没有公开API也能自动操作网站？travel-hacking-toolkit的Docker+Patchright浏览器自动化揭秘

travel-hacking-toolkit是一个面向旅行套利（points/miles/award flights）的 AI 工具集，其中最硬核的设计之一是：用 Docker 容器 + Patchright 反检测浏览器自动化，让 AI 自动操作那些没有公开 API 的旅行网站——Southwest 航空、Chase Travel、Amex Travel、VRBO、美国航空里程账户等，全程无需人工点击，结果直接以 JSON 返回给 AI 分析。

本文带你看懂这套方案的三层设计：为什么普通爬虫不行、Docker 里的"隐形浏览器"是怎么跑起来的、以及登录态和安全边界如何处理。

没有公开 API 的网站，AI 拿什么查价？

旅行搜索生态里有一批"盲区"网站，它们要么根本不提供 API，要么 API 仅限企业内部使用：

对这类网站，直接发 HTTP 请求或用标准 Playwright 脚本，结局都一样：指纹暴露、headless 被识别、Bot Manager 返回429 Too Many Requests。以 VRBO 为例，官方说明写得很直白：plain HTTP、标准 Playwright、@playwright/mcp全部撞墙，只有 Patchright 能拿到 Akamai 的_abck风控 cookie（见 skills/vrbo/SKILL.md）。

第一层：Patchright，一个"反检测"的 Playwright 分叉

这些旅行网站都有反自动化检测，普通 Playwright 暴露的指纹特征（如navigator.webdriver标记）会被直接拦截。

Patchright是 Playwright 的一个无检测（undetected）分叉，核心作用是修补浏览器指纹，让自动化浏览器在风控系统眼里看起来和真人操作一样。

但它只解决了一半问题——这也是很多人照搬 Playwright 方案失败的原因：

⚠️这些网站同样识别 headless（无头）模式。即使用了 Patchright，如果headless=True，Southwest 依然会拦截。所以这些脚本必须以 headed 模式（headless=False）运行。

本地运行时这倒不是问题——屏幕上会短暂弹出一个 Chrome 窗口然后关闭。但如果你想在后台无人值守地跑（比如定时监控票价下跌），或者跑在没有图形界面的服务器上，窗口弹不出来，headless 又必死。

于是有了第二层设计。

第二层：Docker + Xvfb，一个"看不见的 headed 浏览器"

这是整套方案最精巧的一点：在容器里给浏览器配一块"虚拟显示器"，让它以 headed 模式运行，但你的屏幕上什么都看不到。

每个 Docker 技能镜像都基于同一个基础镜像ghcr.io/borski/patchright-docker（Patchright + Chromium + Xvfb 预装层），容器启动时由 entrypoint 脚本做两件事（以 Southwest 为例，见 skills/southwest/scripts/entrypoint.sh）：

Xvfb :99 -screen 0 1440x900x24 -nolisten tcp & export DISPLAY=:99

• Xvfb（X virtual framebuffer）在容器内创建一个 1440x900 的虚拟显示；
• Patchright 以headed 模式连接这块虚拟屏，网站看到的是"真实有人在看"的浏览器，反检测全部通过；
• 你的机器上没有任何窗口弹出，完全后台化。

每个技能目录里的 Dockerfile 都只有几行，内容透明可查。例如 skills/southwest/Dockerfile 就是把 4 个脚本拷进基础镜像、指定entrypoint.sh作为入口，仅此而已——镜像里装了什么，打开 Dockerfile 一目了然。

第三层：脚本里"踩坑踩出来"的自动化细节

Docker 只解决了运行环境，真正让自动化稳定工作的是脚本里的实战技巧。以 Southwest 查价脚本 skills/southwest/scripts/search_fares.py 为例，官方 SKILL.md（skills/southwest/SKILL.md）总结了这些"血泪教训"：

1. 先访问首页再跳转结果页——直接拼结果 URL 会被拦，首页"预热"能建立正常浏览会话；
2. 用 URL 参数fareType=POINTS切积分价，而不是去点页面上的 Points 开关（跨 iframe 点击不可靠）；
3. 每次运行用全新的浏览器 profile，避免指纹累积触发风控；
4. 从[role='main']提取结果，而不是<main>——Southwest 页面里<main>是订票表单，选错容器会返回 0 条航班；
5. 先关掉 cookie 横幅，否则会挡住后续交互。

每次搜索大约 20 秒（首页预热 + React 渲染等待），换取的是全舱等票价表 + 积分价，输出为 Markdown 表格或 JSON，AI 拿到后直接算 CPP（每积分价值）和 Companion Pass 是否划算。

开箱即用：6 个公开 Docker 镜像一览

所有镜像都是公开的，docker pull即可，无需任何认证。完整清单见 README.md 的 Docker Images 一节：

安装工具包时，scripts/setup.sh 会根据你选择的工具自动docker pull对应镜像，首次使用自动拉取，基本无感。

实战：3 条命令查到 Southwest 积分票价

# 1. 拉取镜像 docker pull ghcr.io/borski/sw-fares:latest # 2. 查现金价（无需登录） docker run --rm ghcr.io/borski/sw-fares \ --origin SJC --dest DEN --depart 2026-05-15 # 3. 加 --points 查积分价，加 --json 输出给 AI docker run --rm ghcr.io/borski/sw-fares \ --origin SJC --dest DEN --depart 2026-05-15 \ --return 2026-05-18 --points --json

--json参数是这套设计与 AI Agent 集成的关键：容器 stdout 吐出的 JSON 被 AI 直接解析，再结合 skills/trip-calculator/SKILL.md 里的 CPP 公式，一句话就能回答"这趟用积分划不划算"。

登录态如何持久化：profile 挂载 + 一次人工登录

查价可以免登录，但查里程余额、查已订行程的降价就需要登录账号。这里有两个工程问题：2FA 怎么办？Cookie 过期怎么办？

方案：把浏览器 profile 目录挂载到容器外，登录一次，长期复用。

以 Chase Travel 为例，运行命令里多一个卷挂载（见 skills/chase-travel/SKILL.md）：

docker run --rm -v ~/.chase-travel-profiles:/profiles \ -e CHASE_USERNAME -e CHASE_PASSWORD \ ghcr.io/borski/chase-travel ...

• 首次运行需要人工完成一次 2FA（SMS 或 App 推送，脚本会自动检测账号支持哪种方式并走对应路径）；
• 之后设备信任关系保存在宿主机 profile 目录里，后续运行自动跳过 2FA，容器里全自动。

Amex Travel 的登录门带验证码，完全自动化不可能，所以项目提供了一个"人机协作"脚本：在本地机器（不能是 Docker，没有可见窗口）上运行 skills/amex-travel/scripts/refresh_login.py，它会打开真实 Chrome 窗口，你手动完成密码 + 验证码 + "信任此设备"，脚本检测到登录成功后把 session cookie 存盘——之后 Docker 里的所有运行都直接复用这份 cookie。

🔒 注意：Amex 脚本会明确拒绝在容器内运行refresh_login.py（检测到/.dockerenv直接报错退出），因为无人交互的容器里你没法完成验证码。

安全边界：只读、绝不代你订票

自动登录账号操作，最担心的就是"AI 手滑点了购买"。这套技能在源码层面做了硬性防护，以 Southwest 的查降价脚本为例（skills/southwest/SKILL.md）：

• 只读原则：脚本只登录、查订单位置、读改签差价页面，零点击于任何改签/取消/确认按钮；
• 危险按钮黑名单：DANGEROUS_LABELS拦截 "change this flight"、"confirm"、"cancel"、"book"、"purchase" 等文案，每次点击前都过一遍is_dangerous_click()检查；
• 全工具统一约束：所有浏览器技能只"找结果、给链接"，不完成任何购买。

配套地，纯逻辑部分（URL 构造、2FA 方式选择、429 拦截检测等）都有离线单元测试，不需要真实浏览器即可运行，例如 skills/chase-travel/tests/test_2fa_method.py 和 skills/vrbo/tests/test_search_vrbo.py。

本地运行 vs Docker 运行，怎么选？

结论：调试用本地，生产用 Docker。

小结

travel-hacking-toolkit 给"无公开 API 网站自动化"提供了一个可以直接抄的参考架构：

1. Patchright解决指纹识别——反检测的 Playwright 分叉；
2. Docker + Xvfb解决 headless 识别——虚拟显示器让浏览器以 headed 模式隐形运行；
3. profile 卷挂载 + 一次性人工登录解决登录态——2FA 做一次，信任长期有效；
4. 黑名单 + 只读设计划清安全边界——AI 查价监控，人做最终决定。

四层叠加，AI 就能稳定地替你在没有 API 的世界里查价、盯降价、算积分价值，而这正是旅行套利里最值钱、也最容易被风控拦下的那部分数据。