Communitygithub.com

LiChangZheng10086/doyin_ai_video

Automatisation de navigateur en ligne de commande pour agents IA. Utilisez-la lorsque l'utilisateur doit interagir avec des sites web, notamment naviguer sur des pages, remplir des formulaires, cliquer sur des boutons, prendre des captures d'écran, extraire des données, tester des applications web ou automatiser toute tâche de navigateur.

Qu'est-ce que doyin_ai_video ?

Cette compétence fournit un outil CLI appelé `agent-browser` pour l'automatisation de navigateur via CDP (Chrome DevTools Protocol), spécifiquement conçu pour être utilisé par des agents IA. Elle permet d'ouvrir des pages, prendre des instantanés avec des références d'éléments (comme `@e1`, `@e2`), interagir en cliquant, remplissant des formulaires, ou sélectionnant des options, et capturer l'état de la page. La compétence supporte l'enchaînement de commandes pour des opérations fluides, la gestion de l'authentification via plusieurs méthodes (profil, session, coffre-fort, fichier d'état), et offre des fonctionnalités avancées comme l'émulation d'appareils, le mode sombre, la capture d'écran annotée, et la comparaison de pages. Elle est utile pour des tâches de scraping, de test d'applications web, ou d'automatisation de formulaires, et fonctionne sur tout système supportant Chrome/Chromium, avec une installation simple via npm, brew ou cargo.

Compatible avec~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/LiChangZheng10086/doyin_ai_video/tree/HEAD/.agents/skills/agent-browser

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Automatisation de navigateur avec agent-browser

Le CLI utilise Chrome/Chromium directement via CDP. Installez-le via npm i -g agent-browser, brew install agent-browser, ou cargo install agent-browser. Exécutez agent-browser install pour télécharger Chrome.

Flux de travail principal

Chaque automatisation de navigateur suit ce modèle :

  1. Naviguer : agent-browser open <url>
  2. Instantané : agent-browser snapshot -i (obtenir des références d'éléments comme @e1, @e2)
  3. Interagir : Utiliser les références pour cliquer, remplir, sélectionner
  4. Nouvel instantané : Après une navigation ou des modifications du DOM, obtenir des références fraîches
agent-browser open https://exemple.com/formulaire
agent-browser snapshot -i
# Sortie : @e1 [input type="email"], @e2 [input type="password"], @e3 [button] "Envoyer"

agent-browser fill @e1 "[email protected]"
agent-browser fill @e2 "motdepasse123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # Vérifier le résultat

Enchaînement de commandes

Les commandes peuvent être enchaînées avec && dans un seul appel shell. Le navigateur persiste entre les commandes via un démon en arrière-plan, donc l'enchaînement est sûr et plus efficace que des appels séparés.

# Enchaîner ouvrir + attendre + instantané en un seul appel
agent-browser open https://exemple.com && agent-browser wait --load networkidle && agent-browser snapshot -i

# Enchaîner plusieurs interactions
agent-browser fill @e1 "[email protected]" && agent-browser fill @e2 "motdepasse123" && agent-browser click @e3

# Naviguer et capturer
agent-browser open https://exemple.com && agent-browser wait --load networkidle && agent-browser screenshot page.png

Quand enchaîner : Utilisez && lorsque vous n'avez pas besoin de lire la sortie d'une commande intermédiaire avant de continuer (par exemple, ouvrir + attendre + capture d'écran). Exécutez les commandes séparément lorsque vous devez d'abord analyser la sortie (par exemple, instantané pour découvrir les références, puis interagir en utilisant ces références).

Gestion de l'authentification

Lors de l'automatisation d'un site nécessitant une connexion, choisissez l'approche appropriée :

Option 1 : Importer l'auth depuis le navigateur de l'utilisateur (plus rapide pour des tâches ponctuelles)

# Se connecter au Chrome en cours d'exécution de l'utilisateur (il est déjà connecté)
agent-browser --auto-connect state save ./auth.json
# Utiliser cet état d'authentification
agent-browser --state ./auth.json open https://app.exemple.com/tableau-de-bord

Les fichiers d'état contiennent les jetons de session en texte clair -- ajoutez-les à .gitignore et supprimez-les lorsqu'ils ne sont plus nécessaires. Définissez AGENT_BROWSER_ENCRYPTION_KEY pour le chiffrement au repos.

Option 2 : Profil persistant (le plus simple pour des tâches récurrentes)

# Première exécution : connexion manuelle ou via automatisation
agent-browser --profile ~/.monapp open https://app.exemple.com/connexion
# ... remplir les identifiants, soumettre ...

# Toutes les exécutions suivantes : déjà authentifié
agent-browser --profile ~/.monapp open https://app.exemple.com/tableau-de-bord

Option 3 : Nom de session (sauvegarde/restauration automatique des cookies + localStorage)

agent-browser --session-name monapp open https://app.exemple.com/connexion
# ... flux de connexion ...
agent-browser close  # État sauvegardé automatiquement

# Prochaine fois : état restauré automatiquement
agent-browser --session-name monapp open https://app.exemple.com/tableau-de-bord

Option 4 : Coffre-fort d'authentification (identifiants stockés chiffrés, connexion par nom)

echo "$MOTDEPASSE" | agent-browser auth save monapp --url https://app.exemple.com/connexion --nom-utilisateur utilisateur --password-stdin
agent-browser auth login monapp

Option 5 : Fichier d'état (sauvegarde/chargement manuel)

# Après s'être connecté :
agent-browser state save ./auth.json
# Dans une session future :
agent-browser state load ./auth.json
agent-browser open https://app.exemple.com/tableau-de-bord

Voir references/authentication.md pour les modèles OAuth, 2FA, auth basée sur les cookies et renouvellement de jetons.

Commandes essentielles

# Navigation
agent-browser open <url>              # Naviguer (alias : goto, navigate)
agent-browser close                   # Fermer le navigateur

# Instantané
agent-browser snapshot -i             # Éléments interactifs avec références (recommandé)
agent-browser snapshot -i -C          # Inclure les éléments interactifs au curseur (divs avec onclick, cursor:pointer)
agent-browser snapshot -s "#sélecteur" # Limiter au sélecteur CSS

# Interaction (utiliser les @refs de l'instantané)
agent-browser click @e1               # Cliquer sur un élément
agent-browser click @e1 --new-tab     # Cliquer et ouvrir dans un nouvel onglet
agent-browser fill @e2 "texte"         # Effacer et taper du texte
agent-browser type @e2 "texte"         # Taper sans effacer
agent-browser select @e1 "option"     # Sélectionner une option de liste déroulante
agent-browser check @e1               # Cocher une case
agent-browser press Entrée             # Appuyer sur une touche
agent-browser keyboard type "texte"    # Taper au focus actuel (sans sélecteur)
agent-browser keyboard inserttext "texte"  # Insérer sans événements de touche
agent-browser scroll down 500         # Faire défiler la page
agent-browser scroll down 500 --selector "div.contenu"  # Faire défiler dans un conteneur spécifique

# Obtenir des informations
agent-browser get text @e1            # Obtenir le texte d'un élément
agent-browser get url                 # Obtenir l'URL actuelle
agent-browser get title               # Obtenir le titre de la page
agent-browser get cdp-url             # Obtenir l'URL WebSocket CDP

# Attendre
agent-browser wait @e1                # Attendre un élément
agent-browser wait --load networkidle # Attendre que le réseau soit inactif
agent-browser wait --url "**/page"    # Attendre un motif d'URL
agent-browser wait 2000               # Attendre en millisecondes
agent-browser wait --text "Bienvenue"    # Attendre que le texte apparaisse (correspondance de sous-chaîne)
agent-browser wait --fn "!document.body.innerText.includes('Chargement...')"  # Attendre la disparition du texte
agent-browser wait "#spinner" --state hidden  # Attendre la disparition d'un élément

# Téléchargements
agent-browser download @e1 ./fichier.pdf          # Cliquer sur un élément pour déclencher le téléchargement
agent-browser wait --download ./sortie.zip     # Attendre la fin de tout téléchargement
agent-browser --download-path ./téléchargements open <url>  # Définir le répertoire de téléchargement par défaut

# Fenêtre et émulation d'appareil
agent-browser set viewport 1920 1080          # Définir la taille de la fenêtre (par défaut : 1280x720)
agent-browser set viewport 1920 1080 2        # 2x retina (même taille CSS, captures d'écran en haute résolution)
agent-browser set device "iPhone 14"          # Émuler un appareil (fenêtre + agent utilisateur)

# Capture
agent-browser screenshot              # Capture d'écran dans un répertoire temporaire
agent-browser screenshot --full       # Capture d'écran pleine page
agent-browser screenshot --annotate   # Capture d'écran annotée avec étiquettes numérotées des éléments
agent-browser screenshot --screenshot-dir ./captures  # Enregistrer dans un répertoire personnalisé
agent-browser screenshot --screenshot-format jpeg --screenshot-quality 80
agent-browser pdf sortie.pdf          # Enregistrer au format PDF

# Presse-papiers
agent-browser clipboard read                      # Lire le texte du presse-papiers
agent-browser clipboard write "Bonjour le monde !"     # Écrire du texte dans le presse-papiers
agent-browser clipboard copy                      # Copier la sélection actuelle
agent-browser clipboard paste                     # Coller depuis le presse-papiers

# Comparaison (comparer les états de page)
agent-browser diff snapshot                          # Comparer l'instantané actuel au dernier
agent-browser diff snapshot --baseline avant.txt    # Comparer l'instantané actuel à un fichier sauvegardé
agent-browser diff screenshot --baseline avant.png  # Différence visuelle de pixels
agent-browser diff url <url1> <url2>                 # Comparer deux pages
agent-browser diff url <url1> <url2> --wait-until networkidle  # Stratégie d'attente personnalisée
agent-browser diff url <url1> <url2> --selector "#principal"  # Limiter à un élément

Modèles courants

Soumission de formulaire

agent-browser open https://exemple.com/inscription
agent-browser snapshot -i
agent-browser fill @e1 "Jean Dupont"
agent-browser fill @e2 "[email protected]"
agent-browser select @e3 "Californie"
agent-browser check @e4
agent-browser click @e5
agent-browser wait --load networkidle

Authentification avec coffre-fort (recommandé)

# Enregistrer les identifiants une fois (chiffrés avec AGENT_BROWSER_ENCRYPTION_KEY)
# Recommandé : passer le mot de passe via stdin pour éviter l'historique du shell
echo "motdepasse" | agent-browser auth save github --url https://github.com/login --nom-utilisateur utilisateur --password-stdin

# Se connecter en utilisant le profil sauvegardé (l'IA ne voit jamais le mot de passe)
agent-browser auth login github

# Lister/afficher/supprimer les profils
agent-browser auth list
agent-browser auth show github
agent-browser auth delete github

Authentification avec persistance d'état

# Se connecter une fois et sauvegarder l'état
agent-browser open https://app.exemple.com/connexion
agent-browser snapshot -i
agent-browser fill @e1 "$NOM_UTILISATEUR"
agent-browser fill @e2 "$MOTDEPASSE"
agent-browser click @e3
agent-browser wait --url "**/tableau-de-bord"
agent-browser state save auth.json

# Réutiliser dans des sessions futures
agent-browser state load auth.json
agent-browser open https://app.exemple.com/tableau-de-bord

Persistance de session

# Sauvegarder/restaurer automatiquement les cookies et localStorage après redémarrage du navigateur
agent-browser --session-name monapp open https://app.exemple.com/connexion
# ... flux de connexion ...
agent-browser close  # État sauvegardé automatiquement dans ~/.agent-browser/sessions/

# La prochaine fois, l'état est chargé automatiquement
agent-browser --session-name monapp open https://app.exemple.com/tableau-de-bord

# Chiffrer l'état au repos
export AGENT_BROWSER_ENCRYPTION_KEY=$(openssl rand -hex 32)
agent-browser --session-name sécurisé open https://app.exemple.com

# Gérer les états sauvegardés
agent-browser state list
agent-browser state show monapp-default.json
agent-browser state clear monapp
agent-browser state clean --older-than 7

Extraction de données

agent-browser open https://exemple.com/produits
agent-browser snapshot -i
agent-browser get text @e5           # Obtenir le texte d'un élément spécifique
agent-browser get text body > page.txt  # Obtenir tout le texte de la page

# Sortie JSON pour analyse
agent-browser snapshot -i --json
agent-browser get text @e1 --json

Sessions parallèles

agent-browser --session site1 open https://site-a.com
agent-browser --session site2 open https://site-b.com

agent-browser --session site1 snapshot -i
agent-browser --session site2 snapshot -i

agent-browser session list

Se connecter à un Chrome existant

# Découvrir automatiquement un Chrome en cours d'exécution avec le débogage à distance activé
agent-browser --auto-connect open https://exemple.com
agent-browser --auto-connect snapshot

# Ou avec un port CDP explicite
agent-browser --cdp 9222 snapshot

Schéma de couleurs (mode sombre)

# Mode sombre persistant via indicateur (s'applique à toutes les pages et nouveaux onglets)
agent-browser --color-scheme dark open https://exemple.com

# Ou via variable d'environnement
AGENT_BROWSER_COLOR_SCHEME=dark agent-browser open https://exemple.com

# Ou définir pendant la session (persiste pour les commandes suivantes)
agent-browser set media dark

Fenêtre et test réactif

# Définir une taille de fenêtre personnalisée (par défaut : 1280x720)
agent-browser set viewport 1920 1080
agent-browser screenshot bureau.png

# Tester la disposition de largeur mobile
agent-browser set viewport 375 812
agent-browser screenshot mobile.png

# Retina/HiDPI : même disposition CSS à densité de pixels 2x
# Les captures d'écran restent à la taille logique de la fenêtre, mais le contenu est rendu en DPI supérieur
agent-browser set viewport 1920 1080 2
agent-browser screenshot retina.png

# Émulation d'appareil (définit la fenêtre + l'agent utilisateur en une étape)
agent-browser set device "iPhone 14"
agent-browser screenshot appareil.png

Le paramètre scale (3ème argument) définit window.devicePixelRatio sans changer la disposition CSS. Utilisez-le pour tester le rendu retina ou capturer des captures d'écran en haute résolution.

Navigateur visuel (débogage)

agent-browser --headed open https://exemple.com
agent-browser highlight @e1          # Mettre en surbrillance un élément
agent-browser inspect                # Ouvrir les outils de développement Chrome pour la page active
agent-browser record start demo.webm # Enregistrer la session
agent-browser profiler start         # Démarrer le profilage des outils de développement Chrome
agent-browser profiler stop trace.json # Arrêter et sauvegarder le profil (chemin optionnel)

Utilisez AGENT_BROWSER_HEADED=1 pour activer le mode avec tête via variable d'environnement. Les extensions de navigateur fonctionnent en mode avec et sans tête.

Fichiers locaux (PDF, HTML)

# Ouvrir des fichiers locaux avec des URLs file://
agent-browser --allow-file-access open file:///chemin/vers/document.pdf
agent-browser --allow-file-access open file:///chemin/vers/page.html
agent-browser screenshot sortie.png

Simulateur iOS (Safari mobile)

# Lister les simulateurs iOS disponibles
agent-browser device list

# Lancer Safari sur un appareil spécifique
agent-browser -p ios --device "iPhone 16 Pro" open https://exemple.com

# Même flux de travail que sur bureau - instantané, interagir, nouvel instantané
agent-browser -p ios snapshot -i
agent-browser -p ios tap @e1          # Appuyer (alias pour cliquer)
agent-browser -p ios fill @e2 "texte"
agent-browser -p ios swipe up         # Geste spécifique au mobile

# Prendre une capture d'écran
agent-browser -p ios screenshot mobile.png

# Fermer la session (arrête le simulateur)
agent-browser -p ios close

Prérequis : macOS avec Xcode, Appium (npm install -g appium && appium driver install xcuitest)

Appareils réels : Fonctionne avec des appareils iOS physiques s'ils sont préconfigurés. Utilisez --device "<UDID>" où UDID provient de xcrun xctrace list devices.

Sécurité

Toutes les fonctionnalités de sécurité sont facultatives. Par défaut, agent-browser n'impose aucune restriction sur la navigation, les actions ou la sortie.

Limites de contenu (recommandé pour les agents IA)

Activez --content-boundaries pour envelopper la sortie provenant de la page dans des marqueurs qui aident les LLM à distinguer la sortie de l'outil du contenu de page non fiable :

export AGENT_BROWSER_CONTENT_BOUNDARIES=1
agent-browser snapshot
# Sortie :
# --- AGENT_BROWSER_PAGE_CONTENT nonce=<hex> origin=https://exemple.com ---
# [arbre d'accessibilité]
# --- END_AGENT_BROWSER_PAGE_CONTENT nonce=<hex> ---

Liste blanche de domaines

Restreignez la navigation aux domaines de confiance. Les caractères génériques comme *.exemple.com correspondent également au domaine nu exemple.com. Les requêtes de sous-ressources, les connexions WebSocket et EventSource vers des domaines non autorisés sont également bloquées. Incluez les domaines CDN dont dépendent vos pages cibles :

export AGENT_BROWSER_ALLOWED_DOMAINS="exemple.com,api.exemple.com,cdn.exemple.com"
agent-browser open https://exemple.com

Limites de navigation et d'actions

Définissez des limites sur les actions du navigateur :

export AGENT_BROWSER_MAX_NAVIGATIONS=10
export AGENT_BROWSER_MAX_CLICKS=50
export AGENT_BROWSER_MAX_FILLS=20
export AGENT_BROWSER_MAX_SCREENSHOTS=5
# Limite de temps pour le travail d'agent :
export AGENT_BROWSER_MAX_WALL_CLOCK_TIME=300000  # 5 minutes en millisecondes

Désactiver les téléchargements

export AGENT_BROWSER_DISABLE_DOWNLOADS=1

Mode restreint

--restricted active toutes les fonctionnalités de sécurité :

agent-browser --restricted open https://exemple.com

C'est équivalent à définir toutes les variables d'environnement de sécurité et le mode de navigation restreint. Voir references/security.md pour plus de détails.

Livres/interactifs

# Avec gestion centrale de l'état (recommandé - l'IA gère l'état)
agent-browser --session-state-dir ~/.agent-browser/sessions state save monapp.json

# Basculer entre les sessions
agent-browser --session-state-dir ~/.agent-browser/sessions --session-name "test-a" open https://[...]

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

LiChangZheng10086/doyin_ai_video

Reference for the Claude API / Anthropic SDK — model ids, pricing, params, streaming, tool use, MCP, agents, caching, token counting, model migration. TRIGGER — read BEFORE opening the target file; don't skip because it "looks like a one-liner" — whenever: the prompt names Claude/Anthropic in any form (Claude, Anthropic, Fable, Opus, Sonnet, Haiku, `anthropic`, `@anthropic-ai`, `claude-*`, `us.anthropic.*`, `[1m]`); the user asks about an LLM (pricing/model choice/limits/caching) — never answer from memory; OR the task is LLM-shaped with provider unstated (agent/MCP/tool-definition/multi-agent/RAG/LLM-judge/computer-use; generate/summarize/extract/classify/rewrite/converse over NL; debugging refusals/cutoffs/streaming/tool-calls/tokens). SKIP only when another provider is being worked on (overrides all triggers): OpenAI/GPT/Gemini/Llama/Mistral/Cohere/Ollama named in the query; OR `grep -rE 'openai|langchain_openai|google.generativeai|genai|mistralai|cohere|ollama'` over the project hits (run this grep FIR...

LiChangZheng10086/doyin_ai_video

Use this skill whenever the user wants to create, read, edit, or manipulate Word documents (.docx files) or Word templates (.dotx files). Triggers include: any mention of 'Word doc', 'word document', '.docx', '.dotx', or requests to produce professional documents with formatting like tables of contents, headings, page numbers, or letterheads. Also use when extracting or reorganizing content from .docx or .dotx files, inserting or replacing images in documents, performing find-and-replace in Word files, working with tracked changes or comments, or converting content into a polished Word document. If the user asks for a 'report', 'memo', 'letter', 'template', or similar deliverable as a Word or .docx file, use this skill. Do NOT use for PDFs, spreadsheets, Google Docs, or general coding tasks unrelated to document generation.

LiChangZheng10086/doyin_ai_video

Guidance for distinctive, intentional visual design when building new UI or reshaping an existing one. Helps with aesthetic direction, typography, and making choices that don't read as templated defaults.

LiChangZheng10086/doyin_ai_video

Grill me about specs for the workflows I want to build, within this workspace.

LiChangZheng10086/doyin_ai_video

Use this skill whenever the user wants to do anything with PDF files. This includes reading or extracting text/tables from PDFs, combining or merging multiple PDFs into one, splitting PDFs apart, rotating pages, adding watermarks, creating new PDFs, filling PDF forms, encrypting/decrypting PDFs, extracting images, and OCR on scanned PDFs to make them searchable. If the user mentions a .pdf file or asks to produce one, use this skill.

LiChangZheng10086/doyin_ai_video

智能 PPT 生成器。支持 7 种视觉风格(乐高/波普/黏土/黑白/商务/学术/科技),具备根据内容自动推荐风格、生成大纲、绘制配图并组装成片的全自动能力。

LiChangZheng10086/doyin_ai_video

Use this skill any time a .pptx or .potx file is involved in any way — as input, output, or both. This includes: creating slide decks, pitch decks, or presentations; reading, parsing, or extracting text from any .pptx or .potx file (even if the extracted content will be used elsewhere, like in an email or summary); editing, modifying, or updating existing presentations; combining or splitting slide files; working with templates (.potx), layouts, speaker notes, or comments. Trigger whenever the user mentions \"deck,\" \"slides,\" \"presentation,\" or references a .pptx or .potx filename, regardless of what they plan to do with the content afterward. If a .pptx or .potx file needs to be opened, created, or touched, use this skill.

LiChangZheng10086/doyin_ai_video

Diagnose and fix React codebase health issues. Use when reviewing React code, fixing performance problems, auditing security, or improving code quality.

LiChangZheng10086/doyin_ai_video

Sentry error monitoring and performance tracing patterns for Next.js applications.

LiChangZheng10086/doyin_ai_video

Simplify and refine recently modified code for clarity and consistency. Use after writing code to improve readability without changing functionality.

LiChangZheng10086/doyin_ai_video

✅ "你知道今天所有大模型能读懂你的话,全靠一个叫Transformer的架构吗?"

LiChangZheng10086/doyin_ai_video

Use this skill any time a spreadsheet file is the primary input or output. This means any task where the user wants to: open, read, edit, or fix an existing .xlsx, .xlsm, .xltx, .csv, or .tsv file (e.g., adding columns, computing formulas, formatting, charting, cleaning messy data); create a new spreadsheet from scratch or from other data sources; or convert between tabular file formats. Trigger especially when the user references a spreadsheet file by name or path — even casually (like \"the xlsx in my downloads\") — and wants something done to it or produced from it. Also trigger for cleaning or restructuring messy tabular data files (malformed rows, misplaced headers, junk data) into proper spreadsheets. The deliverable must be a spreadsheet file. Do NOT trigger when the primary deliverable is a Word document, HTML report, standalone Python script, database pipeline, or Google Sheets API integration, even if tabular data is involved.

Skills associés