BrowserBC

BrowserBC – Einsia AI 旗下开源的浏览器操作轨迹生成 Skill

BrowserBC，一个由 Einsia AI 旗下 Navers Lab 匠心打造的开源项目，正以前所未有的方式革新着 Web Agent 的能力。它的核心使命是将人类在浏览器中的每一次操作轨迹，升华为可重复利用的自然语言技能（Skill）。这使得 Web Agent 能够“克隆”人类积累的操作经验，从而在面对同类任务时，展现出惊人的效率。

BrowserBC 的独特之处

BrowserBC 的出现，打破了以往 Web Agent 只能死板执行指令的局限。用户只需在浏览器中亲手完成一次任务，系统便能智能地将这段操作“蒸馏”成一份结构化的“技能卡”。这份技能卡可以被赋予给任何模型执行，真正实现了“做一次，复用无数次”的强大能力。

BrowserBC 的核心功能

轨迹捕捉：通过便捷的浏览器扩展，BrowserBC 能够全面记录用户完成任务的全过程。这包括对页面每一次截图的保存、DOM 结构的快照、用户发生的每一次动作（如点击、输入、页面跳转）、以及系统给出的反馈和最终页面状态。
智能提炼：原始的用户操作轨迹往往包含大量冗余和干扰信息。BrowserBC 会对这些嘈杂的轨迹进行智能清洗和去噪，并按照语义将它们切分成一系列连贯的子过程。随后，这些子过程会被转化为结构化的自然语言技能卡（Skill Card）。在这个过程中，BrowserBC 刻意剥离了依赖于具体坐标或选择器的脆弱细节，而是专注于保留“该做什么”、“如何判断任务完成”、“遇到问题该如何应对”等具有迁移性的过程性知识。
技能图谱管理：面对海量的技能，BrowserBC 提供了一个可扩展的技能图谱（skill graph）来组织它们。通过对技能进行语义相似度分析，系统能够自动合并、特化以及链接相关的技能，有效避免了不必要的重复和冗余。
技能检索与执行：当 Agent 需要执行任务时，它会根据检索到的技能卡指导，结合实时的页面状态进行自主操作，而不是简单地机械复刻过去的坐标。
本地化部署：BrowserBC 提供了 Journey Forge Local 版本，该版本完全基于 Python 运行，所有数据都存储在本地，确保了用户的数据隐私。同时，它还支持与 Claude Code 和 Claude Desktop 的集成。

想要加入我们的 AI 开源项目交流群？请关注微信公众号并回复“开源”。

如何体验 BrowserBC

配置并启动本地服务器：首先，复制提供的配置文件，并填入您的 LLM API Key。随后，启动服务器，您就可以通过访问 http://127.0.0.1:8099/ 来使用控制面板了。
构建并加载浏览器扩展：在 extension 目录下，安装必要的依赖并执行构建命令。接着，在 Chrome 浏览器扩展管理页面，启用开发者模式，然后加载 extension/dist/chrome-mv3 目录下的扩展。
录制您的任务：利用刚刚安装的浏览器扩展，开始录制您在浏览器中的操作。完成录制后，请为您的任务标记清晰的意图，并将其上传。
自动化技能提炼：后台的自动化流水线将高效地完成原子化（atomize）、分类（classify）、分桶（bucket）、蒸馏（distill）和安装（install）等一系列步骤。整个过程通常在 1 到 3 分钟内即可生成一份可用的技能。
使用您的新技能：
- 对于 Claude Code 用户：生成的技能会自动安装到您本地的 ~/.claude/skills/ 目录下。
- 对于 Claude Desktop 用户：您可以从控制面板下载生成的技能 .zip 文件。然后，在 Claude Desktop 的 Settings → Skills 菜单中上传该文件即可。
配置浏览器执行（可选）：如果您希望 Claude Desktop 能够真正执行点击、输入或导航等操作，您可以在控制面板中配置 Playwright MCP。

BrowserBC 的核心优势

技能的跨平台迁移性：BrowserBC 生成的技能本质上是自然语言形式的“过程性先验知识”，这意味着它们可以在不同的模型之间传递和复用。一次强大的模型蒸馏，就能让更多的小模型以更低的成本进行复用。
摆脱脆弱细节的束缚：BrowserBC 并非简单地克隆页面坐标或 DOM 选择器，而是专注于克隆“做什么”以及“如何判断完成”。这种设计使得技能在面对页面布局变化时，依然能够举一反三，保持其有效性。
显著提升任务成功率：在 WebArena-Hard 测试集上，BrowserBC 将任务成功率从 60.5% 提升至 81.4%，增幅高达 20.9%。而在 ClawBench 测试集中，成功率更是从 32.9% 飙升至 68.4%，提升了 35.5%。
优化交互效率：平均而言，BrowserBC 将工具调用次数从 31.2 次减少到 22.7 次，削减了 27.3% 的不必要尝试，有效降低了试探性导航带来的效率损耗。
跨越边界的迁移潜力：BrowserBC 的过程性先验知识，不仅限于浏览器环境。初步研究表明，这些知识甚至可以迁移到 OSWorld 这样的桌面操作系统环境中。
保障数据隐私安全：对于本地部署版本，所有用户数据都严格存储在本地，仅在技能蒸馏过程中调用配置的 LLM API，最大限度地保护了用户的数据隐私。

BrowserBC 的官方资源

项目博客：https://lab.einsia.ai/browserbc/
GitHub 仓库：https://github.com/Einsia/Browser-BC
研究论文：https://lab.einsia.ai/browserbc/paper

BrowserBC 与竞品的对比分析

维度	BrowserBC	传统 RPA / 按键精灵	Playwright / MCP 工具	通用 Web Agent（如 Claude/Codex）
核心定位	人类轨迹 → 可复用技能	录制坐标 → 机械回放	浏览器控制 API	从零探索网页
复用方式	自然语言技能卡，语义化复用	固定坐标/选择器回放	需编写代码脚本	每次任务重新摸索
页面变化适应性	强（剥离脆弱细节）	极弱（布局一变即失效）	中等（需维护选择器）	强（实时感知页面）
知识积累	可积累技能图，持续扩展	脚本堆积，难以管理	依赖代码库维护	无积累，每次从零开始
执行成本	强模型蒸馏一次，小模型便宜复用	运行成本低	开发成本高	每次需调用最强模型
数据隐私	本地部署，数据不出机器	本地运行	本地/云端均可	通常依赖云端 API

BrowserBC 的应用场景

旅行预订与比价：在 Airbnb、Booking 等预订平台上，BrowserBC 可以帮助 Agent 自动输入旅行时间、地点、人数，应用各种筛选条件（如评分、价格、设施），并分析搜索结果，找出最适合的住宿选项。
电商购物与筛选：在各大购物平台，BrowserBC 能够指导 Agent 完成商品搜索、应用多重筛选（价格区间、品牌、用户评分）、对比商品详情、添加到购物车直至完成最终结算的整个流程。
后台管理操作：对于电商后台、内容管理系统（CMS）或各类管理面板，BrowserBC 可以自动化执行如商品上架、订单处理、库存更新、用户权限配置等重复性的管理任务。
社区论坛互动：在 Reddit 等社区论坛，BrowserBC 可以协助 Agent 进行话题搜索、帖子筛选、参与讨论、信息收集，甚至执行版主的管理操作。
跨站点信息整合：当任务需要从多个网站收集、对比和整合信息时，例如跨平台比价、多源数据汇总、竞品动态监控等，BrowserBC 都能发挥重要作用。
开发工具使用：在 GitHub、GitLab 等开发者平台上，BrowserBC 可以指导 Agent 执行代码仓库操作（如登录、创建项目、提交 Issue、发起合并请求）、CI/CD 配置，或进行文档查阅。