poxiaoxi博客很多网页自动化任务并不难做一次，难的是稳定地做很多次。AI Agent临时打开网页、观察DOM、点击、提取数据，适合探索；但如果同一个网站、同一种数据结构要跑500次、5000次，反复让Agent重新理解页面就会带来路径不一致、成本偏高和失败模式不可控的问题。BrowserAct Skill Forge关注的正是这个断点：把一次探索过程沉淀成可复用的Skill。
项目定位
BrowserAct Skill Forge是BrowserAct Skills仓库中的一个扩展Skill，官方文档将它描述为构建在BrowserAct CLI之上的能力生成工具。它和BrowserAct入口Skill的分工不同：BrowserAct提供真实浏览器执行能力，Skill Forge负责把某个网站上的数据抽取或操作流程封装成可参数化、可复用的Skill包。
换句话说，BrowserAct解决“Agent如何操作真实网页”，Skill Forge解决“如何把一次网页操作流程固化为以后可重复调用的能力”。这对批量数据采集、周期性监控、跨站点对比和企业内部固定流程尤其有意义。
核心思路：探索一次，复用多次
官方文档把Skill Forge的流程概括为四步：Describe、Explore、Generate、Self-Test。用户先用自然语言描述目标，例如需要从招聘网站抽取职位标题、公司、薪资和链接；Agent随后探索网站，优先发现可复用的API路径，在必要时回退到DOM提取；接着生成参数化Skill包；最后进行端到端自测试，并在失败时尝试自我修复。
这种设计的重点不是“让Agent每次都更聪明”，而是减少每次重新探索的必要。业务变量会变成命令参数，例如关键词、地区、分类、页数等；站点理解、接口路径、字段映射和执行逻辑则被写入生成的Skill中。
API-first与DOM fallback的取舍
Skill Forge强调API-first。它会通过网络捕获和请求分析发现网站背后的接口和数据模式。如果能稳定调用真实接口，执行时就不需要完整渲染页面，也更容易拿到结构化数据。官方文档也将API路径视为更稳定的优先方案。
DOM fallback则用于没有合适接口、接口难以复用或必须通过页面交互才能完成的场景。它的好处是覆盖面更广，但缺点也清楚：页面结构一旦改版，选择器、布局和交互步骤更容易失效，需要重新探索或调整Skill。
它生成的不是脚本片段，而是Agent可调用能力
传统爬虫通常输出一个脚本，后续由开发者维护。Skill Forge的目标更偏Agent生态：生成一个可安装、可调用、带参数的Skill包，让Agent以后遇到相同任务时直接调用对应能力，而不是从空白页面重新观察和推理。
官方文档中提到，生成结果包括SKILL.md、可执行脚本和可部署的包。站点中的业务变量不会被硬编码，而是作为参数暴露出来。这样同一个Skill可以服务多个关键词、地区、分类或账号上下文。
适合的任务类型
BrowserAct Skill Forge更适合重复性强、结构相对稳定、输入参数可枚举的网页任务。例如电商价格和库存监控、招聘信息采集、地图商家数据整理、新闻或内容站点监控、社交平台公开数据抽取、内部后台固定操作封装等。
它也适合跨站点对比场景。每个站点先通过Skill Forge生成独立Skill，再在上层统一字段和调用方式。对数据团队来说，这比每次写一次性脚本更接近“能力库”的思路。
安装和依赖关系
官方文档说明，Skill Forge是独立于BrowserAct入口Skill的扩展Skill，需要单独安装。推荐方式是让AI Agent完成安装和验证；同时，文档也明确列出前置条件：需要安装BrowserAct CLI，并安装BrowserAct入口Skill。
BrowserAct官网页面展示的安装命令为：
npx skills add browser-act/skills --skill browser-act-skill-forge
基础BrowserAct仓库说明其兼容Windows、macOS和Linux，并可用于Claude Code、Cursor、VS Code、OpenCode、OpenClaw、Codex、Gemini CLI等能够执行shell命令并加载Skills的Agent工具。
工程价值：从“写爬虫”转向“生成能力”
Skill Forge真正有价值的地方，是把网页自动化工作从一次性Prompt迁移到可维护资产。传统模式中，需求来了以后由工程师分析页面、写脚本、测试、部署，再等待网站改版后修复。Skill Forge模式下，Agent负责探索和生成Skill，工程师更多是在管理平台、审查结果、处理复杂边界和维护合规。
这种模式尤其适合内部团队沉淀能力库。某个网站一旦探索完成，后续同类任务不必重新消耗大量上下文窗口和浏览器观察成本。官方文档也强调，成本从“每次调用都付出探索成本”转为“探索一次，后续复用”。
精彩评论