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

用你自己的登录身份上网

默认情况下，本地浏览器用的是干净的一次性配置，等于什么都没登录。如果你想让 AI 用你自己的账号去操作（比如帮你发帖、填表单），可以打开“真实配置”开关：

# ~/.hermes/config.yaml
browser:
  use_real_profile: true

打开后，Hermes 会把你浏览器当前正在用的那个配置（连同 cookie、保存的登录、偏好设置）复制一份快照，然后用你真正的浏览器程序在后台无窗口运行，不会抢你的焦点，你可以继续干别的活。你的原始配置不会被直接打开，所以不会和你正在用的浏览器抢锁。

注意：启动前最好把浏览器完全退出。 在 Windows 上，浏览器开着会独占锁定 cookie 和登录数据库，Hermes 根本复制不了，会直接报错让你先关掉（包括托盘里偷偷留着的 chrome.exe）。在 macOS 和 Linux 上虽然文件没被锁，但浏览器运行时通常会把 Login Data、Web Data 这些数据库攥在手里，Hermes 等 5 秒读不到也会停下来，并告诉你卡在哪个数据库上。所以三个平台都建议先退出浏览器再启动会话——会话起来之后你可以再打开浏览器，因为快照是独立的目录。

如果你有多个浏览器配置（比如一个工作号、一个私人号），不想让“最近用过的那个”决定 AI 的身份，可以明确指定：

browser:
  use_real_profile: true
  real_profile_pin: "Profile 2"   # 浏览器用户数据目录下的文件夹名

指定的配置不存在时会直接报错，不会偷偷退回最近使用的那个。把开关关掉后，Hermes 会在下次用到浏览器时删掉快照目录，凭证不会残留。

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”。