browser-use 是 2024 年 10 月在 GitHub 上线的开源 Python 框架，让 AI Agent 像人一样使用浏览器——打开页面、点击按钮、填写表单、提取数据——无需编写 XPath 或 CSS 选择器，只需用自然语言描述任务。项目在不到两年内累计突破 106,038 GitHub Star，Manus 等商业 AI 产品以其为核心浏览器操控组件，在 Odysseys Benchmark 200 个真实长流程 Web 任务中，browser-use 以 87.4% 平均成功率位居全球第一，超越 OpenAI、Anthropic、Google 和 Microsoft 的 computer-use 方案。本文从原理、快速上手、与 Playwright/Selenium 的本质区别，到开源版与云版选型逻辑，系统梳理 browser-use 正在改变 Web 自动化的方式。

 

browser-use 是什么？

browser-use 是一个让 AI Agent 直接操控 Web 浏览器的开源框架，核心思路只有一句话：不改造目标网站，让 AI 学会"像人一样用浏览器"。

传统自动化方案（Playwright、Selenium）要求开发者用代码写死每一步——找到某个按钮的 ID、等待某个元素出现、点击它。这套方式在页面结构稳定时效率极高，但一旦网站改版，脚本就得重写。

browser-use 的不同之处在于中间多了一层：AI 理解层。Agent 接收自然语言任务，通过视觉识别和 DOM 解析理解当前页面状态，再决定下一步动作。页面结构变了？AI 重新看一眼，继续执行——不需要人工介入。

相关技术实体：Playwright（底层浏览器驱动）、LangChain（Agent 框架整合）、Stagehand（同类竞品，Browserbase 出品）、Skyvern（同类竞品，专注 RPA 场景）、computer-use（Anthropic 提出的桌面级控制方案）。

106,038 Star 背后：它能做什么？

一句话驱动 AI 帮你完成的事情：

● 表单填写：“用我的简历填写这份工作申请”

● 数据提取：“把我所有关注者信息整理成 CSV”

● QA 自动化：“测试我的网站，截图标注所有 bug 和视觉问题”

● 竞品监控：“每天抓取这三个竞品的价格和库存变化”

● 流程自动化：登录、搜索、选项、提交——完整操作链路

不依赖目标网站提供 API，对动态渲染、SPA 应用、需要登录的页面同样有效。这是它爆发的根本原因：覆盖了"有 API 的世界"触及不到的大量真实业务场景。

browser-use vs Playwright vs computer-use：三者的本质差异

这是最常被问到的问题，需要说清楚层级关系：

维度

Playwright / Selenium

browser-use

computer-use

控制范围

Web 浏览器

Web 浏览器

整个桌面

操作方式

代码写死每步

自然语言描述目标

截图 + 坐标点击

动态页面适应

弱，改版即失效

强，AI 重新理解

中，逐帧识别慢

速度

快

中（有 AI 推理延迟）

慢

适合场景

稳定结构的大规模测试

复杂流程、无 API 场景

桌面应用操作

browser-use 底层直接用 Playwright 驱动浏览器，两者是叠加关系，不是替代关系。需要高并发、精确控制的回归测试继续用 Playwright；需要"理解意图"、应对未知页面结构的复杂任务，browser-use 大幅降低了开发成本。

据 Odysseys Benchmark 2026 年数据，browser-use 在 200 个真实 Web 任务中平均成功率 87.4%，是目前公开排行榜上成绩最高的方案。

5 分钟跑起来

环境要求：Python 3.11+

 

# 安装框架
uv add browser-use
# 或
pip install browser-use
 
# 安装浏览器内核
playwright install chromium

项目根目录创建 .env，填入大模型 API Key：

 

BROWSER_USE_API_KEY=your-key

最小可运行代码：

 

import asyncio
from browser_use import Agent, ChatBrowserUse
 
async def main():
    agent = Agent(
        task="搜索 browser-use 的 GitHub Star 数量并返回",
        llm=ChatBrowserUse(model='openai/gpt-5.5'),
    )
    history = await agent.run()
    print(history.final_result())
 
asyncio.run(main())

需要接入国内可直接访问的多款主流大模型时，可以通过兼容 OpenAI SDK 格式的 API 接入，例如七牛云推理服务支持该接口格式，无需修改现有代码结构。

开源版 vs 云版：一张表说清楚

browser-use 提供两种使用路径，核心差异在反爬能力和运维成本：

开源版（自托管）

● 完全免费，代码运行在本地

● 可以接入任意 LLM、自定义 Agent 行为、深度融入业务系统

● 需要自行处理代理、验证码等反爬问题

Cloud 版（全托管）

● 内置代理轮换 + 浏览器指纹伪装 + 验证码处理

● 在 BU Bench V1 基准测试中，Cloud 版成功率明显高于开源版搭配普通模型的组合

● 按调用量计费，无需维护浏览器环境

选型建议：个人项目和技术验证，开源版足够。商业应用需要规模化跑通带反爬的网站，Cloud 版稳定性有保障。

生态与现状：两年内发生了什么

● Star 增速：2024 年 10 月上线，2026 年 7 月突破 106,038 Star，是同期增速最快的 AI Agent 基础设施项目之一

● 商业落地：Manus（引发广泛关注的 AI 自动化产品）以 browser-use 为核心浏览器操控组件

● 版本迭代：最新版 v0.13.6（2026-07-17 发布），GitHub 仓库保持每周活跃更新

● 工具链：官方提供 browser-use skill install CLI，支持在 Claude Code、Cursor、Codex 等 AI 编程助手中一键注册为 skill，直接用自然语言驱动

● 排行榜：Odysseys Benchmark 第一名，超越 OpenAI/Anthropic/Google/Microsoft 的 computer-use 方案

常见问题

Q：browser-use 会被网站反爬拦截吗？

开源版使用标准 Playwright 驱动，在指纹伪装方面有限，复杂反爬场景可能被拦截。Cloud 版内置了代理轮换和浏览器指纹伪装，在 Odysseys 测试中通过了包含 CAPTCHA 的真实任务。如果自己部署，搭配 CloakBrowser（本周 GitHub Trending）这类隐身 Chromium 方案是常见选择。

Q：browser-use 和 computer-use 哪个更适合 Web 任务？

Web 任务场景 browser-use 更合适。computer-use 控制整个桌面，通过截图+坐标点击，速度较慢；browser-use 通过 Playwright 直接访问 DOM，效率更高。在 Odysseys 200 项 Web 任务基准中，browser-use 87.4% 的成功率优于 Anthropic computer-use 方案。

Q：不写代码能用吗？

可以。browser-use 提供 CLI 工具，将以下提示词粘贴给任意 AI 编程助手，它会自动完成安装配置：“Install or upgrade browser-use to the latest stable version with uv using Python 3.12, run browser-use skill install to register the skill.”

结语

browser-use 填补了"有 API 的世界"覆盖不到的盲区：那些只有 Web 界面、没有开放 API 的场景，现在可以用 AI 直接操控浏览器完成。从 Manus 的商业落地到 Odysseys 排行榜第一名，这个框架正在从开发者实验工具演变为 AI Agent 的标准基础设施层。

Odysseys Benchmark 官方数据显示，browser-use 是目前唯一在 200 项真实 Web 任务中突破 85% 成功率的公开方案。项目由 browser-use 团队在 GitHub 持续维护，Discord 社区活跃。

本文内容基于 2026 年 7 月数据及 v0.13.6 版本，如需获取最新 API 文档和示例代码，建议访问 browser-use 官方文档。

 

延伸资源

● browser-use GitHub：https://github.com/browser-use/browser-use

● Odysseys 排行榜：https://odysseysbench.com/leaderboard

● 多模型 API 测试对比：https://www.qiniu.com/ai/models