Stagehand

Stagehand 是一个把自然语言指令和 Playwright 代码放进同一套流程里的 AI 浏览器自动化框架，由 Browserbase 团队开源，官网入口是 stagehand.dev，源码托管在 GitHub。它想解决的矛盾很具体：页面结构稳定时，用代码写死选择器更快；页面一改版，脚本就崩。全靠模型去猜，又不好控制。这篇内容围绕它的核心能力、实际使用中的感受和适合的人群展开，正在选自动化方案的开发者、测试和数据采集方向的读者可以对照参考。

想了解同类方案，也可以看看 {{内链:浏览器自动化工具}} 的分类整理。

Stagehand 的定位与核心特点

Stagehand 的定位不是替代 Playwright，而是在它上面加一层 AI 兜底：确定的部分照旧写代码，不确定的部分交给自然语言。整体看，它更像一个“混合编排”的工具，而不是让开发者彻底不写代码的成品。

• 代码与自然语言混合：熟悉页面结构时用精确的 Playwright 操作，陌生或频繁改版的页面改用一句话描述动作，灵活性和可控性可以按场景分配。
• AI 驱动页面导航：按指令定位元素、点击按钮、提取数据，对动态渲染的页面适应性更好。
• 动作预览与缓存：执行前能先看操作效果，常用动作可以缓存复用，减少重复调用模型带来的开销。
• 多模型支持：集成 OpenAI、Anthropic 等模型，切换通常只需改一行配置，具体支持列表以文档为准。

优势在开源生态：MIT 许可证，与 Playwright 深度集成，官网配有文档、快速入门和社区支持。局限也同样明显——模型参与得越多，延迟和调用成本越高，稳定性受模型输出影响，这类特性通常需要在实际页面里验证。

使用体验与适用人群

从官网进入后，基本流程是看文档、照着快速入门跑一个示例，再接自己的模型密钥。上手门槛主要落在两件事上：对 Playwright 和 Node 生态是否熟悉，以及模型 API 的配置与成本预期。页面越规范、步骤越固定，代码占比可以越高；页面越不稳定，把 AI 指令放进去的价值才越明显。实际用下来更接近“半自动”——关键节点由人定义，细节交给模型判断，效果以实际页面为准。

适合的人大致这几类：

• 已有 Playwright 脚本、想降低维护成本的开发者；
• 需要自动化测试动态页面、验证兼容性的测试同学；
• 做数据采集，但要应对页面结构反复变化的人；
• 想在同一套流程里对比不同模型表现的团队。

上手前有几点值得留意：

• 跑第三方页面或他人脚本前先做安全扫描，密钥不要写进仓库；
• 框架迭代较快，版本与更新时间建议对照官方仓库核对；
• 自动化与抓取的合规要求因地区而异，需遵守目标站点条款和当地法规；
• 模型调用是否收费、免费额度能否长期使用，以实际页面为准，不做稳定可用承诺。

常见问题 FAQ

• Stagehand 是免费的吗？项目本身以 MIT 许可证开源，使用条款以 GitHub 仓库说明为准；调用第三方模型通常会产生费用，具体以实际页面为准。
• 必须会 Playwright 才能用吗？官方示例基于 Playwright，懂它能少走弯路；零基础也能从文档的入门示例开始，但排查问题的成本会高一些。
• 它和直接写 Playwright 脚本有什么区别？Playwright 依赖固定选择器，页面改版容易失效；Stagehand 可以把不确定的环节交给自然语言指令，代价是多一层模型调用。
• 支持哪些 AI 模型？目前公开信息提到 OpenAI、Anthropic 等，可通过配置切换，最新支持范围以官方文档为准。

Stagehand 的价值在于把“确定的部分写死、不确定的部分交给 AI”，让动态页面的维护成本降下来。局限也摆在明面上：多一层模型判断，就多一份延迟和成本，结果稳定性需要自己验证。它可以作为现有自动化流程的补充性渠道，配合合规的测试与采集渠道一起使用，是否值得投入还是看你的页面有多不稳定。