version: "1.0.2" name: browser-automation description: | 统一自动化入口。覆盖浏览器自动化（Playwright）和 Windows 桌面应用自动化（OpenReverse）。 浏览器场景：打开网页、点击、填表、爬取、截图、自动化登录、渗透页面交互。 桌面场景：操作 IDA/x64dbg 等 GUI 工具、Windows UI Automation、视觉驱动交互、桌面应用网络抓包。 触发关键词：浏览器自动化、桌面自动化、打开网页、填表、爬取、截图、自动化登录、Playwright、agent-browser、headless、OpenReverse、UIA、CUA、桌面操作、Windows 自动化。

自动化操作 (Desktop & Browser Automation)

ACTION REQUIRED（读完后立刻执行）

1. NOW：确认当前任务是否命中本 skill 的适用范围
2. NOW：读取 ../tool-index.md，校验工具可用性和实际路径
3. NEXT：缺工具时调用 bootstrap，不要猜路径
4. ACT：进入"工作流"第一步并执行，不要停在确认状态

适用范围

当任务属于以下场景时使用本 skill：

浏览器场景（Playwright / agent-browser）

• 打开网页并操作页面元素（点击、填表、提交）
• 爬取页面内容或截图
• 自动化登录流程
• 渗透测试中与 Web 页面交互（提交 payload、触发 XSS）
• 验证码页面的自动化处理
• 批量表单提交

桌面应用场景（OpenReverse）

• 操作 Windows 桌面应用（IDA Pro、x64dbg、Wireshark 等）
• 需要视觉驱动交互（CUA 模式）
• 需要结构化 UI 操作（UIA 模式）
• 桌面应用的网络流量观察（内置 mitmproxy）
• 自动化逆向工具的 GUI 操作
• 黑盒测试桌面软件

与其他工具的分工

简单判断：

• 目标是网页 → Playwright
• 目标是 Windows 桌面应用 → OpenReverse
• 两者都需要 → 组合使用

Part 1: 浏览器自动化（Playwright / agent-browser）

核心工作流

# 1. 打开页面
agent-browser open <url>
 
# 2. 获取可交互元素（返回 @e1, @e2... 引用）
agent-browser snapshot -i
 
# 3. 用引用操作元素
agent-browser click @e1
agent-browser fill @e2 "text"
 
# 4. 完成后关闭
agent-browser close

命令参考

# 导航
agent-browser open <url>
agent-browser close
 
# 页面快照
agent-browser snapshot        # 完整无障碍树
agent-browser snapshot -i     # 仅可交互元素（推荐）
 
# 交互操作
agent-browser click @e1
agent-browser fill @e2 "text"
agent-browser type @e2 "text"
agent-browser press Enter
agent-browser scroll down 500
 
# 获取信息
agent-browser get text @e1
agent-browser get title
agent-browser get url
 
# 等待
agent-browser wait @e1
agent-browser wait 2000
agent-browser wait --load networkidle

注意事项

• 必须执行 agent-browser close，否则进程泄漏
• 操作前先 snapshot，不要猜元素引用
• 提交表单后用 wait --load networkidle 等页面稳定

Part 2: 桌面应用自动化（OpenReverse）

概述

OpenReverse 是面向 AI Agent 的桌面交互与证据采集框架，支持：

• UIA 模式：Windows UI Automation，结构化桌面控件操作
• CUA 模式：视觉驱动交互（Computer Use Agent），适合复杂 GUI
• 网络观察：内置 mitmproxy 代理 + 本地抓取

交互模式选择

网络观察模式

安装与配置

# 1. Clone 项目
git clone https://github.com/zhexulong/openreverse.git
cd openreverse
 
# 2. 安装依赖
npm install
 
# 3. 接入 Agent 宿主（Claude Code / Codex / Zed）
npm run init:agents -- --target=all /path/to/project
 
# 4. 安装 CUA runtime（如果需要视觉驱动模式）
npm run install:cua-runtime
npm run doctor:cua-runtime
 
# 5. 安装网络观察依赖（如果需要抓包）
npm run install:mitmproxy
npm run doctor:network

常见组合

逆向场景示例

场景：自动化操作 IDA Pro 进行批量分析
 
1. 用 OpenReverse CUA 模式打开 IDA Pro
2. 自动加载目标二进制
3. 等待分析完成
4. 通过 UI 操作导出函数列表
5. 同时用 network lane 观察 IDA 的网络行为（如 Lumina 请求）

场景：自动化操作 x64dbg 调试
 
1. 用 OpenReverse UIA 模式启动 x64dbg
2. 加载目标程序
3. 设置断点
4. 运行并观察寄存器/内存变化
5. 截图保存证据

按需自举（On-Demand Bootstrap）

自动化能力边界

自举触发

• 浏览器操作缺 Playwright → 自动 bootstrap
• 桌面操作需要 OpenReverse → 引导用户手动安装（给出完整步骤）

OpenReverse 手动安装引导

如果 AI 检测到需要桌面应用自动化但 OpenReverse 未安装：

⚠️ **需要 OpenReverse 进行桌面应用自动化**
 
**安装步骤**：
1.`git clone https://github.com/zhexulong/openreverse.git`
2.`cd openreverse && npm install`
3.`npm run init:agents -- --target=all <你的项目路径>`
4.如需视觉模式：`npm run install:cua-runtime`
5.如需网络观察：`npm run install:mitmproxy`
 
**验证**：`npm run doctor:cua-runtime` 和 `npm run doctor:network`

路由上下文

上游入口: skills/SKILL.md（总控）、routing.md 适用场景: 任何需要自动化操作浏览器或桌面应用的任务 下游出口:

• 抓到的请求需要分析 → anything-analyzer 或 js-reverse
• 需要 JS 调试/Hook → jshookmcp
• 需要还原签名算法 → js-reverse
• 桌面应用是逆向工具 → ida-reverse/

同级关联模块: js-reverse（浏览器操作后可能需要分析 JS）、ida-reverse（OpenReverse 可以自动化操作 IDA GUI）

任务完成自检（声称完成前 MUST 通过）

• [ ] 我是否执行了工作流中的每一步（而不是只阅读）？
• [ ] 我是否基于 tool-index 使用了真实工具路径？
• [ ] 我是否产出了可复现证据（命令/脚本/截图/报告）？
• [ ] 我是否完成并回写了 RULES 要求的 Checklist 项？