BrowserBase Stagehand 项目入门指南：用自然语言实现浏览器自动化

凌崧铖

于 2025-06-03 09:06:39 发布

阅读量392

点赞数 3

本文链接：https://blog.csdn.net/gitblog_00767/article/details/148393362

版权

BrowserBase Stagehand 项目入门指南：用自然语言实现浏览器自动化

stagehand An AI web browsing framework focused on simplicity and extensibility. 项目地址: https://gitcode.com/gh_mirrors/stag/stagehand

什么是BrowserBase Stagehand？

BrowserBase Stagehand 是一个创新的浏览器自动化工具，它允许开发者使用自然语言和代码来控制浏览器行为。与传统的浏览器自动化工具不同，Stagehand 结合了人工智能的强大能力和 Playwright 的精确控制，创造了一种全新的自动化体验。

核心特性解析

1. 自然语言交互

Stagehand 最显著的特点是允许开发者使用自然语言指令来控制浏览器。例如：

await page.act("点击搜索框");
await page.act("在搜索框中输入'为什么我应该使用Stagehand'");

这种直观的交互方式大大降低了浏览器自动化的门槛。

2. 混合编程模式

Stagehand 提供了三种不同级别的自动化控制方式：

全自动模式：完全由AI决策执行流程
工具辅助模式：开发者指定关键步骤，AI处理细节
Playwright混合模式：精确控制与AI辅助相结合

3. 结构化数据提取

Stagehand 提供了强大的数据提取功能：

const { text } = await page.extract({
  instruction: "从搜索结果中提取AI建议的文本",
  schema: z.object({
    text: z.string(),
  }),
});

为什么选择Stagehand？

传统工具的局限性

纯AI工具（如OpenAI Operator）：
- 完全依赖AI决策，缺乏可控性
- 难以保证重复执行的稳定性
- 不适合需要精确控制的场景
传统自动化工具（如Playwright、Puppeteer）：
- 代码脆弱，DOM结构变化就会导致脚本失效
- 开发效率低，需要处理大量细节
- 维护成本高

Stagehand的创新解决方案

Stagehand 通过混合方法解决了这些问题：

可重复性：可以精确记录和重放自动化流程
弹性设计：能够适应DOM结构的变化
灵活控制：开发者可以自由选择自动化程度

快速上手示例

让我们看一个完整的Stagehand自动化示例：

// 初始化页面
const page = stagehand.page;
await page.goto("https://文档网站");

// 自然语言操作
await page.act("点击搜索框");
await page.act("输入查询内容");

// 带缓存的智能操作
await actWithCache(page, "点击AI建议");

// 结构化数据提取
const result = await page.extract({
  instruction: "提取搜索结果中的关键信息",
  schema: z.object({
    title: z.string(),
    description: z.string()
  })
});