yutori-browse

浏览器自动化

使用 Yutori 的 Navigator Agent 帮助用户自动化基于浏览器的任务。

流程

1. 理解任务

   • 需要自动化哪个网站？
   • 需要执行哪些操作？（点击、输入、提取数据）
   • 是否需要登录或身份验证？

2. 清晰地定义任务

   • 将复杂的工作流拆分为清晰的步骤
   • 如适用，明确需要提取哪些数据
   • 注明需要交互的任何按钮或元素

3. 启动浏览任务 使用 run_browsing_task，包含：

   • task：清晰的自然语言指令
   • start_url：开始浏览的 URL
   • max_steps：25（默认）到 100，适用于复杂流程
   • require_auth: true：用于登录表单或其他需要身份验证的工作流
   • browser: "local"：当任务应通过 Yutori Local 使用用户的桌面会话运行时
   • output_fields：用于结构化数据提取（例如 ["name", "price", "url"]）
   • webhook_url：用于完成通知的 HTTPS URL
   • webhook_format：scout（默认）、slack 或 zapier

4. 轮询结果

   • 浏览通常需要 30-120 秒，具体取决于复杂度
   • 使用 get_browsing_task_result 检查状态
   • 每 10-15 秒轮询一次，直到完成

5. 审查并验证

   • 检查提取的数据或确认信息
   • 验证任务是否按预期完成

任务编写提示

• 明确描述 UI 元素："点击蓝色的 'Submit' 按钮"
• 尽可能引用可见文本
• 对于表单，明确哪些字段填入哪些值

$ARGUMENTS