让大模型真正“会用浏览器”的开源神器：Browser Harness

昆仑 AI

2026-04-23 0 5

你有没有试过大模型说“我帮你查一下天气”，结果它只能返回文字描述，却无法真的打开浏览器、输入网址、点击搜索、截图保存？Browser Harness 正是为解决这个根本性断层而生——它不是另一个自动化脚本框架，而是一套极简、可自愈、完全由大模型驱动的浏览器操作中枢。它把 Chrome 浏览器变成 LLM 的“手和眼”，让模型能实时感知页面、动态补全缺失能力、甚至边执行边写代码修复问题。

核心功能

真正的自愈能力（Self-healing）：当大模型遇到未实现的操作（如上传文件、处理弹窗、下载 PDF），它能直接编辑本地 helpers.py 文件，现场编写并注入新函数，无需重启、无需人工介入。
零抽象层直连 CDP：不依赖 Selenium、Playwright 等中间框架，直接通过 Chrome DevTools Protocol（CDP） WebSocket 通信，延迟更低、控制更细、行为更可预测。
完全由提示词驱动：没有预设流程、不绑定特定网站、不强制使用模板。只要提示词清晰（例如“登录 GitHub 并给 browser-harness 项目点 Star”），模型就能自主规划、调用、验证每一步。
实时浏览器状态同步：自动捕获当前标签页 DOM 结构、URL、可见文本及截图，让大模型始终“看得见、读得懂、判得准”，告别盲操作。
轻量无依赖，开箱即用：仅需 Python 3.9+ 和已启用远程调试的 Chrome，核心代码不足 200 行，学习成本近乎为零，开发者可快速理解、定制、审计。
安全可控的本地执行：所有操作均在用户本机浏览器中完成，不上传页面内容、不调用外部 API、不依赖云服务，隐私与合规有保障。

适合哪些人用

这款工具特别适合三类中文技术用户：一是正在构建 AI 自动化工作流的工程师，比如用 Claude 或本地 Llama 搭建智能客服后台、自动化测试代理或数据采集助手；二是高校研究者与学生，希望在真实浏览器环境中验证多步推理、具身智能（embodied AI）或人机协作范式；三是效率极客与低代码爱好者，厌倦了反复写 XPath、等元素加载、处理反爬跳转，渴望用自然语言“指挥”浏览器完成报销填表、课程抢选、政务预约等日常任务。

快速上手

只需三步：① 下载项目：git clone https://github.com/browser-use/browser-harness；② 启动 Chrome 并开启远程调试（推荐命令：chrome --remote-debugging-port=9222 --no-first-run --no-default-browser-check）；③ 运行 python main.py，然后将文末提供的 Setup Prompt 粘贴到支持代码执行的 LLM（如 Claude Code 或本地 Ollama + Code-LLaMA）中——它会自动帮你安装依赖、校验连接、打开文档，并在你确认后完成首个交互演示（比如为你星标该项目）。整个过程 5 分钟内可跑通，无需任何前端或浏览器底层知识。