qa

QA

使用真实浏览器操作网站，评估它完成用户所要求事项的效果，并根据证据给出 1（无法使用）到 5（出色）分。交付内容应是评估结论，而不是一堆截图。

输入

来自用户的调用（/qa 后面的文本，或用户消息）：

• 目标 — 一个 URL（https://…）或本地开发服务器（localhost:5173、:3000、“5173 端口上的应用”）。必填——若缺少，请先询问，不要进行其他操作。
• 测试内容（可选）— 一个流程或重点（“注册”“搜索 + 筛选”）。若未提供，则测试最明显的顺利流程，并在报告中说明。

你能看到图像吗？（先判断这一点）

此技能的评估结论是视觉性的——你要通过查看截图来评估应用。因此，首先要确认你——运行此技能的 Agent——是否确实能看到图像：

• 你具备视觉能力（多模态 / 图像输入） → 可以自行评估截图。继续查看下面的“单一流程还是并行分发”，并根据规模选择方案。
• 你不具备视觉能力（纯文本模型，不支持图像） → 无法评估截图，你启动的同模型子 Agent 也同样无法做到。你必须将视觉评估交给 Browser Use v2 云端 Agent；它们自己的 LLM 会在服务端查看页面，并返回文本评估结论（judge 通过/未通过 + 1–5 的 structuredOutput）。每个流程都使用 v2——即使只有一个流程也一样——请遵循 references/browser-use-v2.md。不要自行操作 browser-harness 来查看截图，也不要分发给同样看不见图像的子 Agent。下面的单一流程与并行分发选择不适用于你——无论如何都用 v2。

如果不确定自己是否能看到图像，请假设不能，并使用 v2。

单一流程还是并行分发（仅适用于具备视觉能力的情况）

根据需求规模选择方案：

• 测试一个流程 / 一项内容？ 无需使用子 Agent——按照 references/methodology.md，直接自行操作 browser-harness。这是执行单项测试最合适、开销最低的工具，也是本技能其他部分的做法。
• 一次测试多个流程 / 大量内容？ 将任务分发给子 Agent——每个流程一个——并行运行。 用户可以选择子 Agent 类型（不明确时请询问；推荐 v2）：
  • Browser Use v2 云端 Agent——推荐。 每个流程都会成为一个自主的 v2 任务，包含 judge（通过/未通过）+ structuredOutput（1–5 分），在服务端并行运行，并返回逐步截图证据。会消耗 Browser Use 额度（约每个任务 $0.01 + 每个步骤 $0.006 + 浏览器每小时 $0.02）。每项任务的流程及并行分发方法见：references/browser-use-v2.md。
  • 你所用工具内置的子 Agent——启动 Claude Code 子 Agent（Agent 工具），每个都按照 references/methodology.md 操作 browser-harness。不消耗 Browser Use task 额度；使用你自己的 Agent 额度。

经验法则（仅适用于具备视觉能力的 Agent——纯文本 Agent 的所有任务均使用 v2，见上文）：一个流程 → 直接操作 browser-harness；多个流程 → 使用子 Agent（推荐 v2）。 无论采用哪种方式，都必须使用 browser-harness——它既是直接操作工具，也是子 Agent 的操作工具、v2 密钥存储，以及 localhost 隧道。

依赖项：browser-harness（必需——请自行安装）

此技能通过 browser-harness 运行测试——这是一个需要自行安装一次的独立工具。它不是可选项；QA 必须在真实的 Browser Use 云端浏览器上运行，绝不能使用用户本地的 Chrome。

首先，确认它是否可用：

command -v browser-harness && browser-harness <<'PY'
print("browser-harness OK")
PY

如果 browser-harness 不在 PATH 中，请自行安装——不要让用户来安装。 QA 在云端浏览器上运行，因此只需 CLI：browser-harness 的本地浏览器设置（chrome://inspect、--remote-debugging-port、“Allow remote debugging”弹窗）都不适用——全部跳过。安装只需一次（约 30 秒），无需克隆：

command -v uv || curl -LsSf https://astral.sh/uv/install.sh | sh   # the uv installer, only if missing
uv tool install "git+https://github.com/browser-use/browser-harness"
command -v browser-harness                                         # verify it's on PATH now

（没有 uv，也无法运行 curl | sh？请按照 https://docs.astral.sh/uv/getting-started/installation/ 安装 uv，然后重新运行 uv tool install 这一行——或者运行 pipx install "git+https://github.com/browser-use/browser-harness"。）

运行测试唯一还需要的是 BROWSER_USE_API_KEY，它也可以自动获取，无需人工操作——请参阅 references/methodology.md 的步骤 0（可自行注册以获取免费密钥）。因此，全新的机器无需用户进行任何设置，就能从“刚安装 qa”直接开始运行测试。

仅在最后迫不得已时——如果确实无法安装（没有网络或 Python），请停止，并让用户打开 **https://www.browser-harness.com/**，然后将其中的 “prompt for LLMs” 粘贴给 Agent：

为我设置 https://github.com/browser-use/browser-harness。先阅读 install.md，安装并将此仓库连接到我的真实浏览器。然后阅读 SKILL.md，了解常规用法。务必阅读 helpers.py，因为函数都在其中。打开设置或验证标签页时，请将其激活，以便我能看到当前活动的浏览器标签页。安装完成后，在我的浏览器中打开此仓库；如果我已登录 GitHub，请询问我是否要你帮我为该仓库点星，作为交互正常运行的快速演示——只有在我同意后才能点击星标。如果我没有登录，请直接访问 browser-use.com。

重新运行 command -v browser-harness，并且在命令成功前不要继续。绝不能改用用户本地的 Chrome。

不要尝试使用 browser-harness + 云端浏览器以外的任何方式进行 QA。

流程

1. 确认目标可访问（curl -s -o /dev/null -w "%{http_code}" <url>），并通过标题、README 等了解应用是什么，以便设计合理的测试任务。

2. 运行测试——首先应用上文“能看到图像吗？”中的视觉能力门槛：

   • 没有视觉能力（仅文本）？ → 每个流程都使用 v2 云端 Agent（每个流程一个 v2 任务，每项任务都包含 judge 和 1–5 的 structuredOutput），参照 references/browser-use-v2.md。跳过下面的单流程／子 Agent 分工方式——无论规模大小，都使用 v2。为 localhost 目标建立隧道，并传入公开的 startUrl。
   • 具备视觉能力，且只有一个流程 → 按照 references/methodology.md 直接驱动 browser-harness：解析密钥、为 localhost 建立隧道，并使用经过实测的注意事项运行测试循环（重写 Host 标头、关闭代理、每个标签页的中间页标头、固定 CORS 的 API）。
   • 具备视觉能力，且有多个流程 → 分发任务，每个流程一个子 Agent：
     • v2 Agent（推荐） → 按照 references/browser-use-v2.md，为每个流程创建一个任务（每项任务都包含 judge 和 1–5 的 structuredOutput 架构），轮询所有任务并收集判定结果。localhost 目标仍需要隧道（云端 Agent 无法访问 localhost）——建立隧道并传入公开的 startUrl。
     • Claude 子 Agent → 每个流程启动一个 Agent，并按照 references/methodology.md 使用 browser-harness。

   每当使用 v2 后端（无论是无视觉能力的情况，还是推荐的分发方式）：创建每项任务时，都要在用户本地的 Chrome 中打开其控制面板线程 https://cloud.browser-use.com/thread/{sessionId}（使用创建响应中的会话 ID，而非任务 ID），以便用户能查看 Agent 的运行过程——参考中的 open_local(...) 助手函数会完成此操作。始终也要打印该 URL。

3. 清理已启动的内容——无论走哪条路径，都要停止所有已启动的内容：

   • 隧道——如果为 localhost 目标建立了隧道，就终止隧道进程。这适用于所有需要建立隧道的路径，包括 v2（针对 localhost 运行 v2 仍会启动隧道）——不要让隧道进程遗留运行。
   • 云端浏览器——单流程／Claude 路径会驱动 browser-harness 云端浏览器；需要将其停止。
   • 针对公开 URL 的 v2 任务无需清理（一次性会话会自动关闭）；针对 localhost 的 v2 任务仍会留下隧道，因此要关闭隧道。

4. 返回判定结果：先给出 Score: N/5，然后依次给出任务、结果、有效项、问题（带标签）、边缘情况和证据——遵循 references/methodology.md 中的评分标准和输出格式。如果分发了任务？ 为每个流程单独给出 Score: N/5，并给出反映最弱关键路径的总分（不能因为其他流程通过，就把一个失败流程的分数平均抬高）。

根据请求调整投入：快速确认“X 是否有效？”只需几次交互和一个评分；“彻底进行 QA”则需要覆盖更多流程和边缘情况。判定结果要诚实、具体且可复现。