Nanobrowser：开源浏览器自动化工具 让 AI 帮你操作网页

💡 一个真实的需求场景

你可能遇到过这样的情况：需要在多个招聘网站搜索职位信息，或者定期从不同平台收集数据做对比。这些重复性的浏览器操作既耗时又枯燥。OpenAI 的 Operator 能解决这个问题，但要付费，而且数据要上传到云端。

最近发现了一个开源项目 Nanobrowser，它是一个 Chrome 浏览器扩展，可以用自然语言指挥 AI 自动完成网页操作，关键是完全在本地运行，数据不出你的电脑。

🎯 这个工具能做什么

Nanobrowser 的核心功能是浏览器自动化。简单说，就是你用文字描述想做的事，AI 会自动操作浏览器完成任务。

几个实用场景：

• 自动搜索并整理多个网站的信息
• 批量填写表单或提交数据
• 定期抓取特定网页内容
• 测试网页的交互流程

主要特点：

• 本地运行：所有操作在你的浏览器里执行，API Key 存在本地
• 模型灵活：支持 OpenAI、Claude、Gemini、Ollama 等多种大模型
• 完全免费：代码开源，只需要自己准备 API Key
• 对话交互：用自然语言描述任务，AI 自动执行

🏗️ 技术实现方式

项目基于 Browser Use 和 LangChain 开发，前端用 React + TypeScript，构建工具是 Vite。代码结构采用 Turborepo 管理的 Monorepo 形式，分为扩展核心、共享包和文档站点三部分。

最有意思的是它的多智能体设计。

Nanobrowser 用了两个专门的 AI 智能体协同工作：

Planner（规划者） 负责分析任务、制定策略、遇到问题时调整方案。

Navigator（导航者） 负责执行具体操作，比如定位页面元素、点击按钮、输入文字。

两个智能体通过消息传递配合完成任务。你甚至可以给它们配置不同的模型——比如用 Claude 做规划推理，用 GPT-4o 快速执行操作。

🚀 如何使用

安装方法有两种：

方法一：从 Chrome 应用商店安装

• 搜索 "Nanobrowser" 直接添加
• 打开扩展设置页面添加 API Key
• 为每个智能体选择使用的模型

方法二：手动安装最新版

• 从 GitHub 下载最新 Release 的 zip 包
• 解压后在 chrome://extensions/ 页面加载

使用示例：

假设你想了解 HuggingFace 上热门的文本生成模型，可以这样输入：

访问 HuggingFace，搜索最热门的文本生成模型，
总结前三个模型的特点

然后 AI 会自动打开网站、输入搜索词、访问模型页面、提取信息并汇总结果。整个过程在侧边栏实时显示，你可以随时干预或追问。

💻 代码实现细节

项目代码应用了多种设计模式：

• 策略模式：适配不同的 LLM 提供商
• 观察者模式：智能体状态变化时通知界面更新
• 责任链模式：任务在智能体之间传递处理
• 工厂模式：动态创建不同类型的智能体

核心算法包括任务分解（Planner 用 LLM 推理拆解复杂任务）、DOM 定位（基于语义理解生成选择器）、上下文管理（高效存储对话历史）。

开发工具链比较现代化：pnpm workspace 管理依赖，Turborepo 构建，ESLint + Prettier 保证代码规范，GitHub Actions 做 CI/CD。

🎨 适合什么场景

• 数据收集：从多个网站自动抓取信息
• 重复操作：批量处理表单等重复性任务
• 自动化测试：测试网页的用户交互流程
• 信息整合：跨网站搜索并汇总结果
• 学习研究：了解 AI Agent 的实现原理

📌 使用注意事项

• 目前只支持 Chrome 和 Edge 浏览器，Firefox 和 Safari 不支持
• 需要自己准备 LLM 的 API Key
• 复杂任务可能需要多次调整提示词
• 项目更新比较快，建议关注 GitHub 动态

🔗 项目地址

GitHub 仓库：nanobrowser/nanobrowser

官方文档：nanobrowser.ai/docs

原文：https://yunpan.plus/t/366-1-1

✨ 总结

Nanobrowser 提供了一个本地化的浏览器自动化方案，多智能体架构设计合理，代码质量不错，适合学习和二次开发。如果你对 AI Agent 应用感兴趣，或者有浏览器自动化的需求，可以试试这个工具。