Hermes Agent 浏览器自动化不写代码5分钟跑通网页抓取到表单填写【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent手动核对 200 个商品页的价格你点还是机器点Hermes Agent 浏览器自动化让 AI 直接操作无头浏览器——导航、点击、填表单、读图表你只描述目标不用写一行选择器全程只有几个 browser_* 调用。⚡ 环境就绪无头浏览器零配置启动本地模式是默认选项零成本安装就两条命令npm install -g agent-browser # 安装浏览器自动化 CLI agent-browser install # 一次性下载 Chromium # Linux/Docker 缺系统依赖时加参数重装 agent-browser install --with-deps跑完预期agent-browser命令可直接调用Chromium 就绪。这步 90% 的人第一步就卡住——Linux 缺系统依赖时浏览器会静默崩溃Docker 里建议直接跑第三行。要上云的话只改环境变量不用动代码运行模式成本适用场景本地零自带 Chromium开发测试、高频操作Browserbase 云API 付费隐身、代理、反爬场景Browser Use 云Nous 订阅内生产环境⚠️ 密钥走环境变量BROWSERBASE_API_KEY、BROWSER_USE_API_KEY别硬编码进代码定期轮换。 系统会按 browser-use → browserbase → 本地的顺序自动检测可用凭据你不用手动切换模式。 能力拆解按任务选调用浏览器工具集随 agent 默认启用toolset 键为browser。下面按你要干的具体任务拆不按难度分级。抓网页数据导航 快照目标打开页面拿到一份干净的元素清单。无代码网页数据提取其实就两个调用from tools.browser_tool import browser_navigate, browser_snapshot # 导航到目标页task_id 相当于一个独立浏览器标签页 browser_navigate(https://news.ycombinator.com, task_idnews_task) # fullFalse 只返回可交互元素页面再长也不会刷屏 snapshot browser_snapshot(task_idnews_task, fullFalse)预期输出快照里出现 e1、e2、e3 这类引用后面所有点击和输入都靠它们定位。不同 task_id 的会话互不串台超长页面快照会自动截断要完整内容再调fullTrue。填表单三个调用搞定目标在搜索框输入关键词并提交。网页表单自动化填写步骤就是三个调用browser_type会自动清空原有内容不用你自己先清空再输入from tools.browser_tool import browser_type, browser_key # e5 来自上一步快照里标记的搜索输入框 browser_type(e5, Hermes Agent 教程, task_idsearch_task) # 模拟物理回车提交比再点一次按钮更稳 browser_key(Enter, task_idsearch_task)预期页面跳到搜索结果再跑一次browser_snapshot就能看到新页面的元素清单点按钮场景则换成browser_click(eX)。读图表和验证码视觉分析目标让模型直接看页面。内容要是图片、复杂布局或验证码browser_vision用自然语言提问就行from tools.browser_tool import browser_vision, browser_screenshot # 用自然语言提问模型看当前页面截图后回答 analysis browser_vision(这个页面有哪些数据可视化图表, task_idanalysis_task) # 需要留档时再截一张图 browser_screenshot(task_idanalysis_task)适用场景CAPTCHA 识别、图表数据提取、页面布局验证。批量收集页面图片 URL 用browser_get_images返回 url 和 alt 文本数组。排障控制台日志与 JS 求值目标抓页面的 JS 报错或读取某个节点的值。browser_console一石二鸟from tools.browser_tool import browser_console # 不带 expression只回显控制台日志和报错 log browser_console(task_iddebug_task) # 带 expression在页面上下文执行 JS 并返回结果 js browser_console(task_iddebug_task, expressiondocument.querySelector(.price).innerText)这些调用的后端分发逻辑在 agent/browser_registry.py云模式后端则通过 agent/browser_provider.py 定义的接口插拔。 一个完整工作流新闻聚合采集串起来看抓 Hacker News 最新头条并提取摘要真实可跑# 1. 打开真实页面一个源一个 task_id browser_navigate(https://news.ycombinator.com, task_idnews_yh) # 2. 拿交互元素清单 snapshot browser_snapshot(task_idnews_yh) # 3. 点第一条标题e12 以实际快照为准别硬编码 browser_click(e12, task_idnews_yh) # 4. 视觉分析提取标题和摘要 result browser_vision(列出当前页面标题和前 3 条新闻摘要, task_idnews_yh)预期输出result是含标题加 3 条摘要的文本全程没碰过任何 CSS 选择器。桌面端里每个 task_id 对应侧边栏一个独立会话事后能审计每个自动化干了什么抓取外部源时降低请求频率、遵守目标站条款本文只演示技术流程不提供绕过反爬的手段。避坑速查eX找不到元素 → 快照已过期页面变了 → 点击前重新browser_snapshot。空闲 5 分钟后会话断连 → 默认不活动超时 300 秒 → 调大BROWSER_INACTIVITY_TIMEOUT或复用同一 task_id。配了 Browserbase 密钥却仍在本地跑 → 环境变量不齐 →BROWSERBASE_API_KEY和BROWSERBASE_PROJECT_ID必须都配。多个云后端时选错 → 自动检测顺序是固定的 → 在config.yaml的browser.cloud_provider显式指定。下一步先跑通本地模式的导航加快照再补 type 加 Enter 完成一次表单填写然后才碰云模式。【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考