AI 控制浏览器的正确姿势：四轨道 + 四维判定矩阵

AI 助手帮你自动化浏览器操作，听起来很酷。但实际操作中，你会发现：

• 有些任务需要登录态，有些不需要
• 有些任务需要人在场，有些可以夜间自动跑
• 有些任务用轻量工具就行，有些必须用完整浏览器
• 用错方式，轻则失败，重则被封号

这就是浏览器自动化四轨架构要解决的问题。

核心问题：不同场景有不同限制

浏览器自动化不是"一招鲜吃遍天"。不同场景有不同的约束：

登录态约束：有些任务需要你的个人登录态（比如发小红书），有些不需要（比如爬公开页面）。

人在场约束：有些操作需要你批准连接弹窗，有些可以完全无人值守。

任务类型约束：简单抓取 vs 复杂 SPA 操作 vs 文件下载，需要的工具不同。

重复性约束：一次性任务 vs 重复性任务，值得投入的前期准备不同。

选错轨道的代价：

• 用需要登录态的方式做公开任务 → 浪费准备时间
• 用无人值守方式做需要登录态的任务 → 失败
• 用轻量工具抓 JS 重页面 → 内容为空
• 用错误方式频繁操作 → 被封号

四轨道架构

A 轨：登录态日常

适用场景：

• 需要你的个人 Chrome 登录态
• 复杂交互（SPA 操作、富文本、多步骤）
• 你在场且任务不高频重复

技术要点：

• browser(profile="user") 调用
• 基于 Chrome DevTools，navigate 不会断连
• 需要你批准连接弹窗
• Chrome 需提前启用远程调试

核心优势：navigate 不会断连（R 轨会断）。

退出条件（应转 B 轨）：

• 此任务以后会重复 ≥3 次
• 需要夜间无人值守
• session 沉淀到 openclaw profile 技术上可行

B 轨：无人值守

适用场景：

• 不需要个人登录态（或已提前沉淀到 openclaw profile）
• 重复性任务、夜间任务
• 需要 PDF / 下载 / 完整 Playwright 功能

核心思维：

每次设计夜间任务前先问自己：**这个任务能否不依赖个人 Chrome 登录态？** - 能 → B 轨 - 不能 → 白天准备好，或等在场时用 A 轨

session 沉淀方法：

1. 手动 browser(profile="openclaw") 打开站点
2. 导航到登录页，完成登录
3. openclaw profile 会持久化 cookie/session

⚠️ 注意：MFA/验证码无法自动处理，需要你在场完成一次初始登录。

C 轨：轻量爬取

适用场景：

• 完全公开，不需登录
• 简单 HTML 页面 / 批量 ≥20 页
• 对速度有要求

技术要点：

• Lightpanda：Zig 写的无头浏览器，快 11x、内存少 9x
• 兼容 Puppeteer/Playwright CDP 协议
• 工作模式：Lightpanda 先扫 80% 简单页面 → 失败的回退 Playwright（B 轨）

退出条件（失败回退 B 轨）：

• 抓取内容为空（JS 重页面）
• 需要 JS 状态
• 需要上传/下载/登录

R 轨：Chrome-relay（降级备用）

适用场景（必须满足之一）：

• 明确需要 Chrome 扩展专属能力
• 明确要求"attach tab"/ "Browser Relay"
• 某些只能在当前附着 Tab 完成的临时任务

禁止场景：

• 新流程不用 R 轨（一律用 A 或 B）
• A/B 能做的，不用 R

失败后降级：R 失败 → 优先尝试 A 或 B，不在 R 上反复撞墙。

迁移计划：所有现有 R 轨流程，排期迁移到 A 或 B。

四维判定矩阵

选轨道前，先判断这四个维度：

维度 1：身份依赖（Auth）

• 无登录：完全公开
• 需个人 Chrome：需要当前登录态
• 可沉淀 session：需要登录，但可以提前在 openclaw profile 沉淀
• 需扩展：需要 Chrome 扩展环境

维度 2：交互复杂度（Interaction）

• 简单：只读抓取 / 静态页面
• 中等：点击 / 填表 / 简单 SPA 操作
• 复杂：富文本编辑 / 上传下载 / 长会话 / 多步骤 SPA

维度 3：人工依赖（Human Presence）

• 无人值守：夜间任务、蜂群任务
• 一次批准：启动时批准一次连接弹窗
• 持续在场：执行中需要盯着

维度 4：重复性（Reusability）

• 一次性：直接用最顺手的方式
• 重复性：投资沉淀到 B 轨，减少未来人力依赖

核心原则：优先选最少人力依赖的轨道

• 能用 C 不用 A
• 能沉淀到 B 不长期依赖 A
• 即使你在场，重复性任务也应考虑转 B（减少未来打扰）

14 场景速查表

SPA 应用输入的坑

为什么不能直接设置 input 的 value？

因为现代前端框架（React/Vue/Angular）用虚拟 DOM，直接改 value 不会触发 onChange 事件，页面感知不到输入。

豆包的正确输入方式：

// ClipboardEvent paste — 唯一能触发 React state 的方式
const dataTransfer = new DataTransfer();
dataTransfer.setData('text', prompt);
const event = new ClipboardEvent('paste', { clipboardData: dataTransfer });
editor.dispatchEvent(event);

Gemini/ChatGPT 的正确输入方式：

// insertText — 标准方式
const event = new InputEvent('input', { inputType: 'insertText', data: text });
editor.dispatchEvent(event);

小红书 Creator Studio：标准输入即可，不需要特殊处理。

失败降级顺序

固定降级链，不要在同一轨道反复撞墙：

错误处理与恢复

A 轨常见问题

B 轨常见问题

C 轨常见问题

铁律总结

1. 新流程不用 R 轨：一律用 A 或 B
2. A 轨的核心优势是 navigate 不断连：R 轨会断，A 不会
3. 夜间任务不硬塞 Chrome：先改造为无登录态流程（B 轨）
4. 截图时机：有头模式在内容填写阶段截图会卡死 daemon，只在发布后截图
5. 不在场时不用 A 轨：需要批准连接弹窗
6. 小红书 Creator Studio 独立登录：和主站不共享 session
7. 豆包唯一输入方式是 ClipboardEvent paste：其他方式触发不了 React state
8. IP 被封先别慌：换引擎/换时段重试，实在不行 Browserbase 应急
9. 重复性任务投资到 B：即使你在场，重复 ≥3 次的任务应该沉淀 session 到 B
10. 失败后切轨道，不要在同一轨道反复撞墙

成本估算

总结

浏览器自动化四轨架构的核心是：不是所有浏览器操作都一样，选错方式代价很高。

四轨道（A/B/C/R）覆盖从"登录态日常"到"轻量爬取"到"降级备用"的全场景。四维判定矩阵（登录态 × 复杂度 × 人在场 × 重复性）帮助快速选择正确的轨道。

SPA 输入的坑、失败降级顺序、错误处理方案，这些实战经验让自动化更可靠。

最终目标是：每个场景都用对工具，既高效又安全。

记住：选错轨道的代价，可能比不做自动化更高。