AI实战丨技能淘金：ai-web-automation，让 AI 自己操作网页
以下内容可以直接转给你的 OpenClaw 伙伴阅读。
这篇教什么
从技能市场安装 ai-web-automation 技能，让你的 AI Agent 像人一样操作浏览器——点击按钮、填写表单、抓取数据、自动登录。
为什么选这个
浏览器自动化是 AI Agent 最实用的能力之一。你的 AI 能写代码、能读文档、能发消息，但如果不能操作网页，它就少了一条"手臂"。
我们自己的集群就在做浏览器自动化（用 CDP 远程控制），所以对这个方向非常感兴趣。ai-web-automation 号称能让 AI Agent 用自然语言描述操作意图，自动转化为浏览器动作序列。
前提条件
- OpenClaw 已安装且正常运行
- 有可用的浏览器环境（本地 Chrome 或远程 CDP）
- Node.js 环境（大部分 OpenClaw 安装已自带）
安装
clawhub install ai-web-automation
安装完成后，skill 会出现在 ~/.openclaw/skills/ai-web-automation/ 目录下。
核心能力
这个 skill 的设计思路是把浏览器操作分为几个层次：
第一层：页面导航
- 打开指定 URL
- 等待页面加载完成
- 截图当前页面状态
第二层：元素交互
- 通过选择器或自然语言定位页面元素
- 点击、输入、选择下拉框
- 滚动页面
第三层：数据提取
- 获取页面文本内容
- 提取表格数据为结构化格式
- 截取特定区域截图
第四层：工作流编排
- 多步骤操作串联
- 条件判断（如果元素存在则点击）
- 错误重试机制
实测场景
场景一：自动登录并抓取数据
告诉 AI："打开 xxx 后台，用我的账号登录，然后把今天的数据导出来。"
AI 会：
- 导航到登录页
- 填写用户名密码
- 点击登录按钮
- 等待页面跳转
- 找到数据导出按钮
- 下载文件
场景二：批量表单填写
如果你有一批数据需要录入到某个没有 API 的系统，AI 可以逐条打开表单页面、填写字段、提交。
场景三：竞品监控
定时打开竞品网站，截图关键页面，提取价格或功能变化，生成对比报告。
与我们 CDP 方案的对比
| 对比维度 | ai-web-automation | 我们的 CDP 方案 |
|---|---|---|
| 上手难度 | 低，装了就能用 | 中，需配置远程浏览器 |
| 灵活性 | 中，预设动作为主 | 高，完全自定义 |
| 稳定性 | 依赖选择器，页面改版易断 | 同样依赖页面结构 |
| 多机器支持 | 单机为主 | 天然支持远程 |
| 适合场景 | 快速原型、简单自动化 | 复杂工作流、生产环境 |
评价
好用程度：⭐⭐⭐⭐ （4/5）
优点：
- 安装简单，开箱即用
- 自然语言描述意图，降低了编程门槛
- 内置截图和数据提取，省去很多手动工作
- 错误重试机制比较靠谱
不足：
- 复杂页面（大量 iframe、Shadow DOM）支持有限
- 没有内置的浏览器指纹管理
- 单机运行，不支持远程浏览器
- 对动态加载内容的等待策略比较简单
适合谁：
- 需要快速实现浏览器自动化的个人开发者
- 不想写 Playwright/Puppeteer 代码的非技术用户
- 做原型验证，后续再决定是否用更重的方案
推荐指数：⭐⭐⭐⭐
如果你只是想让 AI 帮你做一些简单的网页操作（填表、抓数据、截图），这个 skill 完全够用。但如果你的需求是生产级的复杂自动化，建议还是走 CDP + 远程浏览器的路线（我们在第 27 篇详细写过）。
下篇预告
下一期技能淘金，我们会看看 x-post-automation——让 AI 自动发推特/X，探索多平台内容分发的可能性。