用途:该技能为 browser_subagent 工具提供浏览器自动化指南,用于网页交互、用户流程测试、数据抓取与 UI 验证,并自动将会话录制为 WebP 视频保存至 artifacts 目录。
主要能力:导航(打开 URL、处理重定向)、交互(点击、输入、滚动、悬停、拖放)、提取(读取 DOM、截图、抓取数据)、验证(测试流程、校验 UI 变更)、录制(自动视频捕获)。
何时使用:需要执行 JavaScript、用户交互、登录会话状态、动态内容加载、视觉验证或录制演示时使用 browser_subagent;静态 HTML 内容用 read_url_content。
工具参数:TaskName(必填,人类可读标题,如 Testing Login Flow)、Task(必填,详细指令,需说明做什么、何时停止、返回什么,子代理为一次性自主执行,须提供完整指令)、RecordingName(必填,小写加下划线,最多 3 个词,如 login_flow_demo)。
最佳实践:任务指令要具体并含完成标准;明确返回条件、错误处理与等待条件;多步流程分步写出。元素可用 CSS 选择器、文本、ARIA 标签、位置或视觉描述定位,描述要具体。等待策略包括等待导航、元素或内容,固定延迟慎用。录制命名小写加下划线、最多 3 词。
常见模式:认证测试、数据抓取、表单提交、截图捕获、UI 验证。高级技巧涉及会话状态、多标签页、文件下载和 iframe。
限制:每次子代理调用相互独立,不共享会话;不能执行任意 JavaScript(但可操作页面元素);视频录制消耗系统资源;部分站点可能因 CAPTCHA 或机器人检测阻止自动化。若静态抓取足够或可用 API,则不应使用浏览器自动化。
示例文件:examples/login_test.md、examples/form_automation.md、examples/data_extraction.md、examples/ui_testing.md。