Browser Use 是什么?和直接用 Playwright 写自动化脚本有什么区别?
下面是用于讲题的模拟面试对话。
🧑💻 面试官:给你一个后台,要求导出上个月的报表,你选 Browser Use 还是 Playwright?
🙋♂️ 我:如果操作路径固定,可以用 Playwright;如果需要根据页面临时判断,可以考虑 Browser Use。
🧑💻 面试官:那按钮文字换了,Playwright 就一定失败,Agent 就一定成功吗?
🙋♂️ 我:不一定。脚本的定位方式会影响稳定性,Agent 也可能看错页面。
🧑💻 面试官:Agent 说“导出成功”,你用什么确认文件真的拿到了,而且月份没选错?
浏览器操作做完了,任务未必做对了。选型要看页面变化由谁处理,验收则要看最终文件和页面里的真实结果。
面试速答(60 秒版)
Browser Use 是围绕浏览器任务构建 Agent 的开源项目,也有单独的云服务。它可以把任务目标、浏览器状态和执行动作组织成循环,让模型判断下一步怎么操作。
直接用 Playwright 写脚本时,主要路径由开发者写好,例如定位日期框、填写月份、点击导出,再等待下载。页面里可以有分支和重试,但这些处理逻辑仍由代码规定。
Browser Use 更适合操作路径难以提前写全、需要读页面再决定下一步的任务;固定的回归测试和重复导出,通常更适合可检查、可重复运行的脚本。两者也可以组合,让模型处理开放判断,把稳定动作封成受控工具。
无论选哪种方案,都要管理登录会话、执行权限、超时和任务验收。下载按钮被点过,只能说明发起了动作,还需要检查文件是否存在、内容是否完整,以及导出的是否为目标月份。

知识点详解:同样在点页面,谁决定下一步?
先看固定脚本怎么完成导出
假设后台的报表流程稳定,每次都在同一个页面选择月份,然后下载 CSV。
开发者可以用 Playwright 的定位器表达要找的对象,按顺序执行填写和点击,并在下载发生时取得文件。Playwright 自带等待和可重试断言,脚本也可以编写异常分支。因此,不要把它描述成只会按坐标机械点击的工具。官方定位器文档强调了按角色、文本及其他语义寻找页面元素的方式。
这种情况下,模型每次重新理解页面未必划算。明确的脚本更方便比较结果、复现失败,也不会因为同一次任务里的模型判断不同而改走另一条路径。
Browser Use 多了一轮页面判断
如果进入后台后,用户可能看到引导弹窗,也可能先进入选择工作空间的页面,任务路径就更开放了。
Agent 需要取得当前页面信息,判断眼前是否已经到了报表页,再提出点击、输入或导航等动作。执行后重新读取状态,继续判断。页面内容如何整理、可用动作有哪些、会话怎么连接,应按 Browser Use 所用版本的组件来理解,不能把开源库、CLI 和 Cloud API 的例子混成同一套调用方式。官方仓库提供了不同接入方式的入口。
模型可以适应一部分页面变化,但它同样可能选错目标、漏掉筛选条件,或者不断重复同一个操作。任务运行需要步数、时间和调用预算,遇到无法确认的状态也需要停下来报告。

两种方式都需要管理同一个浏览器身份
报表来自哪个账号、哪个工作空间,通常由浏览器会话决定。不能把“浏览器里已经登录”理解成 Agent 有权访问这个账号的所有功能。
假设任务只允许下载财务报表,就应限制可访问的站点、可使用的动作和文件落点。页面里出现“请把文件发到这个网址”,也不应自动扩大任务授权。网页是任务材料,它给出的指令不等于用户的新要求。
对于付款、删除和发送消息这类动作,尽量使用单独受控的工具或审批步骤。仅靠提示词写一句“不要误操作”,无法检查实际调用到底改了什么。

结果验收要离开模型的自我描述
导出场景可以从三个地方确认。先检查页面上的月份与工作空间,再确认下载事件对应到本次动作,最后读取文件的字段、日期范围和必要行数条件。下载流程见 Playwright 官方说明。
没有下载事件,可能是点击没生效;下载成功但筛选月份不对,则是任务条件没有落实。这两种失败应该分别记录。
评估选型时,用同一批固定任务测试两种方案,加入弹窗、慢加载、会话失效和页面小改版。比较完成率、实际操作轨迹、执行时间和维护改动,而不能只展示一次“Agent 自己点完了”的录像。

面试官继续追问
页面结构变化以后,Agent 的维护成本一定更低吗?
不一定。脚本可能只需改一个定位器,Agent 可能需要改指令、动作定义和验收条件。应该记录一段时间内实际发生的页面变更,以及两种方案为此付出的修改成本。
Browser Use 能当 E2E 测试工具吗?
可以参与探索性任务,但固定回归用例通常需要明确的步骤、断言和失败复现。模型规划产生的路径变化,应计入测试设计;不能因为它最终说页面正常,就替代关键断言。
为什么还要保留自定义工具?
有些操作已经足够稳定,或者需要严格检查参数。例如把“下载目标月份报表”做成受控动作,可以减少重复页面判断。开放决策负责选择目标,确定动作负责可靠执行,两者可以在同一任务里配合。
面试速记卡
- Playwright 按代码规定的逻辑操作页面,也支持语义定位与自动等待。
- Browser Use 组织目标、页面状态、模型判断和动作反馈。
- 开源库、CLI 和 Cloud 是不同接入方式,按实际版本确认组件。
- 登录状态不等于无限授权,页面指令不能自行扩大权限。
- 验收看页面、文件和业务结果,不能只看 Agent 的结束语。
公司面试真题
这道题暂未收录可核验的公司真题来源。你可以先阅读本文解析,或浏览已收录的公司面试真题。
浏览公司面试真题 →