一文掌握 browser-use：基于 DeepSeek 的浏览器自动化实战

作者：测试人

2025-05-29
北京
本文字数：1561 字
阅读完需：约 5 分钟

一、项目定位与技术价值

1.1 智能体开发新范式

Browser-Use 作为开源 AI 自动化工具，通过集成 DeepSeek 等大模型与 Playwright 浏览器引擎，实现自然语言驱动的浏览器操作。其技术价值体现在：

低代码开发：仅需自然语言指令即可生成自动化脚本

多模态交互：融合 DOM 解析（精度 99%）+视觉识别

企业级扩展：支持私有化部署与多智能体协同

1.2 与 DeepSeek 的深度整合

Browser-Use 对 DeepSeek 的适配优势：

模型微调支持：可针对电商、金融等场景优化提示词

API 调用优化：支持流式响应与长文本处理

成本控制：DeepSeek 推理成本仅为 GPT-4 的 1/5

二、核心架构解析

2.1 模块化设计

2.2 执行流程时序

1. 初始化阶段：

加载 DeepSeek API 密钥

启动带 Cookie 的 Chrome 实例

2. 决策阶段：

# 模型输出示例  {    "action": "click_element",    "params": {"xpath": "//button[@id='submit-order']"}  }

复制代码

3. 执行阶段：

Playwright 执行点击/输入等操作

失败时自动重试（最大重试次数 3 次）

三、环境配置指南

3.1 基础安装

# 创建 Python 3.11 虚拟环境  conda create -n browser_use python=3.11  conda activate browser_use  
# 安装核心依赖  pip install browser-use playwright -i https://pypi.tuna.tsinghua.edu.cn/simple  playwright install chromium  # 安装 Chromium 浏览器

复制代码

3.2 DeepSeek 配置

1. 获取 API Key：

2. 配置环境变量：

echo "DEEPSEEK_API_KEY=sk-your-key-here" >> .env

复制代码

四、实战案例：电商自动下单

4.1 场景设计

完成淘宝购物全流程：

登录账号（使用本地保存的 Cookie）
搜索「机械键盘」并筛选「销量排序」
选择第一个商品加入购物车
提交订单并填写收货地址

4.2 代码实现

from langchain_openai import ChatOpenAI  from browser_use import Agent, BrowserConfig, Browser  import asyncio  import os  
# 配置本地 Chrome 路径（需提前登录淘宝）  config = BrowserConfig(      chrome_instance_path="C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe",      headless=False  # 显示浏览器界面（网页10）  )  
async def taobao_order():      browser = Browser(config=config)      llm = ChatOpenAI(          base_url="https://api.deepseek.com/v1",          model="deepseek-chat",          api_key=os.getenv("DEEPSEEK_API_KEY")      )  
    agent = Agent(          browser=browser,          task='''          1. 打开 taobao.com 并等待登录完成          2. 搜索"机械键盘"，按销量排序          3. 选择第一个商品进入详情页          4. 点击"加入购物车"          5. 进入购物车提交订单          6. 选择默认地址并支付          ''',          llm=llm,          max_steps=20  # 最大执行步骤（网页6）      )  
    await agent.run()      await browser.close()  
asyncio.run(taobao_order())

复制代码

4.3 关键技术点

登录态保持：利用已登录的 Chrome 实例绕过验证

元素定位策略：

# DeepSeek 生成的 XPath  "//div[contains(text(),'销量')]/ancestor::button"

复制代码

异常处理：

商品缺货时自动选择下一商品

支付失败时截图保存

五、进阶应用：数据采集与 RAG

5.1 竞品价格监控系统

task = '''  1. 打开 jd.com 搜索"无线鼠标"  2. 采集前10个商品的：     - 名称     - 价格     - 评论数  3. 保存为 CSV 文件  '''  
# 输出数据结构化  class Product(BaseModel):      name: str      price: float      reviews: int  
controller = Controller(output_model=List[Product])

复制代码

5.2 技术增强点

动态页面处理：

await page.wait_for_selector("//div[@class='price']", timeout=5000)

复制代码

反爬对抗：

随机滑动速度模拟
IP 轮换机制（需配合代理池）

六、常见问题排查

发布于: 刚刚阅读数: 2

原文链接:【http://xie.infoq.cn/article/fdee3ae959c6aeb80ad195b05】。

测试人

关注

专注于软件测试开发 2022-08-29 加入

霍格沃兹测试开发学社，测试人社区：https://ceshiren.com/t/topic/22284

发布

暂无评论

创作场景

一文掌握 browser-use：基于 DeepSeek 的浏览器自动化实战

一、项目定位与技术价值

1.1 智能体开发新范式

1.2 与 DeepSeek 的深度整合

二、核心架构解析

2.1 模块化设计

2.2 执行流程时序

三、环境配置指南

3.1 基础安装

3.2 DeepSeek 配置

四、实战案例：电商自动下单

4.1 场景设计

4.2 代码实现

4.3 关键技术点

五、进阶应用：数据采集与 RAG

5.1 竞品价格监控系统

5.2 技术增强点

六、常见问题排查

测试人

评论