当你的AI助手变成"睁眼瞎"

你有没有遇到过这种情况：你的代码助手写得一手好Python，代码架构也门儿清，按照你的规范老老实实干活。结果你让它去后台管理系统看一眼新用户注册情况是否正常——

一片沉默。

它能分析问题，但看不到后台界面，点不了按钮，验证不了登录流程。整个真实存在的网页世界——各种仪表盘、后台管理、登录系统、UI三天两头改版的页面——对它来说就像隔着一层玻璃，看得见摸不着。

WebCLI 就是要解决这个问题。说实话，这个问题一直在悄悄拖AI助手的后腿，只是没多少人愿意承认。

助手真正需要的 vs 实际给它的

说句不好听的：现在大多数所谓的"浏览器自动化"，其实就是给AI扔一张截图，让它猜猜页面上在发生什么。这就好比你怀疑发动机有问题，结果只给你看一张照片——画面是挺好看，但发动机到底怎么了？不知道。

你的助手不需要图片。它需要的是：

• 页面的实时状态 —— 上面有哪些元素？属性是什么？有什么可以操作的？
• 带编号的操作选项 —— 目前有1到7个动作可选，挑一个，执行，看看结果。
• 靠谱的异常处理 —— 页面没按预期加载？没关系，告诉你出了什么状况，怎么补救。
• 需要人类介入时的提醒 —— 遇到验证码？双重验证？助手不该崩溃，而是应该知道什么时候该喊人。

WebCLI 就是来解决这个的。你可以把它想象成：给AI助手装上一套完整的仪表盘和监控设备，而不是让它从一个钥匙孔里往外看。

设计理念：文本化的助手界面

WebCLI 背后的核心思路其实很简单：网页本来就是给人看的。按钮要好看，鼠标悬停要有动画效果，内容要动态加载，页面要无限滚动……这些设计全是服务人类的。

那AI助手呢？给它截图？给它一个选择器字符串，等哪天前端程序员加了个 data-testid，选择器就废了？

WebCLI 把这套逻辑整个倒过来了。它不是逼着助手去硬啃面向人类的界面，而是把真实的网页翻译成助手能直接理解的语言：

页面状态：
- 标题："用户后台 | 示例公司"
- 表单字段：[用户名, 密码, 记住我]
- 可用操作：[0: 登录, 1: 忘记密码, 2: 注册账号]
- 阻塞项：无
- 操作记录：12条

这才是真正的网页，转化成结构化数据。你的助手可以直接分析这些数据，用 jq 过滤，做判断的时候依据的是真实状态，而不是瞎猜。

一条命令，所有助手都能上手

WebCLI 最聪明的地方是 SKILL.md 这套玩法。它不是什么专有集成方案，只做一个标准化的技能定义。装一次，Claude Code、Cursor、Copilot、 Gemini CLI 等等各种代码助手，马上就知道怎么操作浏览器了。

这个技能文件给助手们定了几条铁律：

1. 先观察再行动 —— 操作之前先看看页面状态
2. 用编号来定位 —— 元素按编号来引用，别用那些一碰就碎的选择器
3. 优先要JSON格式 —— 结构化数据比截图靠谱
4. 遇到障碍就暂停 —— 识别出需要人工处理的情况
5. 记录全程日志 —— 每个动作都留下记录

这不是让你去学什么新框架。就是给你的现有助手加一个开箱即用的浏览器操作能力。

助手的循环：一步一步来，别想一口吃成胖子

很多人搞自动化会犯同一个错误：想把整个浏览器操作流程塞进一条命令。"去后台，登录，点击第三个按钮，提取表格数据，然后发邮件给我。"

这不是自动化，这是叠叠乐。

WebCLI 最好的用法是让它跑一个实时循环：

观察 → 选择下一步 → 执行 → 再观察 → 出问题就恢复 → 需要人工就暂停 → 继续

每一步都是独立的，每一步都可以优雅地失败，每一步都会更新日志。你的助手不是在跑宏——它是真正在驾驶浏览器，清清楚楚知道自己在干什么。

隐私：你的浏览器还是你的

现在的AI动不动就"云端处理"，WebCLI 反其道而行之。它在本地跑。浏览器状态不离开你的电脑。只有 outbound 的连接是用来验证授权的——你的浏览习惯、Cookie、截图、工作流数据，统统不会传出去。

这对企业用户很重要。对处理敏感账号密码的开发者很重要。对任何一个不想让自己的内部工具变成别人训练数据的普通人，也很重要。

不是替代你，而是给你添把手

WebCLI 的目标从来不是取代人的判断。它的 slogan "Technology for agency"——"让技术成为你的代理人"——意思不是机器来替代你，而是给你添一双能真正在网页上干活的手，让你腾出精力做那些真正需要动脑子的事情。

助手拿到的是：页面状态、可执行操作、阻塞提示、人工介入时机、操作日志。

你保留的是：目标意图、最终授权、拍板权。分工明确，效率翻倍。

你可能需要关心这个

如果你在用AI助手做任何需要跟真实网页打交道的事——后台管理、内部系统、工作流自动化、测试脚本——WebCLI 值得你认真研究一下。

浏览器不只是给人用的。配上正确的接口，你的助手也能真正"操作"网页，而不只是想象它长什么样。

别什么事都自己干了。给你的助手配上一套趁手的工具，让它真正接管那些机械重复的操作。

WebCLI，也许就是你AI助手架构里缺的那块拼图。