Stagehand 快速上手用自然语言驱动网页自动化的实践指南【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand上周写好的爬虫脚本这周突然失效了——对方网站只是改了一个 class 名你手里所有选择器就全空了。这是选择器驱动网页自动化的日常你维护的不仅是功能还有对方站点的发版节奏。Stagehand 是 Browserbase 推出的浏览器代理 SDK让你用自然语言描述页面操作页面结构变了它会重新识别目标脚本不用推倒重来。1 选择器驱动的困境与 Stagehand 的定位传统写法是按 id 找 div循环子节点用正则抠文本。站点一次改版整条链路全断。更糟的是Playwright 这类框架本为测试而生把原始 DOM 整个喂给 AI 模型时大量无关节点也会跟着消耗 token。Stagehand 的定位很明确Playwright 为测试而建Stagehand 为代理而建。围绕代理场景官方设计有4个关键点自愈原语自然语言描述的操作会记录执行方式选择器失效时自动重新推断token 效率发送裁剪过的混合可访问性树模型只看到理解页面必需的部分低延迟SDK 以浏览器扩展形式运行在浏览器旁边操作减少网络往返复杂 DOM 支持跨进程 iframe、封闭的 Shadow DOM 原生可触达。左边的 Stagehand 脚本用十几行完成数据提取右边等效的 Playwright 代码要手动遍历 DOM 节点几十行。2 三分钟跑通第一个自动化只需3步就能跑起来。第一步安装 SDKTypeScript 是主力语言官方同时提供 Python 和 Go 两套完整 SDKpnpm add browserbasehq/stagehand zod export BROWSERBASE_API_KEYyour_key第二步无需配置模型供应商密钥不指定模型时Model Gateway 会为每次推理自动选型本地开发时也可以换成localBrowser驱动你机器上的 Chrome。第三步直接运行示例。环境要求 Node 22.18 以上Python 3.11 或 Go 1.26 亦可。脚手架生成的脚本会依次演示提取、点击、观察三个动作终端输出与页面操作实时对应完整脚本和分步说明见 快速入门文档。3 三条自然语言指令act / extract / observe核心用法就三组方法下面的片段是最小可运行组合await stagehand.act(click the Evals button); const { data: actions } await stagehand.observe(What can I click on this page?); const { data: pr } await stagehand.extract(extract the author and title of the PR, z.object({ author: z.string(), title: z.string() }));act执行单个动作——点击、填写、滚动都行。传自然语言会走模型推理定位目标传observe返回的Action则确定性重放0次推理适合固定流程。extract按你给定的 schema 取结构化数据TypeScript 用 Zod、Python 用 Pydantic返回前会先做校验拿到的直接是带类型的对象。observe让 AI 先看页面有哪些可操作项。它的价值在两点写脚本时先用它探明页面再把返回的选择器固定下来用于后续确定性操作。4 让它稳定跑在生产环境原型能跑之后生产环境要关注稳定性batch 批量指令把多个操作打包发送进一步压缩往返次数缓存相同操作命中缓存后跳过 LLM 调用执行结果一致且成本更低OTel 支持接入可观测性平台单次操作可回溯WebMCP 与剪贴板面向代理场景的进阶能力。仓库还内置了一套评测套件webvoyager、onlineMind2Web 等数据集可在更换模型或提示词后对成功率做回归对比先跑通 官方示例集 里最接近你场景的脚本把真实页面换进去验证一次 act。卡住时按顺序看 act 文档再回头看快速入门补齐细节。【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考