第19篇：瀏覽器自動化——AI 幫你上網辦事

這篇講的是：如何讓 Hermes Agent 像真人一樣開啟瀏覽器、點擊按鈕、填寫表單、擷取資訊，幫你把網路上的活兒幹了。

想像一下，你僱了一個「數位助理」，它不僅能看懂網頁，還能親手操作。你只需要說「幫我把這個網頁上的商品價格都記下來」，它就能自己開啟瀏覽器、翻頁、記錄，最後給你一份清單。這就是瀏覽器自動化的魅力。

它支援哪些「上網方式」？

Hermes 提供了好幾種「瀏覽器替身」，你可以按需選擇：

• 雲端模式：用 Browserbase、Browser Use 或 Firecrawl 的服務，不需要你本機安裝瀏覽器，適合不想佔記憶體的朋友。
• 本機模式：用你自己的 Chrome、Edge 等瀏覽器（透過 CDP 連線），或者用內建的 agent-browser 工具。
• 隱身模式：用 Camofox 這個「偽裝大師」，它能模擬不同的瀏覽器指紋，降低被網站辨識為機器人的機率。

不管用哪種方式，AI 都能看懂網頁的「骨架」（叫無障礙樹），給每個按鈕、輸入框編上號（比如 @e1、@e2），然後精準地點擊和輸入。

快速上手：3 步搞定雲端模式

第1步：註冊並拿到鑰匙（API Key）

去 browserbase.com 註冊一個帳號，拿到你的 API Key 和專案 ID。這就像你租了一台遠端電腦，鑰匙就是登入憑證。

第2步：告訴 Hermes 你的鑰匙

開啟終端機，編輯設定檔（通常在 ~/.hermes/.env），把鑰匙填進去：

# 新增以下兩行
BROWSERBASE_API_KEY=你的鑰匙
BROWSERBASE_PROJECT_ID=你的專案ID

第3步：開始使喚 AI

現在你可以直接說：「開啟百度，搜尋『今天天氣』，把第一條結果唸給我聽。」 Hermes 就會遠端開啟瀏覽器，一步步執行。

進階技巧：本機開發者的福音

如果你正在本機開發網站（位址是 localhost:3000），又設定了雲端瀏覽器，Hermes 有個聰明的自動分流功能：存取公網用雲端，存取本地位址自動切換到本機瀏覽器。這樣你既能截圖本機頁面，又能抓取 GitHub 上的資料，不用來回切換。

這個功能預設開啟。如果你想關掉它，可以在 ~/.hermes/config.yaml 裡設定：

browser:
  cloud_provider: browserbase
  auto_local_for_private_urls: false

總結

瀏覽器自動化就像給 AI 裝了一雙「手」和「眼睛」，讓它能真正替你操作網頁。雲端模式適合不想折騰的朋友，本機模式適合開發者，Camofox 則適合需要「隱身」的場景。 關鍵是，所有操作都只用自然語言下達指令，不用寫一行程式碼。

下篇預告： 光會操作瀏覽器還不夠，AI 還得會「看懂」圖片和影片。下一篇我們聊聊 視覺分析功能——讓 AI 幫你「看圖說話」。