bb-browser

name	bb-browser
description	强大的信息获取工具。通过浏览器 + 用户登录态，获取公域和私域信息。可访问任意网页、内部系统、登录后页面，执行表单填写、信息提取、页面操作。
allowed-tools	Bash(bb-browser:*)

bb-browser - 信息获取与浏览器自动化

核心价值

bb-browser 是一个强大的信息获取工具。

通过浏览器 + 用户登录态，可以获取：

• 公域信息：任意公开网页、搜索结果、新闻资讯
• 私域信息：内部系统、企业应用、登录后页面、个人账户数据

在此基础上，还可以代替用户执行浏览器操作：

• 表单填写、按钮点击
• 数据提取、截图保存
• 批量操作、重复任务

为什么能做到？

• 运行在用户真实浏览器中，复用已登录的账号
• 不触发反爬检测，访问受保护的页面
• 无需提供密码或 Cookie，直接使用现有登录态

快速开始

bb-browser open <url>        # 打开页面（新 tab）
bb-browser snapshot -i       # 获取可交互元素
bb-browser click @5          # 点击元素
bb-browser fill @3 "text"    # 填写输入框
bb-browser close             # 完成后关闭 tab

Tab 管理规范

重要：操作完成后必须关闭自己打开的 tab

# 单 tab 场景
bb-browser open https://example.com    # 打开新 tab
bb-browser snapshot -i
bb-browser click @5
bb-browser close                        # 完成后关闭

# 多 tab 场景
bb-browser open https://site-a.com     # tabId: 123
bb-browser open https://site-b.com     # tabId: 456
# ... 操作 ...
bb-browser tab close                    # 关闭当前 tab
bb-browser tab close                    # 关闭剩余 tab

# 指定 tab 操作
bb-browser open https://example.com --tab current  # 在当前 tab 打开（不新建）
bb-browser open https://example.com --tab 123      # 在指定 tabId 打开

核心工作流

1. open 打开页面
2. snapshot -i 查看可操作元素（返回 @ref）
3. 用 @ref 执行操作（click, fill, etc.）
4. 页面变化后重新 snapshot -i
5. 任务完成后 close 关闭 tab

命令速查

导航

bb-browser open <url>           # 打开 URL（新 tab）
bb-browser open <url> --tab current  # 在当前 tab 打开
bb-browser back                 # 后退
bb-browser forward              # 前进
bb-browser refresh              # 刷新
bb-browser close                # 关闭当前 tab

快照

bb-browser snapshot             # 完整页面结构
bb-browser snapshot -i          # 只显示可交互元素（推荐）
bb-browser snapshot --json      # JSON 格式输出

元素交互

bb-browser click @5             # 点击
bb-browser hover @5             # 悬停
bb-browser fill @3 "text"       # 清空并填写
bb-browser type @3 "text"       # 追加输入（不清空）
bb-browser check @7             # 勾选复选框
bb-browser uncheck @7           # 取消勾选
bb-browser select @4 "option"   # 下拉选择
bb-browser press Enter          # 按键
bb-browser press Control+a      # 组合键
bb-browser scroll down          # 向下滚动
bb-browser scroll up 500        # 向上滚动 500px

获取信息

bb-browser get text @5          # 获取元素文本
bb-browser get url              # 获取当前 URL
bb-browser get title            # 获取页面标题

Tab 管理

bb-browser tab                  # 列出所有 tab
bb-browser tab new [url]        # 新建 tab
bb-browser tab 2                # 切换到第 2 个 tab
bb-browser tab close            # 关闭当前 tab
bb-browser tab close 3          # 关闭第 3 个 tab

截图

bb-browser screenshot           # 截图（自动保存）
bb-browser screenshot path.png  # 截图到指定路径

等待

bb-browser wait 2000            # 等待 2 秒
bb-browser wait @5              # 等待元素出现

JavaScript

bb-browser eval "document.title"              # 执行 JS
bb-browser eval "window.scrollTo(0, 1000)"    # 滚动到指定位置

Frame 切换

bb-browser frame "#iframe-id"   # 切换到 iframe
bb-browser frame main           # 返回主 frame

对话框处理

bb-browser dialog accept        # 确认对话框
bb-browser dialog dismiss       # 取消对话框
bb-browser dialog accept "text" # 确认并输入（prompt）

调试

bb-browser network requests     # 查看网络请求
bb-browser console              # 查看控制台消息
bb-browser errors               # 查看 JS 错误
bb-browser trace start          # 开始录制用户操作
bb-browser trace stop           # 停止录制

Ref 使用说明

snapshot 返回的 @ref 是元素的临时标识：

@1 [button] "提交"
@2 [input type="text"] placeholder="请输入姓名"
@3 [a] "查看详情"

注意：

• 页面导航后 ref 失效，需重新 snapshot
• 动态内容加载后需重新 snapshot
• ref 格式：@1, @2, @3...

并发操作

# 并发打开多个页面（各自独立 tab）
bb-browser open https://site-a.com &
bb-browser open https://site-b.com &
bb-browser open https://site-c.com &
wait

# 每个返回独立的 tabId，互不干扰

JSON 输出

添加 --json 获取结构化输出：

bb-browser snapshot -i --json
bb-browser get text @5 --json
bb-browser open https://example.com --json

信息提取 vs 页面操作

根据目的选择不同的方法：

提取页面内容（用 eval）

当需要提取文章、正文等长文本时，用 eval 直接获取：

# 微信公众号文章
bb-browser eval "document.querySelector('#js_content').innerText"

# 知乎回答
bb-browser eval "document.querySelector('.RichContent-inner').innerText"

# 通用：获取页面主体文本
bb-browser eval "document.body.innerText.substring(0, 5000)"

# 获取所有链接
bb-browser eval "[...document.querySelectorAll('a')].map(a => a.href).join('\n')"

为什么不用 snapshot？ 有些网站（如微信公众号）DOM 结构嵌套很深，snapshot 输出会非常冗长。eval 直接提取文本更高效。

操作页面元素（用 snapshot -i）

当需要点击、填写、选择时，用 snapshot -i 获取可交互元素：

bb-browser snapshot -i
# @1 [button] "登录"
# @2 [input] placeholder="用户名"
# @3 [input type="password"]

bb-browser fill @2 "username"
bb-browser fill @3 "password"  
bb-browser click @1

-i 很重要：只显示可交互元素，过滤掉大量无关内容。

常见任务示例

表单填写

bb-browser open https://example.com/form
bb-browser snapshot -i
# @1 [input] placeholder="姓名"
# @2 [input] placeholder="邮箱"
# @3 [button] "提交"

bb-browser fill @1 "张三"
bb-browser fill @2 "[e-mail]"
bb-browser click @3
bb-browser wait 2000
bb-browser close

信息提取

bb-browser open https://example.com/dashboard
bb-browser snapshot -i
bb-browser get text @5              # 获取特定元素文本
bb-browser screenshot report.png    # 截图保存
bb-browser close

批量操作

# 打开多个页面提取信息
for url in "url1" "url2" "url3"; do
  bb-browser open "$url"
  bb-browser snapshot -i --json
  bb-browser close
done

深入文档

文档	说明
references/snapshot-refs.md	Ref 生命周期、最佳实践、常见问题