SuperAPI AI 工具集

browser-screenshot

通用与其它

查看项目

更新于 10-16 07:22

技能介绍

用途:从网页中截取聚焦的局部截图,而不是整页截图,适合截取 Reddit 帖子、推文、文章段落、图表等内容。

前提与浏览器配置:需要先安装 agent-browser。该技能使用独立的 headed Chrome 与专用持久化配置,不影响用户日常 Chrome。示例配置:PROFILE_DIR="${AGENT_BROWSER_PROFILE:-$HOME/.agent-browser-chrome}"、NAMESPACE="${NAMESPACE:-browser-screenshot}"、SESSION="${SESSION:-focused-capture}",所有浏览器命令通过 ab 函数执行,不使用 --auto-connect、通用 CDP 发现或用户日常配置。

主要流程:先用 WebSearch、WebFetch 研究和验证候选页面,再用浏览器导航、定位目标元素区域并截图裁剪。不输出未裁剪的整页或全视口截图。导航可用 ab open <url>,等待页面用 ab wait --load networkidle,定位元素用 ab screenshot --annotate、ab snapshot -i、ab get box "<selector>",截图用 ab screenshot /tmp/browser-screenshot-raw.png 或 ab screenshot --full,再用 ImageMagick 裁剪,例如 magick /tmp/browser-screenshot-full.png -crop ... +repage <output-path>.png。

区域定位与平台选择器:博文可用 article、main、[role="main"] 等容器;Reddit 可用 shreddit-post、[data-testid="post-container"];推文可用 article[data-testid="tweet"];LinkedIn 可用 .feed-shared-update-v2;Hacker News 可用 #hnmain .fatitem;GitHub 可用 [data-hpc]、.repository-content;YouTube 可用 #player-container-outer。选择器可能变化,使用前需用 get box 验证。

适用场景:为文章配图选择权威且视觉干净的来源,如官方博客、产品落地页 hero、HuggingFace 模型卡、API 文档等。

限制与注意事项:需要登录的站点应先让用户在专用窗口完成登录;不要在多个任务中并发使用同一配置,避免锁冲突;Retina 屏幕需按缩放比例换算坐标;裁剪前应清理 cookie 弹窗、浮层和固定导航;若已有专用配置运行,须验证 PROFILE_PID 与 CDP_PORT,不能退回到随意打开的 Chrome。其余细节和完整参数暂未提供。