一句话搞定网页数据采集：BrowserAct SaaS把Agent操作固化成长期运行任务

让Agent帮忙填后台工单，它回复"好的"，几分钟后告诉你页面里的富文本编辑器不能输入。很多人以为是Agent不够聪明，但现在的网站比想象中复杂——很多后台页面看起来简单，里面却有很多层iframe，按钮能看到，但真正操作的输入框可能藏得很深。更麻烦的是，人机协作时你已经填了一半内容，Agent一个操作就把整个草稿覆盖掉了。

这也是为什么Agent想真正进入办公场景，网页操作能力会成为关键。

之前介绍过BrowserAct的开源Skills，它用CSS/XPath精准定位、iframe和shadow root穿透、fill和append区分等方法，让Agent在复杂网页中也能稳定执行操作。但开源方案有一个门槛——必须会写命令。对开发者而言state、click、input很自然，但对运营、财务、产品经理来说，他们不想学命令，只想告诉Agent"帮我做这件事"。

BrowserAct因此推出了SaaS产品线来解决这个问题。

核心能力

01 自然语言描述需求，Agent自动生成任务

不需要写代码，也不需要研究复杂的选择器，只要告诉它要实现什么。比如"帮我从亚马逊网站上查询苹果15到17的价格，输出店铺名称、价格、店铺URL"。任务越具体，Agent运行越精准。

Agent会自动分析页面结构，在相应部位进行点击、填写、提取等操作，并验证整个流程是否正常运行。遇到弹窗、页面跳转、加载等待等情况会自动处理，不需要一直盯着。执行完后输出完整的表格。

这和开源CLI最大的不同是：CLI更像给工程师的一套工具，SaaS更像给普通用户的执行助手。你来描述结果，Agent来理解步骤。

比如每天早上登录公司后台系统下载昨天的订单报表并发到财务邮箱，在BrowserAct SaaS中配置好任务后，通过Make或n8n定时触发，Agent自动完成页面浏览、流程配置和按计划执行，第二天一早报表就在邮箱里了。

02 一次构建，长期稳定运行

第一次执行时，Agent会走一遍整个流程，确认没问题后把流程固定下来作为可反复执行的任务。之后的运行直接执行确定性脚本，不需要每次大量消耗Token，也不会因为模型偶尔判断错误导致任务失败。

官方提供了很多流行模板可以直接使用。网站更新时，Agent可以检测到页面变化，在结构改变后重新适配流程——按钮位置改变、表单新增字段、页面布局变化都能自动处理。和一次性的CLI脚本相比，SaaS多了一层持续运行和维护的能力。CLI是开发工具，SaaS是长期托管的自动化服务。

03 反爬和运维全部托管

真实网页自动化场景中，验证码、登录状态、访问限制、IP风控都是无法避免的问题。很多时候任务失败不是因为流程出错，而是网站限制了访问。BrowserAct SaaS会解决浏览器环境、代理调度、异常重试、任务恢复等底层问题。不需要考虑某个请求为什么失败，也不需要半夜处理任务异常。系统一直在云端运行，出错后自动重试，确保第二天能拿到所需数据。

04 数据可连接各种业务系统

采集到的数据不只能在浏览器中查看，可以导出为CSV、JSON格式，也可以通过API、Webhook与现有系统连接。不管是Google Sheets、企业微信、飞书表格还是自建BI平台，都能形成完整的数据流转——从网页采集、数据整理到业务通知全部自动化。

开源版仍是核心底座

BrowserAct SaaS用到的浏览器自动化能力，底层仍然来自同一个引擎。开源版提供更细粒度的控制能力，适合开发者做调试、集成和二次开发；SaaS版降低了使用门槛，使业务人员可以直接创建自动化任务。简单说，开源版解决"怎么控制"的问题，SaaS解决"怎么省心"的问题。喜欢命令行的可以继续用开源版，跑通之后接入SaaS，任务就变成长期运行的云端Bot。

局限性

如果网站经常改变DOM结构，自动化任务也要跟着调整。iframe跨域限制是浏览器的安全机制之一，目前没有工具能完全绕过——这不是某个产品的缺陷，而是整个Web自动化领域都存在的问题。不过Agent只是在这个地方多尝试一些时间，最终还是会拿到结果。

小结

Agent下一阶段拼的不只是模型能力，而是能不能真正进入日常工作流。会聊天、会写代码才刚刚开始，人负责判断方向，Agent负责执行过程，这才是未来。

开源地址：https://github.com/browser-act/skills
官网地址：https://www.browseract.ai/