用途:这是 agent-browser 技能内部的“数据抓取执行协议”模板,由 agent-browser 编排器调用,用于规范网页数据提取的执行顺序与回退策略。
主要能力与流程:先用最快、无 JS 开销的 lightpanda 引擎打开页面并等待加载完成,命令为 AGENT_BROWSER_ENGINE=lightpanda agent-browser open <url> 与 AGENT_BROWSER_ENGINE=lightpanda agent-browser wait --load networkidle;随后用 snapshot -c 了解结构,用 get count ".item" 验证选择器确实命中元素,再执行 eval 提取字段。若结果为空或错误,则回退到 chrome 引擎(默认引擎)重复打开、等待、计数与提取。
分页处理:滚动式无限加载用 scroll down 加 wait --load networkidle,再用 get count 检查数量是否增加并重复提取;点击式分页用 find role button click --name "Next",也可用 wait --text 等待特定文本确认页面已加载。
输出解析:可用 --content-boundaries 配合 --max-output 便于解析,或用 --json 获取结构化输出。反爬方面提供两级手段:自定义 --user-agent,以及叠加 --args "--disable-blink-features=AutomationControlled"。
限制与注意:eval 前必须先 wait --load networkidle,否则 JS 渲染内容尚不存在;不要假设 lightpanda 能处理 JS 重的页面,需准备 chrome 回退;抓取前必须先用 get count 校验选择器。遇到验证码等反爬阻断、或回退后计数仍为 0 时应暂停并向用户确认。AGENT_BROWSER_NATIVE=1 在 0.22+ 已不再文档化,应改用 AGENT_BROWSER_ENGINE=chrome 或默认值。