---
source_url: https://unknown/opencli-browser-automation-jingxing
tags: [article]
ingested: 2026-05-01
sha256: 3beae3d9f7049bd3c3c5aa77a5dcef1db2193e938a7e477fb3e87c0e24fdf423
---
# 浏览器自动化：从GUI到OpenCLI

**来源:** 大淘宝技术 · 明径
**日期:** 2026年5月22日
**链接:** https://mp.weixin.qq.com/s/hp8yj2_qc2MmCi1jYpfx5g

## 文章摘要

文章讲述放弃不稳定的前端UI自动化操作，采用解析并复现底层API请求的方式，来解决浏览器自动化的效率与稳定性难题。

## 核心内容

### 为什么我们需要浏览器自动化

如今大量业务系统都跑在浏览器里——运营配置后台、工单处理系统、发布运维平台。如果能让这些系统自动运转，对提效和智能化运营的价值不言而喻。

但现实是，Agent 想操控浏览器，路并不好走。

### 现有方案的困境

（文章配图分析现有工具的局限性）

### OpenCLI 的思路

核心想法很简单：不跟网页界面较劲，直接抓它背后的 API。

浏览器里看到的数据，本质上都是前端从某个接口拿回来的。把这个接口找出来、把请求复现出来，比点按钮靠谱得多。

### 快速上手

```bash
npm install -g @jackwener/opencli
```

直接使用：
```bash
opencli list               # 查看所有命令
opencli list -f yaml       # 以 YAML 列出所有命令
opencli hackernews top --limit 5  # 公共 API，无需浏览器
opencli bilibili hot --limit 5   # 浏览器命令
opencli zhihu hot -f json        # JSON 输出
opencli zhihu hot -f yaml        # YAML 输出
```

### AI Agent 探索工作流

| 步骤 | 工具 | 做什么 |
|------|------|-------|
| 0. 打开浏览器 | browser_navigate | 导航到目标页面 |
| 1. 观察页面 | browser_snapshot | 观察可交互元素（按钮/标签/链接） |
| 2. 首次抓包 | browser_network_requests | 筛选 JSON API 端点，记录 URL pattern |
| 3. 模拟交互 | browser_click + browser_wait_for | 点击"字幕""评论""关注"等按钮 |
| 4. 二次抓包 | browser_network_requests | 对比步骤 2，找出新触发的 API |
| 5. 验证 API | browser_evaluate | fetch(url, {credentials:'include'})测试返回结构 |
| 6. 写代码 | — | 基于确认的 API 写适配器 |

### 懒加载机制

> **你（AI Agent）必须通过浏览器打开目标网站去探索！**
> 不要只靠 `opencli explore` 命令或静态分析来发现 API。
> 你拥有浏览器工具，必须主动用它们浏览网页、观察网络请求、模拟用户交互。

很多 API 是**懒加载**的（用户必须点击某个按钮/标签才会触发网络请求）。字幕、评论、关注列表等深层数据不会在页面首次加载时出现在 Network 面板中。

### 五级认证策略

OpenCLI 提供 5 级认证策略。使用 `cascade` 命令自动探测：

```bash
opencli cascade https://api.example.com/hot
```

策略决策树：
- 直接 fetch(url) 能拿到数据？→ ✅ Tier 1: public（公开 API，不需要浏览器）
- fetch(url, {credentials:'include'}) 带 Cookie 能拿到？→ ✅ Tier 2: cookie（最常见，evaluate 步骤内 fetch）
- 加上 Bearer / CSRF header 后能拿到？→ ✅ Tier 3: header（如 Twitter ct0 + Bearer）
- 网站有 Pinia/Vuex Store？→ ✅ Tier 4: intercept（Store Action + XHR 拦截）
- 以上都不行？→ ❌ Tier 5: ui（UI 自动化，最后手段）

### 适配器

你的 pipeline 里有 evaluate 步骤（内嵌 JS 代码）？
- ✅ 用 TypeScript (src/clis/<site>/<name>.ts)，保存即自动动态注册
- ❌ 纯声明式（navigate + tap + map + limit）？→ ✅ 用 YAML (src/clis/<site>/<name>.yaml)，保存即自动注册

### 自动生成CLI

AI 原生生成CLI流程：
1. 探索与分析：explore 深度抓取页面、自动滚动、拦截网络请求、识别框架与状态管理、推断能力与推荐参数
2. 策略选择：根据鉴权头/签名等特征自动选择策略（public/cookie/header/intercept/store-action）
3. 适配器合成：synthesize 基于探索产物生成候选 YAML，自动模板化 URL、字段映射与参数默认值
4. 测试与验证：generate 串联探索→合成→注册→验证，支持目标化选择与回退策略

### 未来软件竞争维度：从界面到可调用性

未来的软件，不会只服务人，也会服务 Agent。

以前我们评价一个 SaaS，看的是界面顺不顺、按钮好不好点。但 Agent 不会欣赏你的按钮做得多圆。它只在乎一件事：能不能稳定调用你。

GUI 是给人用的。API 是能力底座。而 Agent 最喜欢的，其实是更清晰的执行面：命令、参数、返回值、失败原因。

未来软件可能会多一个新竞争维度：不是谁页面更好看。而是谁更容易被 Agent 理解、调用、验证，再接进工作流。唯有如此，才更有机会成为下一代工作流里的基础节点。

过去的软件竞争界面，未来的软件竞争可调用性。