Omp Browser

浏览器操作规范

铁律

1. 先观察，再操作。 每次动手前先调用 browser_observe。严禁凭猜测直接写 CSS 选择器或 XPath。
2. 用 ref 数字定位。 observe 输出的每一行以 [数字] 开头，后续操作直接传 ref=该数字。 元素编号在每次 observe 后会刷新，页面变化后必须重新观察。
3. 必须收尾。 全部浏览器工作结束后，最后一个 browser_close 一定要传 kill=true，否则会残留浏览器进程。

标准流程

browser_open(name="erp", url="...")      # 打开标签页
browser_observe(name="erp")              # 看页面上有什么
browser_fill(name="erp", ref=5, value="SO-2026")
browser_click(name="erp", ref=7)         # 点"查询"
browser_wait_for(name="erp", text="已完成")  # 动态页面要等
browser_observe(name="erp")              # 重新观察拿新编号
browser_extract(name="erp")              # 读结果
browser_close(name="erp", kill=true)     # 收尾

读取方式按成本排序

不要为了读文字而截图——截图成本高出几十倍，而且 GLM 的视觉能力弱于文本能力。

常见错误处理

• "没有匹配到任何元素" → 重新 browser_observe。编号刷新了，或目标元素还没渲染出来（先 browser_wait_for）。
• "不是可填写元素" → 复选框、单选框、下拉框不用 browser_fill；复选框用 browser_click，下拉框用 browser_select。
• 页面一直加载不出 → 用 browser_wait_for 等具体文本出现，不要盲目加长超时。

需要登录的系统

不要让 agent 自己走登录流程——验证码、短信、OTP 会让它彻底卡死。

改用 connect 模式，接入你已登录的 Chrome：

browser_open(name="erp", mode="connect", cdp_url="http://127.0.0.1:9222")

前提是用带调试端口的方式启动 Chrome：

"C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222 --user-data-dir="%USERPROFILE%\chrome-debug-profile"

你手动登录一次，之后 agent 反复接入都带着登录态。close 时即使传 kill=true，也只会断开连接，不会关闭你的 Chrome。