一个人 + AI = 财务审计团队

主题

第30课 · 让 AI 学会操作浏览器 ​

小黑接上 Playwright 工具，伸手进浏览器窗口抓数据

本节要点 ​

  • AI 本身不会上网：网页里的数据、企业的 ERP 系统、附件下载，这些 AI 巭具（Claude Code、OpenCode）都干不了——除非你给它装「手」
  • 两条路线：① AI 实时操控浏览器（能过反爬，但慢又贵）；② AI 跑通一次后固化成爬虫脚本（快、稳、可批量）——能用路线二就用路线二
  • 核心心法：先让 AI 帮你跑通，再把它固化为确定性的快脚本
  • 两个工具：Playwright MCP（AI 直接操控浏览器）+ Playwright CLI（终端命令，对 AI 更友好、更省 token）
  • 一句话安装：复制本课第 5 节那段指令粘贴给 AI，它会自动检查环境、安装、验证
  • 浏览器复用：优先用你电脑已装的浏览器（Edge、Chrome），不行再下载课程网盘里的 Chromium
  • 举一反三：和第 7 课 MinerU（识 PDF）、第 23 课 Vision MCP（识图）一个道理——不是 AI 不行，是你没给它装对应的工具

1. 为什么要让 AI 学会上网？ ​

前面我们已经让 AI 能看 PDF（MinerU）、能看图（Vision MCP）。但还有一种常见的活儿，AI 默认干不了——操作浏览器。

什么时候需要它？太多了：

  • 查法规：翻几百页，一页页看
  • 查工商信息：一个个去点、去下载附件
  • 企业 ERP 系统：在浏览器里，要批量导数据、下附件
  • 网页里的公开数据：要批量抓下来做分析

以前这些活儿得写爬虫——得会 Python，得研究网站结构，碰到登录、验证码还得想办法绕，门槛不低。

现在有 AI 了，我们不需要一个个去写爬虫。让每个人都具备这种能力——只要你学会怎么让 AI 去操作浏览器。

💡 还是一句老话：AI 本身不会操作浏览器，就像它本身看不了 PDF 一样。你得给它装上对应的工具。装上，它就能干。

2. AI 操作浏览器，有两条路线 ​

讲怎么装之前，先搞清楚思路——AI 操作浏览器有两种做法，差别很大：

路线一：AI 实时操控浏览器 ​

就是 AI 真的去控制鼠标键盘，像真人一样点页面。

适合的场景：

  • 网站反爬严格，必须像真人一样操作
  • 有登录、要扫码
  • 有验证码、极验滑块

这种场景写爬虫很难处理，但让 AI 直接操控浏览器就能搞定。

缺点：

  • 慢——它得一步步操作
  • 贵——AI 要「看」页面、判断点哪，很消耗 token

路线二：AI 跑通一次，然后固化成爬虫 ​

AI 还是去操作浏览器，但只操作这一次。这一次操作，主要是为了分析网络请求——看页面背后到底请求了哪些接口。

把这些请求记录下来后，AI 把它写成爬虫脚本。以后再抓，只需要运行这个脚本，不用再打开浏览器。

优点：

  • 非常快
  • 稳定
  • 可重复、可批量

一般情况下，尽量用路线二

路线二的本质是：先让 AI 帮你跑通，再固化为确定性的、快的脚本。 当然，你也可以把它做成一个效率工具，以后团队里谁都能用。

3. 固化成脚本，有三个档次 ​

路线二（跑通后固化）又分三档，从快到慢：

档次做法效率
① 直接调数据 APIAI 分析请求发现有数据接口，直接调，绕过页面渲染，拿 JSON⭐⭐⭐ 最快
② Playwright 脚本AI 录制一遍操作流程写成脚本，运行时还是模拟鼠标点击⭐⭐ 中等
③ 封装成 Skill把上面的爬虫/Playwright 脚本做成 Scrapy 里的 Skill，放进 scripts 文件夹，以后 AI 直接调用⭐ 可复用

💡 第①档是效率最高、最省钱的——AI 发现了数据接口就直接调，连页面都不用渲染。这也是 AI 操作浏览器最常见、性价比最高的方式。

4. Playwright 是什么？MCP 和 CLI 又是什么？ ​

讲完了思路，具体用什么工具？答案是 Playwright。

Playwright 本身是一个浏览器自动化测试工具——以前程序员用它来自动测试网页功能。

它有两条路给 AI 用：

Playwright MCP（AI 直接操控） ​

  • MCP = 给 AI 配工具的标准协议（第 23 课讲过，「AI 的万能插座」）
  • Playwright MCP 就是把「操作浏览器」的能力打包成 AI 可以直接调用的工具
  • 工作方式：AI 拿到浏览器访问页面的结构树（DOM），决定点哪个元素，执行后看新页面，循环往复
  • 特点：有状态、浏览器可以一直开着、即插即用、能看到浏览器实时在动、不需要视觉模型

Playwright CLI（终端命令） ​

  • CLI = Command Line Interface，终端里运行的命令（像以前的 DOS）
  • 对人类不友好，但对 AI 来说很友好
  • AI 直接操作终端命令就行，比 MCP 更省 token

怎么选？ ​

我的建议是：先试 Playwright MCP（直观、能看到浏览器动），熟悉后再试 Playwright CLI（更省）。

5. 核心：复制这段指令，让 AI 帮你装 ​

和前面几节课一样的套路——你不需要懂技术细节，把下面这段话复制粘贴给 AI，它就帮你搞定。

新建一个会话，把这段发给你的 AI 工具（OpenCode / Claude Code 都行）：

text
请帮我安装 Playwright MCP 和 Playwright cli，我后面要用来操作浏览器，浏览器可以提示直接使用我电脑已安装的浏览器。

就这么一句，AI 会自动：

  1. 检查你的电脑环境
  2. 安装 Playwright MCP 和 Playwright CLI
  3. 检测你电脑里有没有可用的浏览器
  4. 安装完帮你验证（它会自己打开浏览器又关上，确认能调用）

💡 视频里我就是这么干的——发这一句话，等它跑完，安装就完成了。不用你敲一行命令。

6. 浏览器：优先复用，没有就下 Chromium ​

这一步有个坑要提前说，能帮你省很多时间。

Playwright 默认会去下载一个谷歌浏览器（Chromium）。问题是这个下载依赖网络，国内网络经常下不动，卡在安装这一步能卡十几分钟甚至失败。

解决办法有两个：

办法一：复用你电脑已装的浏览器（推荐） ​

你的电脑大概率已经装了浏览器——Windows 自带的 Edge（它是 Chromium 内核的，Playwright 能直接用），或者你装了 Chrome。

把这句话加到上面的安装指令里：

text
浏览器可以直接使用我电脑已安装的浏览器。

AI 会去检测你电脑里有没有 Edge / Chrome，能用就直接复用，不再去下载。视频里 AI 检测到我电脑有 Edge，验证时它自己打开又关上浏览器，确认能调用——就没再下载 Chromium，省了很长时间。

办法二：提前下载课程网盘里的 Chromium ​

如果 AI 说找不到可用浏览器，或者你想用 Playwright 自带的 Chromium——别让它在线下载，太慢。

我已经把 Chromium（轻量版谷歌浏览器） 放到了课程百度网盘里，你提前下载好。

📎 Chromium 下载地址见课程群公告 / 百度网盘的「课程资料」文件夹。它就是 Playwright 需要的那种轻量版谷歌浏览器。

顺序很重要

建议你先确认有没有现成浏览器（办法一），没有再手动下 Chromium（办法二）。千万别让它在线硬下——网络原因会让你等很久。

7. 实操：一句话安装全流程 ​

把上面组合起来，完整流程就是：

第一步：新建一个 AI 会话

第二步：复制粘贴这句指令：

text
请帮我安装 Playwright MCP 和 Playwright cli，我后面要用来操作浏览器，浏览器可以提示直接使用我电脑已安装的浏览器。

第三步：等

AI 会去：

  • 看文档、检查环境
  • 装 Playwright MCP
  • 检查你电脑里的浏览器（比如 Edge）
  • 自己打开浏览器又关上，验证能不能调用

第四步：验证成功

你会看到 AI 报告「安装完成」。视频里 AI 验证时，浏览器自己弹出来又自动关掉——说明它能直接调用你电脑的 Edge 浏览器了。

想看 AI 在干嘛

装的时候它会跑一堆命令，可能要等几分钟。可以用 /btw 命令问它「进度怎么样」，不会打断它正在干的主活儿（第 23 课讲过）。

8. 除了 Playwright，还有哪些方案？ ​

Playwright 不是唯一能操作浏览器的方案。AI 时代这类工具不少：

方案说明
Claude Code Computer UseClaude 的桌面版功能，能操作浏览器，甚至能控制整个桌面
OpenAI Codex OperatorOpenAI 的方案
browser-use一个开源的 Agent 工具

⚠️ 我试过 browser-use，不太好用，不推荐。课程里就用 Playwright，稳定、社区大、文档全。

如果你想知道还有哪些方案，直接问 AI：

text
我想去操作浏览器，有哪些技术方案？

它会联网搜索，给你列出来各种方案和优缺点，你根据自己的需求选。这也是用 AI 的一个重要思路——不知道有什么，先让 AI 帮你查。

9. 关键认知：不是 AI 不行，是没装工具 ​

通过这一节，希望你能建立一个认知，这也是贯穿整个课程的一条线：

AI 本身不具备的能力，往往不是 AI 不行，而是你没给它装上能实现这个能力的工具。

回顾一下我们装过的工具：

想让 AI 干什么默认会吗装什么工具对应课程
识别 PDF / 发票 / 合同❌MinerU第 7-8 课
看图（让纯文本模型识图）❌Vision MCP第 22-23 课
操作浏览器❌Playwright MCP / CLI本课

你要做的，就是知道「有这种工具存在」，然后一句话让 AI 帮你装上。 装好，它就能干相应的活。

10. 常见问题与避坑 ​

10.1 安装时卡在下载浏览器，一直不动 ​

这是最常见的问题。根因是 Playwright 在线下载 Chromium 太慢。

解决：

  • 优先在指令里说「复用我电脑已装的浏览器」（Edge/Chrome 都行）
  • 实在要 Chromium，去课程百度网盘手动下载，别让它在线下

10.2 AI 说找不到浏览器 / 验证失败 ​

告诉 AI 你装了什么浏览器，让它去试：

text
我有微软的 Edge 浏览器，看看能不能用。

能用就用，不能用再装 Chromium。

10.3 MCP 装好了，但用的时候不生效？ ​

和第 23 课一样——配置改完要重启 AI 工具才生效。

  • OpenCode：关掉窗口重新启动
  • Claude Code：退出（/exit）重新进入

重启后，在会话里输入 /mcp，应该能看到 Playwright 相关的工具。

10.4 MCP 和 CLI 装哪个？ ​

两个都可以装，本课建议都装上。MCP 直观（能看到浏览器动），CLI 省 token。实际用的时候，AI 会根据任务自己选择更合适的方式。

关键收获 ​

TIP

让 AI 能操作浏览器，最省事的办法是一句话让它自己装：把第 5 节那段指令复制粘贴给 AI，它会检查环境、安装 Playwright MCP 和 CLI、检测并复用你电脑的浏览器。

两条路线要分清：能用「跑通后固化成爬虫」就用它（快、稳、便宜），只有遇到严格的反爬/登录/验证码才用「AI 实时操控浏览器」。

浏览器别让 AI 在线硬下 Chromium——先复用电脑已装的 Edge/Chrome，没有再从课程百度网盘手动下。

最后，记住这条贯穿全课的认知：不是 AI 不行，是你没给它装工具——识 PDF 装 MinerU，识图装 Vision MCP，操作浏览器装 Playwright。装上，它就都能干。

下一节课，我会拿一个真实案例，演示怎么让 AI 操作浏览器，完成我们想要的批量操作。

更多课程：课程大纲

© 2025 逆行的狗