给你的AI装上浏览器Atomic Agent 浏览器自动化指南从ARIA快照到完整网页操作【免费下载链接】atomic-agentAtomic Agent is a local-first AI agent. Runs open-weight models on your own machine via llama.cpp.项目地址: https://gitcode.com/gh_mirrors/at/atomic-agentAtomic Agent是一个本地优先local-first的 AI Agent它通过 llama.cpp 在你自己的机器上运行开放权重模型除了读写文件、执行命令之外还能驱动浏览器完成真实网页操作——导航、点击、输入、搜索、切换标签页、滚动页面。本文带你从底层的 ARIA 快照机制讲起一路走通完整的浏览器自动化配置与操作路径。为什么用 ARIA 快照而不是截图多数AI 操作浏览器的方案靠截图视觉模型来看网页token 消耗大、定位不准。Atomic Agent 走的是无障碍树Accessibility/ARIA路线普通网页操作使用裁剪到字符预算默认 24k的 ARIA 快照而不是堆截图的页面转储。 —— README.md也就是说模型看到的是页面的结构化文本每个可交互元素按钮、输入框、链接都带一个稳定的ref编号如e12。点击时只需说点e12又快又省。这套机制的抽象定义在 src/tools/browser/browser-backend.ts快照压缩策略见 src/tools/browser/aria-compressor.ts。三步上手导航 → 读快照 → 点击/输入浏览器工具共 7 个全部注册在 src/tools/browser/index.ts。最核心的使用循环只有三步browser.navigate— 打开一个 URL支持waitUntil、timeoutMs参数browser.read_aria— 捕获当前页的紧凑 ARIA 快照为每个元素分配refbrowser.click/browser.type— 用ref精准点击或输入可选pressEnter回车提交一个小细节browser.read_aria的返回结果故意不重复快照全文因为快照已经写入会话的### world段落供模型阅读避免在对话尾部重复占用注意力——这个设计可以直接在 src/tools/browser/read-aria.ts 的注释里读到。7 个浏览器工具速查清单工具作用关键参数源码browser.navigate跳转到 URLurl、waitUntilnavigate.tsbrowser.read_aria读取 ARIA 快照获得最新refdepthread-aria.tsbrowser.click点击元素ref、button、modifiersclick.tsbrowser.type输入文本ref、text、pressEntertype.tsbrowser.search真实搜索引擎搜索Google/DuckDuckGo/Bingquery、enginesearch.tsbrowser.tabs列出/切换/关闭/新建标签页action、index、urltabs.tsbrowser.scroll向上/向下/顶/底滚动按页、半页或像素direction、amountscroll.ts⚠️关于ref失效任何一次导航或搜索都会让旧快照里的ref失效。browser.click在执行前会做预检发现ref不存在时立刻返回明确的stale_ref错误并提示重新调用browser.read_aria获取新 ref而不会傻等 30 秒超时见 src/tools/browser/click.ts。所以记住口诀页面一变先读快照。环境与配置找到你的 Chrome浏览器由内置的 Playwright 后端驱动基于playwright-core支持 Chrome / Edge / Brave / Chromium无需额外下载浏览器二进制文件。它采用自启系统 Chrome CDP 附加的隐蔽式方案规避部分站点的自动化检测实现位于 src/tools/browser/playwright-backend.ts。常用环境变量完整列表见 README.mdATOMIC_AGENT_BROWSER_CHANNEL指定chrome/msedge/chromiumATOMIC_AGENT_BROWSER_EXECUTABLE_PATH显式指定 Chromium 系可执行文件路径ATOMIC_AGENT_BROWSER_CDP_URL附加到你已在运行的浏览器不动你的浏览器进程ATOMIC_AGENT_BROWSER_HEADLESS设为1无头运行ATOMIC_AGENT_BROWSER_NO_SANDBOX容器/CI 环境 Chrome 沙箱启动失败时设为1浏览器配置文件cookie、登录态持久化在状态目录~/.atomic-agent下跨会话保留——你登录一次之后操作不再需要重复登录。安全护栏非网页协议需要审批browser.navigate和browser.tabs新建标签页对http/https 以外的协议file://、javascript:、chrome://、data:会强制走审批闸门防止模型借浏览器读取本地文件或注入脚本。判定逻辑见 src/tools/browser/navigate.ts浏览器相关工具在配置中的总开关位于 src/config/config-schema.ts。实战思路一句话任务 → 一串网页操作把这些工具串起来你可以直接对 Agent 说帮我搜索 X打开前三条结果把每篇的要点整理给我search→click→read_aria→scroll循环登录后台后把这月的订单导出navigate→type填表 →click提交 → 读取结果对比这两个页面的价格tabs开双标签 → 分别read_aria浏览器只是它能力的一部分——配合文件系统、Shell、记忆与技能skillsAtomic Agent 可以在你的机器上完成从网页操作到本地交付的完整闭环。上手只需三步git clone https://gitcode.com/gh_mirrors/at/atomic-agent cd atomic-agent npm install npm start提示首次运行会提示配置本地模型llama.cpp浏览器功能需要系统已安装 Chrome、Edge 或任意 Chromium 系浏览器。核心关键词回顾Atomic Agent、本地优先 AI Agent、浏览器自动化、ARIA 快照、网页操作——把浏览器装进 AI就交给browser.*这套 7 件工具箱。【免费下载链接】atomic-agentAtomic Agent is a local-first AI agent. Runs open-weight models on your own machine via llama.cpp.项目地址: https://gitcode.com/gh_mirrors/at/atomic-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考