电商浏览器自动化 Skill

概览

Ecommerce Agent Browser Skill(作者 81211860)是一个面向电商场景的通用浏览器自动化 Skill,主打开源。它不绑定某个平台的操作流程,而是给 AI Agent 提供一套稳定、可观测、可执行、可复盘的浏览器底座——让模型像人一样理解页面、选择路径、执行动作,并把可重复的流程沉淀成更快的工具。代码源自 PDD Agent 项目(拼多多商家后台为首个验证垂直场景),后续计划扩展到淘宝、京东、抖店、拼多多 C 端、其它商家后台及通用网页任务。

主要功能

• 持久化浏览器会话:为每个平台/账号保留独立的 Chromium profile(拼多多、淘宝、京东、抖音),登录态不丢失,且不会把登录 cookie 打进安装包。
• 结构化页面观测:把 DOM、可访问性树、可见文本、表单、列表、表格、弹窗、滚动状态整合成轻量的"模型可读"页面视图。
• 文本+视觉混合感知:DOM 视图叠加 VLM(视觉语言模型)分析,并对截图、区域文本保留证据句柄。
• 目标驱动的执行 + 反馈:用短 id 点击协议降低模型输出错误,操作后再以 pageChange 反馈让模型基于真实变化继续判断。
• 滚动探索与上下文控制:渐进式读取避免把重复 DOM / 坐标塞满上下文,DeepSeek、MiMo 等 1M 上下文模型也能稳定运行。
• 请求抓取与 CLI 化:通过浏览器上下文记录 GET/POST/XHR/fetch,自动生成候选 CLI 适配器;稳定、低自由度流程会被进一步压缩成 recipe(操作配方)。
• Recipe 与账号管理:recipe 校验、按平台/账号的 profile 管理,以及面向商品理解/上架的辅助脚本(product-*.mjs)。
• 新手友好的 CC Shell UI:Claude Code 桌面外壳,把登录、拖入素材、输入任务、查看日志、切换模型都做成按钮,不需要懂 CLI 或 Playwright。
• 模型使用建议:复杂长链路任务(上架、改价、改 SKU、跨页排查、弹窗处理)建议用强推理模型(如 GPT-5.5、Claude Opus 4.7/4.8)开满推理;简单任务走 Flash/Pro 路由,压低 token 成本。

定价

• 免费开源:Skill 与 CLI(SKILL.md、Node/Playwright CLI、lib 模块、recipe)都开放在 GitHub,Windows 绿色版(如 PDD.Agent-v0.1.95-win.zip)发布在 GitHub Releases。
• 主要成本——LLM API:需自备模型 key,按模型厂商的 token 计费规则结算。

适合谁

使用 AI 编程 Agent(Claude Code 等)的跨境和国内电商运营,想把商家后台的高频操作自动化——商品上下架、改价、SKU/库存调整、店铺/商品列表监控、竞品销量观察、客服消息收发、订单/售后/物流/报表查询、后台菜单探索;拼多多商家场景验证最完整,新手走 UI 壳,熟手走 CLI。

常见问题

Ecommerce Agent Browser Skill 是什么?

面向电商 Agent 的通用浏览器自动化 Skill 层:负责页面感知、目标驱动的执行,并把可重复流程沉淀成 recipe / CLI——不是某个平台的脚本机器人。

支持哪些平台?

拼多多商家后台是首个已验证垂直场景(pdd-operator + PDD recipe);淘宝、京东、抖店、拼多多 C 端、其它商家后台在计划扩展之列。

用起来要花多少钱?

Skill 本身免费开源,只需承担自备 LLM API 的调用费;复杂长链路任务建议用强推理模型。

便宜的模型也能跑吗?

可以——DeepSeek/MiMo 这类 1M 上下文模型配合轻量页面视图、短 id 点击和 Flash/Pro 路由可以跑,但更适合简单、追求成本、已有经验的场景,不适合完全自主的长链路探索。

怎么启动?

需要 Node.js + Playwright;可以用 CLI(脚本 pdd-operator.mjs 等)、Windows 绿色版,或新手友好的 CC Shell UI。环境检查/安装走 scripts/setup.mjs。