第19篇：浏览器自动化——AI 帮你上网办事

这篇讲的是：如何让 Hermes Agent 像真人一样打开浏览器、点击按钮、填写表单、抓取信息，帮你把网上的活儿干了。

想象一下，你雇了一个“数字助理”，它不仅能看懂网页，还能亲手操作。你只需要说“帮我把这个网页上的商品价格都记下来”，它就能自己打开浏览器、翻页、记录，最后给你一份清单。这就是浏览器自动化的魅力。

它支持哪些“上网方式”？

Hermes 提供了好几种“浏览器替身”，你可以按需选择：

• 云端模式：用 Browserbase、Browser Use 或 Firecrawl 的服务，不需要你本地装浏览器，适合不想占内存的朋友。
• 本地模式：用你自己的 Chrome、Edge 等浏览器（通过 CDP 连接），或者用内置的 agent-browser 工具。
• 隐身模式：用 Camofox 这个“伪装大师”，它能模拟不同的浏览器指纹，降低被网站识别为机器人的概率。

不管用哪种方式，AI 都能看懂网页的“骨架”（叫无障碍树），给每个按钮、输入框编上号（比如 @e1、@e2），然后精准地点击和输入。

快速上手：3 步搞定云端模式

第1步：注册并拿到钥匙（API Key）

去 browserbase.com 注册一个账号，拿到你的 API Key 和项目 ID。这就像你租了一台远程电脑，钥匙就是登录凭证。

第2步：告诉 Hermes 你的钥匙

打开终端，编辑配置文件（通常在 ~/.hermes/.env），把钥匙填进去：

# 添加以下两行
BROWSERBASE_API_KEY=你的钥匙
BROWSERBASE_PROJECT_ID=你的项目ID

第3步：开始使唤 AI

现在你可以直接说：“打开百度，搜索‘今天天气’，把第一条结果念给我听。” Hermes 就会远程打开浏览器，一步步执行。

进阶技巧：本地开发者的福音

如果你正在本地开发网站（地址是 localhost:3000），又配置了云端浏览器，Hermes 有个聪明的自动分流功能：访问公网用云端，访问本地地址自动切换到本地浏览器。这样你既能截图本地页面，又能抓取 GitHub 上的资料，不用来回切换。

这个功能默认开启。如果你想关掉它，可以在 ~/.hermes/config.yaml 里设置：

browser:
  cloud_provider: browserbase
  auto_local_for_private_urls: false

总结

浏览器自动化就像给 AI 装了一双“手”和“眼睛”，让它能真正替你操作网页。云端模式适合不想折腾的朋友，本地模式适合开发者，Camofox 则适合需要“隐身”的场景。 关键是，所有操作都只用自然语言下达指令，不用写一行代码。

下篇预告： 光会操作浏览器还不够，AI 还得会“看懂”图片和视频。下一篇我们聊聊 视觉分析功能——让 AI 帮你“看图说话”。