5分钟跑通网页数据自动提取：Hermes Agent 浏览器自动化实战

5分钟跑通网页数据自动提取：Hermes Agent 浏览器自动化实战

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

还在手动复制表格数据、反复刷新页面核对价格吗？把任务丢给 Hermes Agent 的浏览器自动化模块，让它替你完成数据提取：打开网页、定位元素、填写表单，最后把结构化结果交还给你。

它能帮你解决什么问题

数据提取：告诉它"抓取这个商品列表页的规格和价格"，它会自动翻页滚动，返回一张可以直接入库的对照表，你只负责验收结果。

表单填写：给它一份待提交的记录清单和登录页地址，它逐个填好账号、勾选协议并提交，遇到校验异常会停下并把现场反馈给你。

内容监控：定时任务里加一句"检查公告页有没有新条目"，每次运行它对比上次快照，只输出新增内容，页面没变就安静结束。

背后的 3 个关键机制

云端执行：浏览器跑在 Browserbase 云环境中，你本机连浏览器都不用装，登录态、指纹、验证码拦截统一由云端处理。这样设计的好处是任务跑在干净隔离的容器里，不会被你本机的代理或证书问题带偏。

可访问性树快照（ariaSnapshot）：工具不把页面截成图，而是渲染成带引用 ID 的文本树，LLM 读文本就能"看懂"页面结构。这对没有视觉能力的模型价值最大——它不用猜像素，直接按文本定位该点哪里。

任务会话隔离：每个 task_id 绑定一个独立浏览器会话，多个任务并行时页面、Cookie 互不串扰。任务结束会话随即回收，不会把上一个任务的登录态漏给下一个任务。

5 分钟跑通第一个任务

git clone https://gitcode.com/GitHub_Trending/he/hermes-agent cd hermes-agent && npm install export BROWSERBASE_API_KEY=你的API密钥 export BROWSERBASE_PROJECT_ID=你的项目ID

两个环境变量均可在 Browserbase 控制台获取，配置完即可开始调用 浏览器工具源码。

一次完整的网页数据提取流程

下面是一个连续脚本：导航、取快照、点开详情、填关键词、滚动加载，最后提取结果：

from tools.browser_tool import (browser_navigate, browser_snapshot, browser_click, browser_type, browser_scroll) tid = "extract_001" browser_navigate("https://example.com/products", task_id=tid) snap = browser_snapshot(task_id=tid, full=False) # 输出含 @e1 等引用ID browser_click("@e5", task_id=tid) # 点进详情页 browser_type("@e3", "关键词", task_id=tid) # 先清空再输入 browser_scroll("down", task_id=tid) # 触发懒加载 print(browser_snapshot(task_id=tid, full=True)) # 提取完整内容

• task_id是会话的钥匙：同一个 ID 内所有操作共享一个云端页面，换 ID 就是全新环境。
• full=False返回只含交互元素的紧凑视图，省 token；需要读正文时再传full=True。
• @e1、@e5这类引用 ID 来自快照输出里的方括号标注，先取快照、再按 ID 操作，顺序不能反。

⚡ 两个进阶能力（按需使用）

视觉分析：遇到 CAPTCHA、图片验证码或纯图表内容，文本树帮不上忙，这时用视觉兜底——browser_vision("这张图上的验证码是什么？", task_id=tid)，它会截屏交给视觉模型判断。

会话超时调优：会话默认 300 秒不活动即被回收，长任务中途等待人工介入时可能超时，调大即可：export BROWSER_INACTIVITY_TIMEOUT=900。

🛠 新手最容易踩的 3 个坑

Q1：没先 navigate 就调用 click/type，报错怎么办？必须先browser_navigate建立页面，其他操作都依赖当前页上下文。看到报错先补一次导航，不要连续重试原命令。

Q2：快照为什么只返回了一半？超过 8000 字符的快照会被截断或交给 LLM 摘要，长页面建议full=False取紧凑视图，再分块滚动分段提取。

Q3：任务跑一半会话没了？空闲 300 秒会话就会被自动清理，重新 navigate 会拿到全新环境。长流程把BROWSER_INACTIVITY_TIMEOUT调大，或确保每步操作间隔不超时。

一句话收尾

把"打开页面、点、填、取数"这条链路交给 Hermes Agent，你只需要定义输入和验收标准。

• 文档目录：docs/
• 浏览器工具源码：tools/browser_tool.py

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent