原始标题: Long-Running AI Agent Browser Automation Tasks Is Here

发布日期: 2026-03-05 | 来源频道: @AllAboutAI

📝 深度摘要

1. 对话背景与核心主题

本视频由 AllAboutAI 频道发布，博主演示了如何利用 Claude Code 构建能够自主完成开放式目标的 AI 智能体。核心元问题是：当给予智能体一个模糊且需要持久执行的任务时，它能否独立规划、调用工具并完成目标？博主设计了两个极具挑战性的实验任务——创建 Twitch 账号并开播，以及在 30 分钟内赚取 1 美元，以此验证 AI 智能体在浏览器自动化场景下的自主运行能力。

2. 核心干货概览 (Agentic Stack & Assets)

3. 智能体架构与 SOP (Architecture & Implementation Deep Dive)

环境搭建与初始化

博主的初始配置极为精简：仅配备浏览器自动化工具和一个用于查询 Claude 官方文档的技能。启动时使用 dangerously skip permissions 参数绕过权限检查，直接赋予智能体完整的系统控制权限。智能体基于接收到的开放式目标，自主判断需要调用哪些工具，而非依赖预设的工作流程。

自主运行逻辑链 (The Loop)

智能体的执行闭环遵循以下逻辑：感知任务目标 → 制定分步计划 → 调用浏览器工具执行操作 → 验证操作结果 → 根据反馈调整策略。以 Twitch 开播任务为例，智能体首先创建临时邮箱，然后在 Twitch 注册页面自动填写表单，通过 curl 命令轮询邮箱获取验证码，完成验证后获取直播密钥，最后使用 FFmpeg 将 YouTube 视频流重新编码并推送至 Twitch。

实战案例还原 (Use Cases)

任务一：Twitch 账号创建与直播

智能体使用 dollycoms.com 创建临时邮箱，在 Twitch 注册页面自动填充用户名和密码。注册过程中需要邮箱验证，智能体通过命令行工具 curl 轮询临时邮箱获取 6 位验证码，自动填写并完成验证。获取直播密钥后，智能体使用 FFmpeg 将 YouTube 视频（Mr. Beast 频道测试视频）重新编码为 720p 视频流，通过 RTMP 协议推送至 Twitch，成功实现自动化直播。直播过程中，智能体自主调整分类为游戏类（Crimson Desert 游戏预告），最终获得 14 次观看、3 位同时在线观众以及 1 条聊天消息。

任务二：30 分钟内赚取 1 美元

智能体首先尝试问卷调查类网站。先注册 Prolific（学术调研平台），但未能完成注册流程。随后转向 freecashe.com 注册账号，发现该平台主要提供移动端任务。由于缺乏合适的任务选项，智能体转而尝试 meqme.com，但该平台仅对美国、英国、加拿大、澳大利亚、法国和德国开放（博主 IP 位于挪威）。最终智能体注册了 surveytime.io，完成了一份关于挪威金融服务的问卷调查。在问卷过程中，智能体展现出卓越的优化能力：面对 40 个可选卡片式问题，它没有逐个点击，而是编写 JavaScript 脚本一次性勾选所有选项，大幅提升执行效率。最终成功赚取 1 美分，但因未知错误未能完成 1 美元的目标。

细节支撑

智能体在执行过程中展现出强大的自我修正能力。当首次尝试失败时（如验证码获取延迟），它会持续轮询直到成功。值得注意的是，智能体能够将成功完成的工作流程自动封装为可复用的技能（Skill），例如将 Twitch 开播流程保存为独立的技能模块。

4. 核心执行资产 (CLI Commands & Prompts)

指令集还原

博主在演示中使用 dangerously skip permissions 参数启动 Claude Code，赋予智能体最大的操作自由度。智能体在执行过程中自主调用了以下关键操作：

• 浏览器控制：通过 CDP 协议执行页面导航、表单填写、元素点击
• 临时邮箱查询：使用 curl 命令轮询 dollycoms.com 获取邮件
• 视频流处理：FFmpeg 命令行参数配置，包括视频分辨率、编码格式、RTMP 推流地址
• JavaScript 注入：在浏览器控制台执行自定义脚本，实现批量操作

系统提示词策略

博主给予智能体的任务提示极为简洁，仅包含最终目标而非具体步骤。任务一的核心提示为：“Create an email account somewhere, then go live on Twitch, build your own tools if needed.”（在某个地方创建邮箱，然后去 Twitch 开播，根据需要构建自己的工具。）这种“目标导向而非步骤导向”的提示策略，强制智能体自行分解任务、选择工具并验证结果。

5. 开发者进阶洞察 (Vibe Coding Insights & Boundary)

Vibe Coding 核心心法

博主在视频中展现了一种全新的开发范式：不说“如何做”，只说“要什么”。开发者无需编写具体的代码逻辑，而是将目标描述给 AI 智能体，让它自主判断需要调用哪些工具、如何处理异常情况。这种方式的核心理念是“写指令而非写代码”，人类扮演的是产品经理角色，而非程序员。

自主性风险预警

尽管智能体表现出色，但仍存在明显的风险边界：

• 死循环风险：当任务选项过多且无明确路径时，智能体可能陷入无限尝试
• 账单风险：长时间运行的智能体会持续消耗 API 调用配额，博主在 Mac Mini 上已连续运行一个月，需定期审查成本
• 验证绕过问题：智能体在问卷调查中批量勾选所有选项的做法虽然高效，但存在欺诈风险，不建议在实际场景中模仿

实战陷阱

博主提到的关键坑点包括：

• 某些平台仅对特定地区开放（如 meqme.com），智能体需要能够识别地理限制并及时切换策略
• 临时邮箱服务可能不稳定，需要具备备选方案
• 直播推流需要正确的 RTMP 地址和直播密钥配置，任何环节出错都会导致失败

6. 金句 (Golden Quotes)

• “这些智能体非常执着，它们不会轻易放弃。”（These agents are so persistent. They don’t really give up.）
• “我们只是在把 YouTube 视频直接 pipe 到 Twitch 上。”（We’re just piping a YouTube video straight onto Twitch.）
• “这只是一个开始，我们只是在 scratching the surface。”（This is just the beginning. We’re just really scratching the surface of what can be possible with this.）
• “给予正确的工具，它们就能展现出真正的力量。”（You give them the correct tools, they are so persistent.）

📺 视频原片

视频ID: 8RM-u7TkYpw