← 返回教程列表
OpenHuman 网页爬虫与浏览器控制 — AI 自动浏览网页和操作桌面
OpenHuman 内置了两种强大的网页工具：Web Scraper（网页爬虫）能从任意 URL 提取纯文本内容；浏览器与计算机控制则能像真人一样操控你的浏览器和桌面。两者结合，AI 可以完成从信息提取到交互操作的完整工作流。
🌐 Web Scraper（网页爬虫）
当你只需要网页的正文内容，不需要交互操作时，Web Scraper 是最直接的方案。
能力
- 从任意 URL 提取纯文本： 传入一个网址，自动将 HTML 转换为结构化 Markdown
- 支持多种内容类型： 文章、文档、README、API 文档等
- 自动 TokenJuice 压缩： 抓取内容自动通过 TokenJuice 压缩，控制成本
- 与记忆系统集成： 抓取结果可存入 Memory Tree
使用示例
"打开 https://example.com/docs 帮我总结一下" → AI 抓取页面并为你总结。
🖥️ 浏览器与计算机控制
当 AI 需要像真人一样操作你的电脑时——打开页面、截图、点击、输入文字——就用到这些工具。
浏览器控制
- 打开 URL： 在内嵌的浏览器视窗中打开任意网页
- 截图： 截取当前页面内容
- 检查输出： 查看图片内容、页面元数据
浏览器基于 CEF（Chromium Embedded Framework），包含安全层来限定页面行为范围。
鼠标键盘控制
- 鼠标： 移动、点击、拖拽
- 键盘： 输入文字、发送快捷键组合
- 人类化轨迹： 移动和点击模拟真人轨迹，而非瞬移跳跃，因此不会触发简单的机器人检测
适用场景
- 没有 API 的网站： 通过浏览器操作来驱动没有提供 API 或原生集成的网站
- 多步骤 UI 流程： 一次截图不够，需要连续操作才能完成的任务
- 自动化本地应用： 在对话中操控你的桌面应用
📊 什么时候用哪个？
| 场景 | 推荐工具 | 原因 |
|---|---|---|
| 阅读文章/文档 | Web Scraper | 更快，更省 token |
| 填表单/登录 | 浏览器控制 | 需要交互操作 |
| 监控页面变化 | Web Scraper | 定期抓取即可 |
| 多步骤 UI 自动化 | 浏览器控制 | 需要连续操作 |
| 获取 API 响应 | Web Scraper | 直接提取文本 |
🔒 安全边界
- 浏览器在 CEF 沙箱中运行，无法访问你的个人浏览器数据
- 文件系统工具受工作区范围限制
- 网络工具默认使用 OpenHuman 托管代理，除非你配置自托管路径（如 SearXNG）
- 所有工具输出经过 TokenJuice 压缩后进入模型上下文
💡 使用示例
- "帮我在 GitHub 上给这个项目点个 star" → 打开浏览器，导航到页面，自动点击 star 按钮
- "抓取这篇论文的摘要" → Web Scraper 提取纯文本并总结
- "帮我登录到公司后台看一眼项目进度" → 浏览器控制输入账号密码并截图