-use 讲"如何稳定采集而不被封"。单独开课受众较窄，更适合作为采集类训练营的"进阶模块"。 **竞品与差异化**：vs GoLogin/Multilogin（闭源、按浏览器配置数收费）、vs undetected-chromedriver（仅Chrome层伪装）。Camoufox 在浏览器引擎层（Firefox 编译级）注入指纹，隐蔽性更强，且完全开源免费。 ## 四、项目分布可视化 ```mermaid quadrantChart title 开源网页智能体：变现潜力 × 上手成本 矩阵 x-axis "低上手成本" --> "高上手成本" y-axis "低变现潜力" --> "高变现潜力" quadrant-1 "高变现·高门槛（企业实施）" quadrant-2 "高变现·低门槛（训练营黄金区）" quadrant-3 "低变现·低门槛（引流产品）" quadrant-4 "低变现·高门槛（慎入）" "Nanobrowser": [0.20, 0.45] "Stagehand": [0.30, 0.72] "browser-use": [0.42, 0.92] "GPT Researcher": [0.50, 0.85] "Midscene": [0.55, 0.72] "Skyvern": [0.76, 0.86] "Camoufox": [0.82, 0.60] ``` **读图要点**：左上"训练营黄金区"是投入产出比最高的——browser-use、Stagehand、GPT Researcher 既好教又能直接变现；右上"企业实施区"的 Skyvern、Camoufox 适合做高客单价定制服务；Nanobrowser 落在引流位，是拉新与C端转化的好抓手。整套七款恰好构成一条**从底座（Camoufox）→ 引擎（browser-use/Skyvern/Stagehand）→ 测试（Midscene）→ 产出（GPT Researcher）→ 消费端（Nanobrowser）**的完整价值链，可组合售卖。 ## 五、变现潜力 Top 5 排行榜 | 排名 | 项目 | 首选变现方向 | 预估定价 | |------|------|--------------|----------| | 🥇 1 | **browser-use** | 训练营核心教具 + 本地化托管SaaS | ¥499–999 训练营 / ¥99/月 SaaS | | 🥈 2 | **Skyvern** | 企业RPA替代实施 + 工作流模板市场 | ¥5万–20万/项目 / ¥299/月模板 | | 🥉 3 | **GPT Researcher** | 行业情报订阅SaaS + 研报服务 | ¥199/月订阅 / 单报告计价 | | 4 | **Stagehand** | 前端/全栈AI训练营 + 内部工具 | ¥399–799 训练营 | | 5 | **Midscene** | AI QA私有化部署 + 测试训练营 | ¥999/月 SaaS / ¥499 训练营 | **组合打法建议**：以 browser-use 为训练营旗舰引流，Stagehand 作前端转化课，再用 Skyvern + Camoufox 接企业定制大单，GPT Researcher 做长期订阅现金流，Midscene 切测试团队B端。七款不是孤岛，而是可拼装的"网页自动化乐高"。 ## 六、延伸思考：窗口期可能只有12–18个月 网页Agent赛道的特殊性在于，它同时被**模型能力**和**网站反制**双向驱动。当前多模态模型对截图的理解已足够支撑"选择器-free"自动化，但反爬、人机验证（CAPTCHA）、动态渲染也在快速进化。这意味着： - **现在**是开源方案相对商业RPA代差最大、套利空间最厚的阶段； - 一旦头部模型厂商把computer-use深度内置（如ChatGPT Agent已初现端倪），通用机会将被收窄，但**垂直行业（电商、招聘、金融、信创测试）的定制化护城河会愈发值钱**。 对个人开发者与中小团队，优先做"垂直场景模板 + 训练营"轻资产切入；对集成商，现在锁定Skyvern/Camoufox这类企业级底座、积累行业实施案例，是未来12个月最值得押注的牌。 ## 参考来源 1. [browser-use — Make websites accessible for AI agents](https://github.com/browser-use/browser-use) — 赛道龙头，9万+星，Python + Playwright 视觉Agent，2026年6月发布v0.13 Rust内核版 2. [Skyvern-AI/skyvern — Automate browser workflows with AI](https://github.com/Skyvern-AI/skyvern) — 2万+星，计算机视觉替代选择器的企业级工作流自动化平台 3. [AI Browser Automation Tools for the LLM Agent Era (2026)](https://gist.github.com/kevinmichaelchen/9d77b8a681238cc45297dff969686175) — Stagehand / Browser Use / Skyvern 三大框架的工程实践对比 4. [web-infra-dev/midscene — Vision-driven UI automation](https://github.com/web-infra-dev/midscene) — 字节出品，覆盖Web/Android/iOS/鸿蒙/桌面的AI测试与自动化SDK 5. [Best 30+ Open Source Web Agents in 2026 — aimultiple](https://aimultiple.com/open-source-web-agents) — 自主Agent、computer-use、RPA替代四类的开源方案横评 > [!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。