#how i ai# 最近深度体验了腾讯开源的 BrowserSkill，这款工具彻底改变了 AI Agent 与浏览器的交互方式。

BrowserSkill 的核心设计理念非常巧妙：它不是一个独立的浏览器自动化框架，而是搭建了一座桥梁，让 AI Agent 能够安全、高效地操控用户真实登录的 Chrome 或 Edge 浏览器。传统方案要么要求 AI 自己管理 Cookie 和登录状态，要么在隔离环境中运行导致无法访问已登录的网站，而 BrowserSkill 通过 CLI + 浏览器扩展的架构完美解决了这个痛点。

技术架构上，BrowserSkill 采用三层设计：bsk CLI 作为命令入口，本地 Daemon 负责进程管理和协议转发，浏览器扩展则在 Chromium 内核中运行，开启独立的 Agent Window 执行自动化任务。这种设计的精妙之处在于隔离性——AI 的操作被限制在专门的 Agent Window 中，用户的正常浏览标签页完全不受影响。如果 AI 需要操作某个已打开的页面，必须显式执行 bsk tab borrow 借用该标签页，使用完毕后还需执行 bsk tab return 归还，这种设计最大程度保障了用户数据安全。

实际使用中，BrowserSkill 的命令设计非常直观。bsk session start 启动会话时会返回一个 4 字母的会话 ID，后续所有命令都需要携带 --session 参数。bsk snapshot 命令尤为实用，它返回页面的 aria tree 结构，包含 @e1、@e2 等元素引用，AI 可以直接用这些引用执行点击、输入等操作，无需处理复杂的 CSS 选择器。bsk navigate、bsk click、bsk fill、bsk screenshot 等命令覆盖了浏览器自动化的核心场景，而 bsk evaluate 则允许在页面上下文中执行 JavaScript，处理更复杂的逻辑。

与其他浏览器自动化工具相比，BrowserSkill 的最大优势是原生支持用户登录态。无论是访问知乎、微博还是其他需要登录的网站，AI 都能直接以用户身份操作，无需重复扫码或输入密码。这对于需要频繁操作社交媒体的 AI 工作流来说，效率提升是巨大的。同时，由于使用真实的 Chromium 浏览器，页面渲染和行为与人工浏览完全一致，避免了无头浏览器常见的反爬虫检测问题。

目前 BrowserSkill 支持 macOS、Linux 和 Windows 平台，兼容 Chrome 和 Edge 浏览器，并提供了针对 Cursor、Claude Code、Codex、Hermes Agent 等主流 AI 开发环境的 Skill 安装命令。项目采用 MIT 协议开源，社区活跃度高，未来还计划支持 Firefox 浏览器。对于需要让 AI 操作网页又担心安全和便利性的用户来说，BrowserSkill 无疑是当前最值得尝试的解决方案。