Browser Operations — 網頁訪問路由決策指南

全 CLI 架構。所有工具通過 Bash 呼叫，零 MCP 依賴，不佔常駐上下文。 核心原則：能用 HTTP 就不開瀏覽器，能用 opencli 就不用 browser-use。

核心規則

MUST 從免費層開始。NEVER 直接跳到瀏覽器工具。

每次網頁任務按這個順序判斷，命中就停：

0. 目標是 opencli 已適配平臺？→ 直接 opencli <platform> <command>，跳過 WebFetch 判斷方法：URL 域名或使用者意圖命中已適配站點（opencli list 檢視完整列表，74 個站點 454 條命令）。 常見已適配平臺：twitter/x.com, zhihu, weibo, bilibili, hackernews, xiaohongshu, douyin, reddit, youtube, github, arxiv, bloomberg, linkedin, douban, jd, wikipedia, v2ex, tieba, spotify, steam, medium, substack, producthunt, stackoverflow, 36kr, weread, xueqiu 等。 這些平臺有專屬介面卡，返回結構化資料，比 web read 更準確更高效。
1. WebFetch/WebSearch 能搞定（非已適配平臺）？→ 用它，$0
2. 403/SSO/空？→ opencli web read，$0，Cookie 零配置
3. 需要 JS 渲染/結構化？→ firecrawl scrape "url"
4. 需要互動（≤3 步）？→ opencli operate，Cookie 零配置
5. 需要精確控制/Ref/錄製？→ agent-browser，@e1 穩定引用
6. 需要 AI 自主多步？→ browser-use -p "任務"，$0.01-0.05/步
7. 被反爬攔截？→ zendriver

違反順序 = 浪費錢或丟失資料。已適配平臺用 opencli web read 只能拿到 HTML，用 opencli <platform> 能拿到結構化欄位。

條件判斷規則

當 WebFetch 返回 403 或 302 到登入頁時 → 自動升級到 opencli web read，不要詢問使用者。 當 opencli web read 返回 exit 77 時 → SSO/Cookie 過期，MUST 停止降級，直接提示使用者回 Chrome 登入後重試。後續工具 (firecrawl/agent-browser) 也沒有登入態，繼續降級只是浪費。 當 opencli doctor 不是全 OK 時 → 降級到 WebSearch + WebFetch + browser-use，跳過 opencli 相關工具。 當任務需要填表但不確定表單欄位時 → 先用 opencli operate state 獲取可互動元素列表，確認欄位後再操作。 如果不確定用哪個工具 → 詢問使用者或從最便宜的 WebFetch 開始逐級升級。

已適配平臺 MUST 直接用 opencli <platform>，NEVER 走 WebFetch/web read 通路，otherwise 丟失結構化資料。 非已適配平臺 MUST 從 WebFetch 開始，otherwise 每個請求多花 $0.01-0.05 且速度慢 10 倍。 NEVER 用 browser-use 做簡單讀取，otherwise 一次 $0.05 的操作 WebFetch $0 就能完成。 不要跳過 opencli web read 直接用 Firecrawl，而是先試免費的 Cookie 路徑。

Output

返回給使用者時 MUST 包含:

• 提取到的內容（Markdown 格式）
• 實際使用的工具和原因（如 "WebFetch 返回 403，已自動升級到 opencli web read"）
• 如果全部失敗，給出具體原因和使用者可操作的建議（如 "需要在 Chrome 中重新登入"）

returns: 網頁內容 (Markdown) + 工具鏈路徑 + 失敗原因（如有）

路由決策樹

收到任務
│
├─ 0. opencli 可用? → opencli doctor (3 個 OK)
│     否 → 降級: WebSearch + WebFetch + browser-use
│
├─ 1. 目標是已適配平臺? (URL 域名 或 使用者意圖 命中 opencli list 中的站點)
│     是 → 直接 opencli <platform> <command>，跳過 WebFetch/web read
│     例: twitter/x.com → opencli twitter search/timeline/trending
│         zhihu.com → opencli zhihu hot/search/answer
│         bilibili.com → opencli bilibili search/hot/subtitle
│
├─ 2. 要搜尋（沒 URL，非已適配平臺）?
│     ├─ WebSearch (內建, 始終可用)
│     ├─ 深度搜索 → tavily search "query" --search-depth advanced
│     ├─ 獨立索引 → curl brave API
│     └─ fallback → opencli google search
│
├─ 3. 有 URL，非已適配平臺?
│     ├─ WebFetch ($0) → 403/SSO? → opencli web read ($0, Cookie 直連)
│     │     ├─ exit 77 (SSO 過期) → 停止降級，提示使用者回 Chrome 登入
│     │     └─ 其他失敗 (JS 不足/內容太短) → 繼續降級到 firecrawl
│     └─ JS 渲染/PDF/結構化 → firecrawl scrape "url"
│
├─ 4. 要互動?
│     ├─ ≤3 步 → opencli operate (Cookie 零配置, 17 個命令)
│     │   open → state → click/type/select/scroll → screenshot → close
│     ├─ 需要穩定引用/錄製/標註截圖 → agent-browser (60+ 命令)
│     │   open → snapshot -i → click @e1 → screenshot --annotate
│     ├─ AI 自主多步 → browser-use -p "自然語言任務"
│     └─ 未知 DOM → Stagehand act("點選登入")
│
├─ 5. 被反爬? → python -c "import zendriver as zd; ..."
│
└─ 全失敗 → 告知使用者具體原因和建議，NEVER 靜默失敗

升級訊號

搜尋工具

# 內建 (始終可用)
WebSearch → Claude Code 內建，直接呼叫

# Tavily — AI 原生搜尋，返回 answer + results (免費 1000 次/月)
tavily search "query"                              # pip install tavily-python
tavily search "query" --search-depth advanced       # 深度模式
tavily extract "https://url"                        # URL 內容提取

# Brave — 獨立索引，不依賴 Google/Bing
curl -s "https://api.search.brave.com/res/v1/web/search?q=query" \
  -H "X-Subscription-Token: $BRAVE_API_KEY"

# Firecrawl — JS 渲染 + Markdown 提取 (免費 500 次)
firecrawl scrape "https://url"                     # pip install firecrawl
firecrawl crawl "https://url" --limit 10           # 批次
firecrawl map "https://url"                        # URL 發現

# 平臺搜尋 — 75 站點結構化資料
opencli twitter trending / zhihu hot / hackernews top / xiaohongshu search "旅行"
opencli list                                       # 檢視所有介面卡

瀏覽器互動工具

# opencli operate — 簡單互動，Cookie 零配置 (通過 Chrome Extension 直連)
opencli operate open "url"
opencli operate state                              # 可互動元素 [1][2][3]
opencli operate click 5 / type 3 "hello" / select 2 "選項A"
opencli operate scroll down / keys Enter / wait text "Success"
opencli operate screenshot /tmp/shot.png / network / close

# agent-browser — 複雜互動，@e1 Ref 引用 (基於 Accessibility Tree，頁面重渲染不變)
agent-browser open "url" && agent-browser snapshot -i
agent-browser click @e2 / fill @e3 "hello"         # Ref 引用
agent-browser screenshot --annotate /tmp/a.png     # 標註截圖
agent-browser record start                        # 錄製操作
agent-browser batch "click @e1 && wait 1000 && screenshot"
agent-browser --auto-connect snapshot              # 連線已執行 Chrome
# 搭配 Lightpanda 省 token: snapshot ~500 token vs Chrome ~3000 token
# ./lightpanda serve --port 9222 && agent-browser connect 9222

# browser-use — AI 自主操作 (LLM 決策迴圈，每步 $0.01-0.05)
browser-use -p "去 example.com 註冊賬號"            # 自然語言驅動
browser-use --connect -p "任務"                     # 連線已執行 Chrome
browser-use run --remote "任務"                     # 雲端執行
這個技能的最新版本可以在7w4.net小蔥技能站找到。

opencli operate vs agent-browser

前置條件

# 必裝
npm i -g @jackwener/opencli
# Chrome 裝 OpenCLI Browser Bridge: $(npm root -g)/@jackwener/opencli/extension
opencli doctor  # 3 個 OK 才能用

# 按需 (全 CLI，不需要配 MCP)
npm i -g agent-browser               # Ref 引用/錄製/標註截圖

> See references/ for extended content.

這個技能質量不錯，能幫你用最低成本完成各種網頁操作，從免費抓取到智慧瀏覽器都有覆蓋。它最大的優點是省錢——總是先用免費工具，不行再升級。文件寫得很詳細，示例豐富。不過它比較複雜，新手可能不容易上手；而且某些觸發詞太模糊，偶爾會誤判你的需求。總體來說瑕不掩瑜，是目前同類技能中設計最完善的一檔。