BrowserBC 开源：把网页操作提炼为「技能卡」，做 Agent 版按键精灵

BrowserBC 是 Einsia AI 旗下 Navers Lab 开源的浏览器行为克隆项目。简单说，它就是给 AI Agent 时代打造的「按键精灵」，能把你在浏览器里的日常操作，提炼成任何模型都能读懂并执行的通用技能。

现在的网页智能体最大的痛点，往往不是不会点击或输入，而是面对复杂网页时缺乏先验知识，不知道每一步到底该点哪里。BrowserBC 想解决的正是这个决策瓶颈。

三步把操作变成通用技能

传统的自动化工具通常是死记坐标或 DOM 路径，页面稍微改版就会直接挂掉。BrowserBC 给出的方案是一套三步走的提炼范式：录制、转写成 Skill、交付执行。

第一步是录制。当你像平时一样在网页上处理工单、查资料或填表单时，系统会完整记录整个交互轨迹。这不仅包括截图和动作，还包含结构化的 DOM 快照、无障碍树快照，以及页面给出的报错、跳转和完成信号。

第二步是转写。它不会把这些动作保存成死板的回放脚本，而是交给模型去蒸馏，提炼出一份自然语言写成的「技能卡」。这份卡片就像一份操作说明书，写明了任务目标、适用前置条件、操作流程、如何确认做对了，以及报错时如何恢复。

第三步是执行。任何接入该系统的模型都可以直接读取这张技能卡。因为拿到的是策略理解而不是固定坐标，即使页面样式发生变动，模型也能自己在真实页面上推理出正确的点击位置，甚至还能将多份技能整合进一张「技能图谱」（Skill Graph）中持续演化。

去哪里体验与社区反响

根据团队发布的论文，这种做法最大的好处在于解耦了技能的生产者与执行者。能力强的大模型或熟练的人类只需要演示一次，提炼出来的文本策略就能交给体积更小、成本更低的模型去日常运行。

目前该项目已经公开了技术论文（arXiv: 2606.32014），相关开源内容与演示可以通过官方项目主页（lab.einsia.ai/browserbc）查看。

在项目公开后的 6 个小时里，海外开源社区就产生了超过 2500 条相关讨论，并且登上了 Twitter 的 Today News 榜单，引发了相当多的关注。

为什么重要

我们认为，BrowserBC 走了一条非常聪明的路线。以往做 Web Agent 的团队往往执着于从零训练更大的多模态模型来死磕网页环境，既昂贵又脆弱。BrowserBC 转而将人类每天产生的大量浏览轨迹当成数据矿藏，用低成本的自然语言把专有诀窍沉淀下来。

如果你正在开发自动化网页工作流、企业 RPA 替代方案或浏览器智能体，这个项目非常值得追踪。不过也要看到，它的上限依然取决于下游执行模型对实时 DOM 和画面的理解能力，一旦遇到逻辑完全重构的前端界面，技能卡依然需要重新提炼与修正。