引言
在 AI 工具高速迭代的今天，如何让 AI 真正替代人工完成繁琐的浏览器操作，同时又不消耗大量 token？视频由”爬爬虾”出品，系统介绍了一套以 Playwright CLI + Skill 为核心、配合 Claude Code 或 Codex 的浏览器自动化框架，不仅大幅降低 token 消耗，甚至能实现零 token 全自动化工作流。
–熟练掌握 Playwright CLI 安装、设置、配置以及如何集成到 Claude:
视频:关于Playwright CLI + Skill
核心工具：Playwright CLI 是什么？
Playwright CLI 是微软于 2026 年初开源的新一代浏览器自动化命令行工具，与传统 Playwright MCP 方案相比，最核心的优势在于按需加载机制：
- MCP 方式：将整个网页 DOM 结构塞入 AI 上下文，token 消耗极大。
- Playwright CLI 方式：只返回简洁的网页摘要，详细结构以快照文件形式存储在本地磁盘，由 AI 按需读取——截图同样如此，以 PNG 文件形式存于本地，而非直接塞入上下文。
根据官方基准测试，Playwright CLI 比 MCP 方案减少约 四倍的 token 消耗。
基础安装步骤：
- 安装 Node.js
- 命令行执行安装 Playwright CLI
- 确保本机已安装 Chrome 浏览器（Edge 亦可）
关键参数说明：
-headed：使用有头浏览器，方便调试时看到页面-persistent：将 Cookie、登录状态等持久化到本地磁盘，避免每次重新登录
接入 AI Agent：Claude Code 与 Codex
Playwright CLI 是全新工具，AI 并不原生了解其命令语法，因此需要搭配 Skill（技能文档） 一起使用——CLI 作为技术底座，Skill 作为说明手册，两者配合可完全取代传统 MCP 方式。
接入方式：
- Claude Code：在项目文件夹中安装 Skill，将其放入
.claude目录，启动 Claude Code 后即可读取 Playwright CLI 技能。 - Codex：将同一 Skill 目录改名为
.codex即可适配，通过/skills命令确认加载成功。
这也代表了当下一个重要技术趋势：CLI + Skill 取代 MCP 成为更轻量、更高效的 AI Agent 工具集成方式。
实战案例一：电商评论抓取与 Skill 沉淀
任务： 抓取某商品前 100 条评论，导出为 CSV 文件。
第一次执行（无 Skill）： AI 自行摸索，尝试多种方案，消耗了 41% 的上下文窗口才完成任务。
优化路径一——将流程沉淀为 Skill： 让 AI 将整个执行过程（包括踩过的坑）提炼为一个新 Skill，下次执行时 AI 充分吸取经验，仅用 5% 的上下文即完成相同任务——效率提升近 十倍。
优化路径二——生成零 token 固定脚本： 对于完全固定的流程，可让 AI 将所有 Playwright CLI 命令汇总成一个可独立运行的脚本（如 Windows PowerShell 脚本），此后直接执行脚本，无需 AI 参与，token 消耗归零，效果完全相同。
实战案例二：Markdown 文章自动发布到 X 平台
背景痛点： 将 Markdown 格式文章发布到 X（原 Twitter）时，格式混乱，图片无法直接粘贴，需手动一张张替换，极为繁琐。
自动化方案：
- 用 Codex 编写 Python 脚本，将文章中的图片下载到本地并编号；
- 使用 Pandoc 将 Markdown 转换为 HTML 格式（每张图独立段落）；
- 让 AI 使用 Playwright CLI 打开 X 编辑器，粘贴 HTML 内容，自动逐张删除占位符、上传真实图片；
- 将整个流程固化为一个 Skill，此后只需提供文章路径，AI 即可一键完成全流程发布。
相关 Skill 源代码已上传至作者 GitHub 仓库，供参考移植（Windows 版本，其他系统可让 AI 参考改写）。
实战案例三：Web App 自动化测试
场景： 作者开发了一个简历润色美化网页 APP，希望对其进行自动化测试。
流程：
- 让 AI 阅读项目代码，梳理主体功能流程；
- AI 编写中文测试文档，列出逐步操作用例；
- 使用 Playwright CLI 自动执行：注册账号→登录→上传测试简历→完成主体流程测试；
- 测试结论：通过。
进阶用法： 配合支持定时任务的 Agent 框架（如 Open Cloud），可让 AI 定时自动测试系统，一旦出现 Bug 立即告警，大幅节省人工测试成本。
完整工作流程总结
| 步骤 | 内容 |
|---|---|
| 1 | 安装 Node.js、Playwright CLI、Chrome 浏览器 |
| 2 | 选择 AI Agent（Claude Code / Codex），安装 Playwright CLI Skill |
| 3 | 给 AI 布置复杂任务，让其自行摸索执行 |
| 4 | 让 AI 将执行经验提炼为新 Skill，避免重复踩坑 |
| 5 | 重试相同任务，token 消耗降低约十倍 |
| 6 | 对固定流程，让 AI 生成独立脚本，实现零 token 全自动执行 |
结论与核心要点
本视频展示的 CLI + Skill 浏览器自动化框架，是一套兼顾灵活性与经济性的 AI 自动化方案。其核心思想是：将 AI 的探索成本一次性转化为可复用的知识资产，让后续执行越来越高效、越来越廉价。
核心要点：
- Playwright CLI 通过按需加载机制，比 MCP 节省约四倍 token
- Skill 是将 AI 试错经验固化的关键机制，可实现十倍效率提升
- 固定流程脚本化后可完全脱离 AI，实现零 token 自动化
- 同一框架可应用于数据抓取、内容发布、自动化测试等多种场景
- CLI + Skill 正在成为替代 MCP 的新一代 AI 工具集成趋势
相关参考资料
- Playwright 官方文档：https://playwright.dev/
- Microsoft Playwright CLI（开源项目）：https://github.com/microsoft/playwright
- Claude Code 官方文档：https://docs.anthropic.com/claude-code
- OpenAI Codex CLI：https://github.com/openai/codex
- Pandoc 文档转换工具：https://pandoc.org/
