agent-browser

agent-browser 技能為 AI 代理提供強大的網頁導航與互動能力，專為 NanoClaw 容器化生態系統而設計。它允許代理模擬人類瀏覽行為，執行複雜任務，包括網頁導航、填寫動態表單、點擊互動元素以及提取結構化資料。此技能適合需要自動化網頁工作流程，同時又希望透過 Linux 容器隔離確保主機環境安全的研究人員、工程師及專業使用者。

• 完整的網頁導航：包含開啟、返回、前進、重新載入及 PDF 產生功能。

• 智慧型快照：產生無障礙樹狀圖，並透過 DOM 參考（如 @e1）識別可互動元素。

• 互動工具套件：支援點擊、雙擊、輸入文字、勾選核取方塊、選擇下拉選單、懸停以及檔案上傳。

• 資訊提取：提取文字、innerHTML、數值、屬性、網頁詮釋資料，或計算指定元素的數量。

• 語意定位：透過角色 (role)、標籤 (label)、佔位符 (placeholder) 或可見文字等易於閱讀的屬性搜尋並互動。

• 工作階段管理：支援 Cookie 操作、本機儲存空間管理，以及保存與載入身份驗證狀態以達成持久化。

• JavaScript 執行：在瀏覽器上下文中執行自訂指令碼，實現進階頁面操作。

• 等待工具：支援針對特定元素、網路空閒狀態、文字出現或網址模式進行智慧等待。

• 最佳實踐：在嘗試互動前，務必先執行快照以獲取最新且有效的元素參考。

• 效率：使用互動式快照 (-i) 以限制 DOM 樹範圍，減少處理時的 Token 消耗。

• 持久化：善用狀態保存功能處理已登入的工作階段，避免重複登入程序。

• 隔離性：此技能透過安全 Bash 呼叫在容器環境中運作，確保不會直接存取主機的敏感資源。

• 監控：針對長時間執行的任務，利用截圖功能定期捕捉瀏覽器視覺狀態，供代理進行驗證。