#WorkBuddy# 网页上没有按钮的操作怎么补：Agent Browser 浏览器操控 + 本地巡检脚本的分工（macOS 实操，附零依赖脚本）

#WorkBuddy# 网页上没有按钮的操作怎么补：Agent Browser 浏览器操控 + 本地巡检脚本的分工（macOS 实操，附零依赖脚本）

一、你会遇到的场景

干过网页自动化的人都懂这种憋屈：要的信息藏在二级页面里，得点「加载更多」才出来；想定期看某个公告页有没有更新，只能每天手动打开一次；还有一批需要登录才能看的页面，脚本一跑就掉登录态，第二天又得扫码。

以前的解法是写爬虫或者 Playwright 脚本，代价是要自己维护选择器，网页改一次版脚本就废一次。现在 WorkBuddy 自带的浏览器操控能力（官方名 Agent Browser）把「点、翻、填、截图」这层接管了，但它不负责长期巡检。这篇文章讲两件事：Agent Browser 能干到哪一步、它干不了的那部分怎么用 90 行 Python 补上。

二、结论先行

分工一句话：需要「动手」的交给 Agent Browser，需要「长期盯着」的交给本地脚本。 前者靠浏览器真实登录态解决"进不去"，后者靠哈希快照 + 归一化 diff 解决"不知道变了没有"。两者拼起来才是完整闭环。适用边界：公开页面、结构稳定的页面；有滑块/短信验证码、强风控的站点，谁都救不了。

三、完整操作步骤

步骤 1：确认插件装上了（别靠猜）

Agent Browser 靠浏览器扩展实现，当前优先适配 Chrome / Edge / QQ 浏览器。判断装没装，别去翻设置页，直接扫扩展目录更准：

# 环境：macOS，Python 3.11+（零第三方依赖）
ls -1 "$HOME/Library/Application Support/Google/Chrome/Default/Extensions"

目录下每一串 32 位字符就是一个扩展 ID，真正的名字在 manifest.json 里。我把它写成了脚本的一个子命令：

python3 browser_watch.py --probe

输出长这样（本机实跑，非 WorkBuddy 的扩展 ID 已打码）：

== 浏览器本体 ==
  Chrome   已安装   /Applications/Google Chrome.app
  Edge     未安装   /Applications/Microsoft Edge.app
  QQ浏览器    未安装   /Applications/QQ浏览器.app

== Chrome 已安装扩展 ==
  ajnnogdfpilbhkeggdjlcokgglijmdde  WorkBuddy  <== 目标扩展
  ********************************  __MSG_extName__（国际化名）
共 4 个扩展，命中 WorkBuddy：是

踩点：很多扩展的 name 是 __MSG_extName__ 这种国际化占位符，直接读 manifest 拿不到真名，得再查 _locales。所以判断"是不是目标扩展"要同时兼容占位符，不能只做字符串相等。

步骤 2：给 Agent Browser 下指令，四要素缺一不可

自然语言不等于随便说。实测下来，指令必须凑齐四样：链接、动作、范围、输出格式。反例："帮我看下这个网页，整理一下内容"——它会漏抓。正例：

打开 http://127.0.0.1:8731/notice.html
依次展开页面里所有折叠区块，点完「加载更多」
只提取正文里的条款条目，不要导航栏和页脚
整理成 Markdown 表格，关键区块各截一张图
遇到验证码/滑块就停下来等我手动处理，不要自己尝试

最后那句很重要，是安全边界不是客套话。

步骤 3：长期巡检交给本地脚本，别让浏览器一直开着

Agent Browser 适合"现在马上去做一次"，不适合"每天自己看一眼有没有变"。后者用快照比对更稳。核心逻辑三步：抓页面 → 归一化 → 比哈希。

# 首次：抓基线
python3 browser_watch.py --snap --config watchlist.json --store .watch_store

# 之后每次：跟上次比，只报真变化
python3 browser_watch.py --diff --config watchlist.json --store .watch_store

watchlist.json 长这样（示例 URL 为虚构演示页面）：

{
  "watchlist": [
    { "name": "示例公告页", "url": "http://127.0.0.1:8731/notice.html" }
  ]
}

归一化是这一步的灵魂，顺序不能乱：

t = RE_SCRIPT.sub(" ", html)      # 1. 去 script/style —— 最大噪音源
t = RE_TAG.sub("\n", t)           # 2. 去标签
t = RE_NUMRUN.sub("<N>", t)       # 3. 去 6 位以上长数字（时间戳、流水号）
t = RE_HEX.sub("<H>", t)          # 4. 去 16 位以上十六进制（hash、csrf token）

顺序反了就完蛋：先去长数字会误伤正文里的编号，先去标签会让 <script> 的正则失配。

步骤 4：挂上定时任务

WorkBuddy 的定时任务直接指向这条命令即可，产出落在 .watch_store/diff-*.txt。前提：电脑得开着、WorkBuddy 得在线，它不是云端 Serverless，关机就是暂停。

四、实测数据

以下全部为本机实跑（macOS Apple Silicon，Python 3.13.12，本地 HTTP 演示服务，页面内容为虚构示例）：

关键就在那个对照组：同一对"只改了时间戳"的页面，原始哈希不同、直接比文本有 2 行差异，归一化后 6 行正文完全一致。省掉归一化，你的巡检脚本会天天报假警，报到最后你就不看了。

  [DIFF] 示例公告页          变化 11 行
         @@ -5,2 +5,3 @@
          提交截止：2026-11-02
         -联系人：示例-张三
         +联系人：示例-李四
         +新增：补充说明条款 C

未实测项：对真实外网页面的巡检误报率、Agent Browser 跑完一个真实多步任务的总耗时 —— 【待本人实测补充】，本稿不编造数字。

五、踩坑与边界

1. urllib 不会自动解 gzip。不处理 Content-Encoding: gzip 的话，拿到的是一坨二进制，decode 出来全是乱码。脚本里必须手动 gzip.decompress；遇到 br/deflate 直接报错，别硬猜。
2. 登录态是双刃剑。Agent Browser 复用的是你浏览器里已有的登录会话——方便，但也意味着它在授权范围内能碰到你所有已登录的账号。公用电脑别开；网银、支付类账号不要在同一个浏览器里保持登录。用完去设置页断开连接、撤回权限。
3. 验证码是硬边界。滑块、图形选字、短信、人脸，它会停下来交还人工。如果一个任务中途频繁弹验证，来回切确认比手动做还慢，这种场景别上自动化。
4. 它不会替你做决策。多个选项时你没有写清规则，它就停下来问你，不会自己挑。
5. 别高频批量访问同一站点。短时间反复翻页抓取会触发风控，工具定位是"简化零散重复操作"，不是无限采集器。
6. 脚本只覆盖"静态 HTML 抓得到"的页面。需要点击才渲染、数据走异步接口的内容，脚本抓不到——那部分正好反过来交给 Agent Browser，这就是两者分工的理由。

六、小结

Agent Browser 解决"进不去、点不动、要登录"，本地脚本解决"长期盯、变化告警、留档"。别指望一个工具通吃，把边界切清楚，两个都不难用。

附：发布信息

• 标题：#WorkBuddy# 网页上没有按钮的操作怎么补：Agent Browser 浏览器操控 + 本地巡检脚本的分工（macOS 实操，附零依赖脚本）
• 标签：WorkBuddy、AI 办公、效率工具
• 来源：原创
• 专栏：AI 与大数据
• 板块：实用文章
• 字数：1709 中文字（不含代码）✅ ≥800
• 红线检查：✅ 示例页面、示例人物、示例编号均为虚构，标注为演示用途

截图位清单（发布前必补）

1. WorkBuddy 工作台「浏览器」连接器卡片（已连接状态）
2. --probe 的终端输出（浏览器 + 扩展命中）
3. --diff 抓到真变化时的终端输出
4. .watch_store 目录里的快照与 diff 归档文件
5. 浏览器连接器权限说明 / 高危操作需人工确认的提示

配套文件

复现命令：cd assets/demo-pages && python3 -m http.server 8731 --bind 127.0.0.1，另开终端跑 --snap → 换 v2 → 跑 --diff。