bobo-ai-cli 3.0.4 → 3.0.5

package/knowledge/skills/browser-use.md

@@ -1,419 +1,419 @@
----
-id: "browser-use"
-title: "Browser-Use Skill"
-category: "infrastructure"
-tags: ["browser-use skill", "📚 概述", "🚀 快速开始", "创建环境", "安装 browser-use 和 chromium", "browser use（推荐 - 最快速度 + 最低成本）", "或者使用其他 llm", "🏗️ 核心概念", "🛠️ 开发规则", "🎯 开发命令"]
-triggers: []
-dependencies: []
-source: "E:/Bobo's Coding cache/.claude/skills/browser-use"
----
-
-# Browser-Use Skill
-
-> AI 驱动的浏览器自动化库 - 使用 LLM 控制浏览器完成复杂任务
-
-## 📚 概述
-
-Browser-Use 是一个 async Python >= 3.11 库，通过 LLM + CDP (Chrome DevTools Protocol) 实现 AI 浏览器驱动能力。核心架构使 AI agents 能够自主导航网页、与元素交互、通过处理 HTML 并做出 LLM 驱动的决策来完成复杂任务。
-
-## 🚀 快速开始
-
-### 1. 安装 Browser-Use
-
-```bash
-# 创建环境
-pip install uv
-uv venv --python 3.12
-source .venv/bin/activate
-# Windows 使用: .venv\Scripts\activate
-
-# 安装 browser-use 和 chromium
-uv pip install browser-use
-uvx browser-use install
-```
-
-### 2. 选择你喜欢的 LLM
-
-创建 `.env` 文件并添加 API key：
-
-```bash
-# Browser Use（推荐 - 最快速度 + 最低成本）
-BROWSER_USE_API_KEY=your_key_here
-# 在 https://cloud.browser-use.com/new-api-key 获取 $10 免费额度
-
-# 或者使用其他 LLM
-OPENAI_API_KEY=your_key_here
-ANTHROPIC_API_KEY=your_key_here
-GOOGLE_API_KEY=your_key_here
-```
-
-### 3. 运行第一个 Agent
-
-```python
-from browser_use import Agent, ChatBrowserUse
-from dotenv import load_dotenv
-import asyncio
-
-load_dotenv()
-
-async def main():
-    llm = ChatBrowserUse()
-    task = "查找 Hacker News 上排名第一的帖子"
-    agent = Agent(task=task, llm=llm)
-    await agent.run()
-
-if __name__ == "__main__":
-    asyncio.run(main())
-```
-
-### 4. 生产部署
-
-使用 `@sandbox` 装饰器部署到生产环境，并扩展到百万级 agents：
-
-```python
-from browser_use import Browser, sandbox, ChatBrowserUse
-from browser_use.agent.service import Agent
-import asyncio
-
-@sandbox(cloud_profile_id='your-profile-id')
-async def production_task(browser: Browser):
-    agent = Agent(
-        task="你的认证任务",
-        browser=browser,
-        llm=ChatBrowserUse()
-    )
-    await agent.run()
-
-asyncio.run(production_task())
-```
-
-同步本地 cookies 到云端：
-
-```bash
-export BROWSER_USE_API_KEY=your_key && curl -fsSL https://browser-use.com/profile.sh | sh
-```
-
-## 🏗️ 核心概念
-
-### Agent 基础
-
-```python
-from browser_use import Agent, ChatBrowserUse
-
-agent = Agent(
-    task="搜索最新 AI 新闻",
-    llm=ChatBrowserUse(),
-)
-
-async def main():
-    history = await agent.run(max_steps=100)
-
-    # 访问有用信息
-    history.urls()                    # 访问过的 URL 列表
-    history.action_names()            # 执行的操作名称
-    history.final_result()            # 最终提取的内容
-    history.is_successful()           # 检查是否成功完成
-```
-
-### Browser 配置
-
-```python
-from browser_use import Agent, Browser, ChatBrowserUse
-
-browser = Browser(
-    headless=False,  # 显示浏览器窗口
-    window_size={'width': 1000, 'height': 700},
-    proxy=ProxySettings(server='http://host:8080'),
-    user_data_dir='./profile',  # 保持登录状态
-)
-
-agent = Agent(
-    task='搜索 Browser Use',
-    browser=browser,
-    llm=ChatBrowserUse(),
-)
-```
-
-### Tools（工具）
-
-自定义工具扩展 agent 能力：
-
-```python
-from browser_use import Tools, ActionResult, Browser
-
-tools = Tools()
-
-@tools.action('向人类询问问题')
-def ask_human(question: str, browser: Browser) -> ActionResult:
-    answer = input(f'{question} > ')
-    return f'人类回答: {answer}'
-
-agent = Agent(
-    task='向人类寻求帮助',
-    llm=llm,
-    tools=tools,
-)
-```
-
-## 🛠️ 开发规则
-
-### 核心原则
-
-1. **始终使用 `uv` 而不是 `pip`**
-
-   ```bash
-   uv venv --python 3.11
-   source .venv/bin/activate
-   uv sync
-   ```
-
-2. **类型安全编码**
-   - 使用 Pydantic v2 模型进行所有内部操作
-   - 使用现代 Python 类型提示：`str | None` 而非 `Optional[str]`
-
-3. **Pre-commit 格式化**
-   - 在提交 PR 前始终运行 pre-commit
-
-4. **使用描述性名称和文档字符串**
-
-5. **返回 `ActionResult` 结构化内容**
-   - 帮助 agent 更好地推理
-
-6. **从不创建随机示例**
-   - 测试功能时使用终端内联代码
-
-7. **默认推荐 `ChatBrowserUse` 模型**
-   - 最高准确度 + 最快速度 + 最低 token 成本
-
-## 🎯 开发命令
-
-```bash
-# 设置
-uv venv --python 3.11
-source .venv/bin/activate
-uv sync
-
-# 测试
-uv run pytest -vxs tests/ci        # CI 测试
-uv run pytest -vxs tests/          # 所有测试
-
-# 质量检查
-uv run pyright                      # 类型检查
-uv run ruff check --fix            # Linting
-uv run ruff format                 # 格式化
-uv run pre-commit run --all-files  # Pre-commit hooks
-
-# MCP 服务器模式
-uvx browser-use[cli] --mcp
-```
-
-## 📖 可用工具（Actions）
-
-### 导航和浏览器控制
-
-- `search` - 搜索查询（DuckDuckGo、Google、Bing）
-- `navigate` - 导航到 URL
-- `go_back` - 返回浏览器历史
-- `wait` - 等待指定秒数
-
-### 页面交互
-
-- `click` - 通过索引点击元素
-- `input` - 输入文本到表单字段
-- `upload_file` - 上传文件
-- `scroll` - 滚动页面
-- `find_text` - 滚动到页面上的特定文本
-- `send_keys` - 发送特殊按键（Enter、Escape 等）
-
-### JavaScript 执行
-
-- `evaluate` - 在页面上执行自定义 JavaScript 代码
-
-### 标签页管理
-
-- `switch` - 在浏览器标签页之间切换
-- `close` - 关闭浏览器标签页
-
-### 内容提取
-
-- `extract` - 使用 LLM 从网页提取数据
-
-### 视觉分析
-
-- `screenshot` - 请求下一个浏览器状态的截图
-
-### 表单控件
-
-- `dropdown_options` - 获取下拉选项值
-- `select_dropdown` - 选择下拉选项
-
-### 文件操作
-
-- `write_file` - 写入内容到文件
-- `read_file` - 读取文件内容
-- `replace_file` - 替换文件中的文本
-
-### 任务完成
-
-- `done` - 完成任务（始终可用）
-
-## 💡 提示技巧
-
-### 1. 具体 vs 开放式
-
-**✅ 具体（推荐）**
-
-```python
-task = """
-1. 访问 https://quotes.toscrape.com/
-2. 使用 extract 操作查询 "前 3 条引用及其作者"
-3. 使用 write_file 操作将结果保存到 quotes.csv
-4. 对第一条引用进行 Google 搜索并找到写作时间
-"""
-```
-
-**❌ 开放式**
-
-```python
-task = "访问网络并赚钱"
-```
-
-### 2. 直接命名操作
-
-当你确切知道 agent 应该做什么时，直接引用操作名称：
-
-```python
-task = """
-1. 使用 search 操作查找 "Python 教程"
-2. 使用 click 在新标签页中打开第一个结果
-3. 使用 scroll 操作向下滚动 2 页
-4. 使用 extract 提取前 5 项的名称
-5. 如果页面未加载，等待 2 秒，刷新并等待 10 秒
-6. 使用 send_keys 操作输入 "Tab Tab ArrowDown Enter"
-"""
-```
-
-### 3. 通过键盘导航处理交互问题
-
-有时按钮无法点击（你发现了库中的 bug - 提交 issue）。好消息 - 通常可以通过键盘导航解决！
-
-```python
-task = """
-如果提交按钮无法点击：
-1. 使用 send_keys 操作输入 "Tab Tab Enter" 进行导航和激活
-2. 或使用 send_keys 输入 "ArrowDown ArrowDown Enter" 提交表单
-"""
-```
-
-### 4. 自定义操作集成
-
-```python
-@controller.action("从认证器应用获取 2FA 代码")
-async def get_2fa_code():
-    # 你的实现
-    pass
-
-task = """
-使用 2FA 登录：
-1. 输入用户名/密码
-2. 提示输入 2FA 时，使用 get_2fa_code 操作
-3. 永远不要尝试从页面手动提取 2FA 代码
-4. 始终使用 get_2fa_code 操作获取认证代码
-"""
-```
-
-### 5. 错误恢复
-
-```python
-task = """
-稳健的数据提取：
-1. 访问 openai.com 查找他们的 CEO
-2. 如果由于反机器人保护导航失败：
-   - 使用 Google 搜索查找 CEO
-3. 如果页面超时，使用 go_back 并尝试替代方法
-"""
-```
-
-## 🌟 高级功能
-
-### 结构化输出
-
-使用 Pydantic 模型获取结构化输出：
-
-```python
-from pydantic import BaseModel
-
-class Quote(BaseModel):
-    text: str
-    author: str
-
-agent = Agent(
-    task="提取前 3 条引用",
-    llm=llm,
-    output_model_schema=Quote,
-)
-
-history = await agent.run()
-structured_data = history.structured_output
-```
-
-### 远程浏览器（Browser-Use Cloud）
-
-```python
-from browser_use import Browser, ChatBrowserUse
-
-# 简单：使用 Browser-Use 云浏览器服务
-browser = Browser(use_cloud=True)
-
-# 高级：配置云浏览器参数
-browser = Browser(
-    cloud_profile_id='your-profile-id',  # 特定浏览器配置
-    cloud_proxy_country_code='us',       # 代理位置
-    cloud_timeout=30,                    # 会话超时（分钟）
-)
-```
-
-### MCP 集成
-
-Browser-Use 支持两种模式：
-
-1. **作为 MCP 服务器**：向 MCP 客户端（如 Claude Desktop）公开浏览器自动化工具
-2. **使用 MCP 客户端**：Agent 可以连接到外部 MCP 服务器以扩展能力
-
-```bash
-# 作为 MCP 服务器运行
-uvx browser-use[cli] --mcp
-```
-
-## 📂 项目结构
-
-```
-browser_use/
-├── agent/              # Agent 核心逻辑
-│   ├── service.py     # 主编排器
-│   ├── views.py       # Pydantic 模型
-│   └── system_prompt*.md  # Agent 提示词
-├── browser/           # 浏览器管理
-│   ├── session.py    # BrowserSession + CDP 客户端
-│   └── profile.py    # 浏览器配置和启动参数
-├── dom/              # DOM 处理
-│   └── service.py    # DomService 提取和处理
-├── tools/            # 操作注册表
-│   └── service.py    # 工具定义
-├── llm/              # LLM 集成层
-└── mcp/              # MCP 集成
-    └── client.py     # MCP 客户端连接
-```
-
-## 🔗 相关资源
-
-- **GitHub**: https://github.com/browser-use/browser-use
-- **文档**: https://docs.browser-use.com
-- **Discord**: https://link.browser-use.com/discord
-- **Cloud**: https://cloud.browser-use.com
-
-## 🤝 支持
-
-- 查看 [GitHub Issues](https://github.com/browser-use/browser-use/issues)
-- 在 [Discord 社区](https://link.browser-use.com/discord) 提问
-- 企业支持：support@browser-use.com
+---
+id: "browser-use"
+title: "Browser-Use Skill"
+category: "infrastructure"
+tags: ["browser-use skill", "📚 概述", "🚀 快速开始", "创建环境", "安装 browser-use 和 chromium", "browser use（推荐 - 最快速度 + 最低成本）", "或者使用其他 llm", "🏗️ 核心概念", "🛠️ 开发规则", "🎯 开发命令"]
+triggers: []
+dependencies: []
+source: "E:/Bobo's Coding cache/.claude/skills/browser-use"
+---
+
+# Browser-Use Skill
+
+> AI 驱动的浏览器自动化库 - 使用 LLM 控制浏览器完成复杂任务
+
+## 📚 概述
+
+Browser-Use 是一个 async Python >= 3.11 库，通过 LLM + CDP (Chrome DevTools Protocol) 实现 AI 浏览器驱动能力。核心架构使 AI agents 能够自主导航网页、与元素交互、通过处理 HTML 并做出 LLM 驱动的决策来完成复杂任务。
+
+## 🚀 快速开始
+
+### 1. 安装 Browser-Use
+
+```bash
+# 创建环境
+pip install uv
+uv venv --python 3.12
+source .venv/bin/activate
+# Windows 使用: .venv\Scripts\activate
+
+# 安装 browser-use 和 chromium
+uv pip install browser-use
+uvx browser-use install
+```
+
+### 2. 选择你喜欢的 LLM
+
+创建 `.env` 文件并添加 API key：
+
+```bash
+# Browser Use（推荐 - 最快速度 + 最低成本）
+BROWSER_USE_API_KEY=your_key_here
+# 在 https://cloud.browser-use.com/new-api-key 获取 $10 免费额度
+
+# 或者使用其他 LLM
+OPENAI_API_KEY=your_key_here
+ANTHROPIC_API_KEY=your_key_here
+GOOGLE_API_KEY=your_key_here
+```
+
+### 3. 运行第一个 Agent
+
+```python
+from browser_use import Agent, ChatBrowserUse
+from dotenv import load_dotenv
+import asyncio
+
+load_dotenv()
+
+async def main():
+    llm = ChatBrowserUse()
+    task = "查找 Hacker News 上排名第一的帖子"
+    agent = Agent(task=task, llm=llm)
+    await agent.run()
+
+if __name__ == "__main__":
+    asyncio.run(main())
+```
+
+### 4. 生产部署
+
+使用 `@sandbox` 装饰器部署到生产环境，并扩展到百万级 agents：
+
+```python
+from browser_use import Browser, sandbox, ChatBrowserUse
+from browser_use.agent.service import Agent
+import asyncio
+
+@sandbox(cloud_profile_id='your-profile-id')
+async def production_task(browser: Browser):
+    agent = Agent(
+        task="你的认证任务",
+        browser=browser,
+        llm=ChatBrowserUse()
+    )
+    await agent.run()
+
+asyncio.run(production_task())
+```
+
+同步本地 cookies 到云端：
+
+```bash
+export BROWSER_USE_API_KEY=your_key && curl -fsSL https://browser-use.com/profile.sh | sh
+```
+
+## 🏗️ 核心概念
+
+### Agent 基础
+
+```python
+from browser_use import Agent, ChatBrowserUse
+
+agent = Agent(
+    task="搜索最新 AI 新闻",
+    llm=ChatBrowserUse(),
+)
+
+async def main():
+    history = await agent.run(max_steps=100)
+
+    # 访问有用信息
+    history.urls()                    # 访问过的 URL 列表
+    history.action_names()            # 执行的操作名称
+    history.final_result()            # 最终提取的内容
+    history.is_successful()           # 检查是否成功完成
+```
+
+### Browser 配置
+
+```python
+from browser_use import Agent, Browser, ChatBrowserUse
+
+browser = Browser(
+    headless=False,  # 显示浏览器窗口
+    window_size={'width': 1000, 'height': 700},
+    proxy=ProxySettings(server='http://host:8080'),
+    user_data_dir='./profile',  # 保持登录状态
+)
+
+agent = Agent(
+    task='搜索 Browser Use',
+    browser=browser,
+    llm=ChatBrowserUse(),
+)
+```
+
+### Tools（工具）
+
+自定义工具扩展 agent 能力：
+
+```python
+from browser_use import Tools, ActionResult, Browser
+
+tools = Tools()
+
+@tools.action('向人类询问问题')
+def ask_human(question: str, browser: Browser) -> ActionResult:
+    answer = input(f'{question} > ')
+    return f'人类回答: {answer}'
+
+agent = Agent(
+    task='向人类寻求帮助',
+    llm=llm,
+    tools=tools,
+)
+```
+
+## 🛠️ 开发规则
+
+### 核心原则
+
+1. **始终使用 `uv` 而不是 `pip`**
+
+   ```bash
+   uv venv --python 3.11
+   source .venv/bin/activate
+   uv sync
+   ```
+
+2. **类型安全编码**
+   - 使用 Pydantic v2 模型进行所有内部操作
+   - 使用现代 Python 类型提示：`str | None` 而非 `Optional[str]`
+
+3. **Pre-commit 格式化**
+   - 在提交 PR 前始终运行 pre-commit
+
+4. **使用描述性名称和文档字符串**
+
+5. **返回 `ActionResult` 结构化内容**
+   - 帮助 agent 更好地推理
+
+6. **从不创建随机示例**
+   - 测试功能时使用终端内联代码
+
+7. **默认推荐 `ChatBrowserUse` 模型**
+   - 最高准确度 + 最快速度 + 最低 token 成本
+
+## 🎯 开发命令
+
+```bash
+# 设置
+uv venv --python 3.11
+source .venv/bin/activate
+uv sync
+
+# 测试
+uv run pytest -vxs tests/ci        # CI 测试
+uv run pytest -vxs tests/          # 所有测试
+
+# 质量检查
+uv run pyright                      # 类型检查
+uv run ruff check --fix            # Linting
+uv run ruff format                 # 格式化
+uv run pre-commit run --all-files  # Pre-commit hooks
+
+# MCP 服务器模式
+uvx browser-use[cli] --mcp
+```
+
+## 📖 可用工具（Actions）
+
+### 导航和浏览器控制
+
+- `search` - 搜索查询（DuckDuckGo、Google、Bing）
+- `navigate` - 导航到 URL
+- `go_back` - 返回浏览器历史
+- `wait` - 等待指定秒数
+
+### 页面交互
+
+- `click` - 通过索引点击元素
+- `input` - 输入文本到表单字段
+- `upload_file` - 上传文件
+- `scroll` - 滚动页面
+- `find_text` - 滚动到页面上的特定文本
+- `send_keys` - 发送特殊按键（Enter、Escape 等）
+
+### JavaScript 执行
+
+- `evaluate` - 在页面上执行自定义 JavaScript 代码
+
+### 标签页管理
+
+- `switch` - 在浏览器标签页之间切换
+- `close` - 关闭浏览器标签页
+
+### 内容提取
+
+- `extract` - 使用 LLM 从网页提取数据
+
+### 视觉分析
+
+- `screenshot` - 请求下一个浏览器状态的截图
+
+### 表单控件
+
+- `dropdown_options` - 获取下拉选项值
+- `select_dropdown` - 选择下拉选项
+
+### 文件操作
+
+- `write_file` - 写入内容到文件
+- `read_file` - 读取文件内容
+- `replace_file` - 替换文件中的文本
+
+### 任务完成
+
+- `done` - 完成任务（始终可用）
+
+## 💡 提示技巧
+
+### 1. 具体 vs 开放式
+
+**✅ 具体（推荐）**
+
+```python
+task = """
+1. 访问 https://quotes.toscrape.com/
+2. 使用 extract 操作查询 "前 3 条引用及其作者"
+3. 使用 write_file 操作将结果保存到 quotes.csv
+4. 对第一条引用进行 Google 搜索并找到写作时间
+"""
+```
+
+**❌ 开放式**
+
+```python
+task = "访问网络并赚钱"
+```
+
+### 2. 直接命名操作
+
+当你确切知道 agent 应该做什么时，直接引用操作名称：
+
+```python
+task = """
+1. 使用 search 操作查找 "Python 教程"
+2. 使用 click 在新标签页中打开第一个结果
+3. 使用 scroll 操作向下滚动 2 页
+4. 使用 extract 提取前 5 项的名称
+5. 如果页面未加载，等待 2 秒，刷新并等待 10 秒
+6. 使用 send_keys 操作输入 "Tab Tab ArrowDown Enter"
+"""
+```
+
+### 3. 通过键盘导航处理交互问题
+
+有时按钮无法点击（你发现了库中的 bug - 提交 issue）。好消息 - 通常可以通过键盘导航解决！
+
+```python
+task = """
+如果提交按钮无法点击：
+1. 使用 send_keys 操作输入 "Tab Tab Enter" 进行导航和激活
+2. 或使用 send_keys 输入 "ArrowDown ArrowDown Enter" 提交表单
+"""
+```
+
+### 4. 自定义操作集成
+
+```python
+@controller.action("从认证器应用获取 2FA 代码")
+async def get_2fa_code():
+    # 你的实现
+    pass
+
+task = """
+使用 2FA 登录：
+1. 输入用户名/密码
+2. 提示输入 2FA 时，使用 get_2fa_code 操作
+3. 永远不要尝试从页面手动提取 2FA 代码
+4. 始终使用 get_2fa_code 操作获取认证代码
+"""
+```
+
+### 5. 错误恢复
+
+```python
+task = """
+稳健的数据提取：
+1. 访问 openai.com 查找他们的 CEO
+2. 如果由于反机器人保护导航失败：
+   - 使用 Google 搜索查找 CEO
+3. 如果页面超时，使用 go_back 并尝试替代方法
+"""
+```
+
+## 🌟 高级功能
+
+### 结构化输出
+
+使用 Pydantic 模型获取结构化输出：
+
+```python
+from pydantic import BaseModel
+
+class Quote(BaseModel):
+    text: str
+    author: str
+
+agent = Agent(
+    task="提取前 3 条引用",
+    llm=llm,
+    output_model_schema=Quote,
+)
+
+history = await agent.run()
+structured_data = history.structured_output
+```
+
+### 远程浏览器（Browser-Use Cloud）
+
+```python
+from browser_use import Browser, ChatBrowserUse
+
+# 简单：使用 Browser-Use 云浏览器服务
+browser = Browser(use_cloud=True)
+
+# 高级：配置云浏览器参数
+browser = Browser(
+    cloud_profile_id='your-profile-id',  # 特定浏览器配置
+    cloud_proxy_country_code='us',       # 代理位置
+    cloud_timeout=30,                    # 会话超时（分钟）
+)
+```
+
+### MCP 集成
+
+Browser-Use 支持两种模式：
+
+1. **作为 MCP 服务器**：向 MCP 客户端（如 Claude Desktop）公开浏览器自动化工具
+2. **使用 MCP 客户端**：Agent 可以连接到外部 MCP 服务器以扩展能力
+
+```bash
+# 作为 MCP 服务器运行
+uvx browser-use[cli] --mcp
+```
+
+## 📂 项目结构
+
+```
+browser_use/
+├── agent/              # Agent 核心逻辑
+│   ├── service.py     # 主编排器
+│   ├── views.py       # Pydantic 模型
+│   └── system_prompt*.md  # Agent 提示词
+├── browser/           # 浏览器管理
+│   ├── session.py    # BrowserSession + CDP 客户端
+│   └── profile.py    # 浏览器配置和启动参数
+├── dom/              # DOM 处理
+│   └── service.py    # DomService 提取和处理
+├── tools/            # 操作注册表
+│   └── service.py    # 工具定义
+├── llm/              # LLM 集成层
+└── mcp/              # MCP 集成
+    └── client.py     # MCP 客户端连接
+```
+
+## 🔗 相关资源
+
+- **GitHub**: https://github.com/browser-use/browser-use
+- **文档**: https://docs.browser-use.com
+- **Discord**: https://link.browser-use.com/discord
+- **Cloud**: https://cloud.browser-use.com
+
+## 🤝 支持
+
+- 查看 [GitHub Issues](https://github.com/browser-use/browser-use/issues)
+- 在 [Discord 社区](https://link.browser-use.com/discord) 提问
+- 企业支持：support@browser-use.com