Communitygithub.com

LiChangZheng10086/doyin_ai_video

Automação de navegador via linha de comando para agentes de IA. Use quando o usuário precisar interagir com sites, incluindo navegar por páginas, preencher formulários, clicar em botões, capturar telas, extrair dados, testar aplicações web ou automatizar qualquer tarefa no navegador.

O que é doyin_ai_video?

Este skill fornece uma ferramenta de automação de navegador via CLI chamada agent-browser, projetada para ser usada por agentes de IA para interagir programaticamente com sites. Ele suporta navegação, captura de snapshots da árvore de acessibilidade com referências de elementos, preenchimento de formulários, cliques, espera por elementos ou rede, captura de telas (incluindo páginas completas e anotadas), extração de dados, download de arquivos, emulação de dispositivos e viewports, e manipulação de autenticação por meio de perfis persistentes, arquivos de estado, nomes de sessão e um cofre de senhas criptografado. As operações podem ser encadeadas com && para eficiência, e o navegador persiste entre comandos através de um daemon em segundo plano. Recursos avançados incluem suporte a iOS Simulator para testar o Safari móvel, conexão a uma instância do Chrome já em execução, análise de diferenças visuais e estruturais entre estados da página, e opções de segurança como limites de conteúdo e listas de permissão de domínios. O skill é útil para agentes que precisam realizar tarefas como preencher formulários de login, extrair dados de páginas, testar aplicações web ou automatizar qualquer fluxo de trabalho no navegador sem intervenção manual.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Automação de Navegador com agent-browser

A CLI usa Chrome/Chromium via CDP diretamente. Instale via npm i -g agent-browser, brew install agent-browser ou cargo install agent-browser. Execute agent-browser install para baixar o Chrome.

Fluxo de Trabalho Principal

Toda automação de navegador segue este padrão:

  1. Navegar: agent-browser open <url>
  2. Snapshot: agent-browser snapshot -i (obter referências de elementos como @e1, @e2)
  3. Interagir: Use as referências para clicar, preencher, selecionar
  4. Re-snapshot: Após navegação ou mudanças no DOM, obtenha novas referências
agent-browser open https://example.com/form
agent-browser snapshot -i
# Saída: @e1 [input type="email"], @e2 [input type="password"], @e3 [button] "Submit"

agent-browser fill @e1 "[email protected]"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # Verificar resultado

Encadeamento de Comandos

Comandos podem ser encadeados com && em uma única invocação do shell. O navegador persiste entre comandos através de um daemon em segundo plano, então o encadeamento é seguro e mais eficiente do que chamadas separadas.

# Encadear open + wait + snapshot em uma chamada
agent-browser open https://example.com && agent-browser wait --load networkidle && agent-browser snapshot -i

# Encadear múltiplas interações
agent-browser fill @e1 "[email protected]" && agent-browser fill @e2 "password123" && agent-browser click @e3

# Navegar e capturar
agent-browser open https://example.com && agent-browser wait --load networkidle && agent-browser screenshot page.png

Quando encadear: Use && quando você não precisar ler a saída de um comando intermediário antes de prosseguir (por exemplo, open + wait + screenshot). Execute comandos separadamente quando precisar analisar a saída primeiro (por exemplo, snapshot para descobrir referências, depois interagir usando essas referências).

Gerenciamento de Autenticação

Ao automatizar um site que requer login, escolha a abordagem que se adequa:

Opção 1: Importar autenticação do navegador do usuário (mais rápido para tarefas pontuais)

# Conectar ao Chrome em execução do usuário (eles já estão logados)
agent-browser --auto-connect state save ./auth.json
# Usar esse estado de autenticação
agent-browser --state ./auth.json open https://app.example.com/dashboard

Arquivos de estado contêm tokens de sessão em texto simples — adicione ao .gitignore e exclua quando não for mais necessário. Defina AGENT_BROWSER_ENCRYPTION_KEY para criptografia em repouso.

Opção 2: Perfil persistente (mais simples para tarefas recorrentes)

# Primeira execução: login manual ou via automação
agent-browser --profile ~/.myapp open https://app.example.com/login
# ... preencher credenciais, enviar ...

# Todas as execuções futuras: já autenticado
agent-browser --profile ~/.myapp open https://app.example.com/dashboard

Opção 3: Nome de sessão (salvar/restaurar cookies + localStorage automaticamente)

agent-browser --session-name myapp open https://app.example.com/login
# ... fluxo de login ...
agent-browser close  # Estado salvo automaticamente

# Próxima vez: estado restaurado automaticamente
agent-browser --session-name myapp open https://app.example.com/dashboard

Opção 4: Cofre de autenticação (credenciais armazenadas criptografadas, login por nome)

echo "$PASSWORD" | agent-browser auth save myapp --url https://app.example.com/login --username user --password-stdin
agent-browser auth login myapp

Opção 5: Arquivo de estado (salvar/carregar manualmente)

# Após fazer login:
agent-browser state save ./auth.json
# Em uma sessão futura:
agent-browser state load ./auth.json
agent-browser open https://app.example.com/dashboard

Consulte references/authentication.md para padrões de autenticação OAuth, 2FA, baseada em cookies e renovação de token.

Comandos Essenciais

# Navegação
agent-browser open <url>              # Navegar (aliases: goto, navigate)
agent-browser close                   # Fechar navegador

# Snapshot
agent-browser snapshot -i             # Elementos interativos com referências (recomendado)
agent-browser snapshot -i -C          # Incluir elementos interativos com cursor (divs com onclick, cursor:pointer)
agent-browser snapshot -s "#selector" # Escopo para seletor CSS

# Interação (use @refs do snapshot)
agent-browser click @e1               # Clicar no elemento
agent-browser click @e1 --new-tab     # Clicar e abrir em nova aba
agent-browser fill @e2 "texto"        # Limpar e digitar texto
agent-browser type @e2 "texto"        # Digitar sem limpar
agent-browser select @e1 "opção"      # Selecionar opção de dropdown
agent-browser check @e1               # Marcar checkbox
agent-browser press Enter             # Pressionar tecla
agent-browser keyboard type "texto"    # Digitar no foco atual (sem seletor)
agent-browser keyboard inserttext "texto"  # Inserir sem eventos de tecla
agent-browser scroll down 500         # Rolar página
agent-browser scroll down 500 --selector "div.content"  # Rolar dentro de um contêiner específico

# Obter informações
agent-browser get text @e1            # Obter texto do elemento
agent-browser get url                 # Obter URL atual
agent-browser get title               # Obter título da página
agent-browser get cdp-url             # Obter URL do WebSocket CDP

# Aguardar
agent-browser wait @e1                # Aguardar elemento
agent-browser wait --load networkidle # Aguardar rede ociosa
agent-browser wait --url "**/page"    # Aguardar padrão de URL
agent-browser wait 2000               # Aguardar milissegundos
agent-browser wait --text "Bem-vindo" # Aguardar texto aparecer (correspondência de substring)
agent-browser wait --fn "!document.body.innerText.includes('Carregando...')"  # Aguardar texto sumir
agent-browser wait "#spinner" --state hidden  # Aguardar elemento desaparecer

# Downloads
agent-browser download @e1 ./arquivo.pdf          # Clicar no elemento para acionar download
agent-browser wait --download ./output.zip     # Aguardar qualquer download ser concluído
agent-browser --download-path ./downloads open <url>  # Definir diretório de download padrão

# Viewport e Emulação de Dispositivos
agent-browser set viewport 1920 1080          # Definir tamanho do viewport (padrão: 1280x720)
agent-browser set viewport 1920 1080 2        # Retina 2x (mesmo tamanho CSS, capturas de tela de maior resolução)
agent-browser set device "iPhone 14"          # Emular dispositivo (viewport + user agent)

# Captura
agent-browser screenshot              # Captura de tela para diretório temporário
agent-browser screenshot --full       # Captura de tela de página inteira
agent-browser screenshot --annotate   # Captura de tela anotada com rótulos numéricos de elementos
agent-browser screenshot --screenshot-dir ./shots  # Salvar em diretório personalizado
agent-browser screenshot --screenshot-format jpeg --screenshot-quality 80
agent-browser pdf output.pdf          # Salvar como PDF

# Área de Transferência
agent-browser clipboard read                      # Ler texto da área de transferência
agent-browser clipboard write "Olá, Mundo!"       # Escrever texto na área de transferência
agent-browser clipboard copy                      # Copiar seleção atual
agent-browser clipboard paste                     # Colar da área de transferência

# Diferença (comparar estados da página)
agent-browser diff snapshot                          # Comparar snapshot atual com o último
agent-browser diff snapshot --baseline antes.txt    # Comparar snapshot atual com arquivo salvo
agent-browser diff screenshot --baseline antes.png  # Diferença visual de pixels
agent-browser diff url <url1> <url2>                 # Comparar duas páginas
agent-browser diff url <url1> <url2> --wait-until networkidle  # Estratégia de espera personalizada
agent-browser diff url <url1> <url2> --selector "#main"  # Escopo para elemento

Padrões Comuns

Envio de Formulário

agent-browser open https://example.com/cadastro
agent-browser snapshot -i
agent-browser fill @e1 "João Silva"
agent-browser fill @e2 "[email protected]"
agent-browser select @e3 "São Paulo"
agent-browser check @e4
agent-browser click @e5
agent-browser wait --load networkidle

Autenticação com Cofre (Recomendado)

# Salvar credenciais uma vez (criptografadas com AGENT_BROWSER_ENCRYPTION_KEY)
# Recomendado: enviar senha via stdin para evitar exposição no histórico do shell
echo "senha" | agent-browser auth save github --url https://github.com/login --username usuario --password-stdin

# Login usando perfil salvo (LLM nunca vê a senha)
agent-browser auth login github

# Listar/mostrar/excluir perfis
agent-browser auth list
agent-browser auth show github
agent-browser auth delete github

Autenticação com Persistência de Estado

# Login uma vez e salvar estado
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "$USERNAME"
agent-browser fill @e2 "$PASSWORD"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json

# Reutilizar em sessões futuras
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard

Persistência de Sessão

# Salvar/restaurar cookies e localStorage automaticamente entre reinicializações do navegador
agent-browser --session-name myapp open https://app.example.com/login
# ... fluxo de login ...
agent-browser close  # Estado salvo automaticamente em ~/.agent-browser/sessions/

# Próxima vez, o estado é carregado automaticamente
agent-browser --session-name myapp open https://app.example.com/dashboard

# Criptografar estado em repouso
export AGENT_BROWSER_ENCRYPTION_KEY=$(openssl rand -hex 32)
agent-browser --session-name secure open https://app.example.com

# Gerenciar estados salvos
agent-browser state list
agent-browser state show myapp-default.json
agent-browser state clear myapp
agent-browser state clean --older-than 7

Extração de Dados

agent-browser open https://example.com/produtos
agent-browser snapshot -i
agent-browser get text @e5           # Obter texto de elemento específico
agent-browser get text body > pagina.txt  # Obter todo o texto da página

# Saída JSON para análise
agent-browser snapshot -i --json
agent-browser get text @e1 --json

Sessões Paralelas

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

Conectar ao Chrome Existente

# Descobrir automaticamente Chrome em execução com depuração remota ativada
agent-browser --auto-connect open https://example.com
agent-browser --auto-connect snapshot

# Ou com porta CDP explícita
agent-browser --cdp 9222 snapshot

Esquema de Cores (Modo Escuro)

# Modo escuro persistente via flag (aplica-se a todas as páginas e novas abas)
agent-browser --color-scheme dark open https://example.com

# Ou via variável de ambiente
AGENT_BROWSER_COLOR_SCHEME=dark agent-browser open https://example.com

# Ou definir durante a sessão (persiste para comandos subsequentes)
agent-browser set media dark

Viewport e Teste Responsivo

# Definir um tamanho de viewport personalizado (padrão é 1280x720)
agent-browser set viewport 1920 1080
agent-browser screenshot desktop.png

# Testar layout de largura de celular
agent-browser set viewport 375 812
agent-browser screenshot mobile.png

# Retina/HiDPI: mesmo layout CSS com densidade de pixel 2x
# As capturas de tela permanecem no tamanho lógico do viewport, mas o conteúdo renderiza com DPI mais alto
agent-browser set viewport 1920 1080 2
agent-browser screenshot retina.png

# Emulação de dispositivo (define viewport + user agent em uma etapa)
agent-browser set device "iPhone 14"
agent-browser screenshot device.png

O parâmetro scale (3º argumento) define window.devicePixelRatio sem alterar o layout CSS. Use-o ao testar renderização retina ou capturar capturas de tela de maior resolução.

Navegador Visual (Depuração)

agent-browser --headed open https://example.com
agent-browser highlight @e1          # Destacar elemento
agent-browser inspect                # Abrir Chrome DevTools para a página ativa
agent-browser record start demo.webm # Gravar sessão
agent-browser profiler start         # Iniciar perfilamento do Chrome DevTools
agent-browser profiler stop trace.json # Parar e salvar perfil (caminho opcional)

Use AGENT_BROWSER_HEADED=1 para ativar o modo com cabeçalho via variável de ambiente. As extensões do navegador funcionam tanto no modo com cabeçalho quanto no modo headless.

Arquivos Locais (PDFs, HTML)

# Abrir arquivos locais com URLs file://
agent-browser --allow-file-access open file:///caminho/para/documento.pdf
agent-browser --allow-file-access open file:///caminho/para/pagina.html
agent-browser screenshot output.png

Simulador iOS (Safari Mobile)

# Listar simuladores iOS disponíveis
agent-browser device list

# Iniciar Safari em um dispositivo específico
agent-browser -p ios --device "iPhone 16 Pro" open https://example.com

# Mesmo fluxo de trabalho do desktop - snapshot, interagir, re-snapshot
agent-browser -p ios snapshot -i
agent-browser -p ios tap @e1          # Toque (alias para click)
agent-browser -p ios fill @e2 "texto"
agent-browser -p ios swipe up         # Gesto específico para mobile

# Tirar captura de tela
agent-browser -p ios screenshot mobile.png

# Fechar sessão (desliga o simulador)
agent-browser -p ios close

Requisitos: macOS com Xcode, Appium (npm install -g appium && appium driver install xcuitest)

Dispositivos reais: Funciona com dispositivos iOS físicos se pré-configurados. Use --device "<UDID>" onde UDID vem de xcrun xctrace list devices.

Segurança

Todos os recursos de segurança são opcionais. Por padrão, o agent-browser não impõe restrições à navegação, ações ou saídas.

Limites de Conteúdo (Recomendado para Agentes de IA)

Ative --content-boundaries para envolver a saída originada da página em marcadores que ajudam os LLMs a distinguir a saída da ferramenta do conteúdo não confiável da página:

export AGENT_BROWSER_CONTENT_BOUNDARIES=1
agent-browser snapshot
# Saída:
# --- AGENT_BROWSER_PAGE_CONTENT nonce=<hex> origin=https://example.com ---
# [árvore de acessibilidade]
# --- END_AGENT_BROWSER_PAGE_CONTENT nonce=<hex> ---

Lista de Permissão de Domínios

Restrinja a navegação a domínios confiáveis. Curingas como *.example.com também correspondem ao domínio base example.com. Solicitações de sub-recursos, WebSocket e conexões EventSource para domínios não permitidos também são bloqueadas. Inclua domínios CDN dos quais suas páginas de destino dependem:

export AGENT_BROWSER_ALLOW="*.app.example.com,*.cdn.example.com"

Modo de Confinamento (Sandbox)

Execute ações com privilégios reduzidos para limitar a exposição ao conteúdo da página:

# Não executar JavaScript na página
export AGENT_BROWSER_SCRIPT_CONTROL=block

# Usar apenas acessibilidade (sem CDP bruto)
export AGENT_BROWSER_MODE=accessibility

# Impedir navegação para domínios não confiáveis
export AGENT_BROWSER_ALLOW="*.app.example.com"

Integração com Modelo de IA

Cada comando do agent-browser é uma ferramenta individual. Headers e prompts do sistema gerenciam estado de forma transparente. Consulte prompts/system.md para prompt de modelo padrão e prompt de ferramenta para cada comando.

Comandos Utilitários

agent-browser --help                 # Ajuda geral da CLI
agent-browser install                # Instalar Chrome
agent-browser doctor                 # Verificar estado da instalação e depuração
agent-browser reset                  # Redefinir estado interno (útil se o navegador travar)
agent-browser session list           # Listar sessões ativas
agent-browser version                # Exibir versão

Variáveis de Ambiente

AmbientePadrãoDescrição
AGENT_BROWSER_COLOR_SCHEME-Esquema de cores (light ou dark)
AGENT_BROWSER_HEADED-Modo com cabeçalho para depuração
AGENT_BROWSER_AUTO_CONNECT-Conectar automaticamente ao Chrome em execução
AGENT_BROWSER_ENCRYPTION_KEY-Chave de criptografia para estados de sessão e arquivos de estado
AGENT_BROWSER_CONTENT_BOUNDARIES-Envolver saída de página em marcadores
AGENT_BROWSER_CHROME_PATH-Caminho para executável do Chrome/Chromium
AGENT_BROWSER_ALLOW-Padrões de URL de lista de permissão de domínios (separados por vírgula)
AGENT_BROWSER_SCRIPT_CONTROL-Controle de execução de script: block, allow
AGENT_BROWSER_MODE-Modo de interação: accessibility, dom
AGENT_BROWSER_EXIT_ON_KEY-Tecla para sair (ex: q, Control+C)
AGENT_BROWSER_DOWNLOAD_PATH-Diretório de download padrão
AGENT_BROWSER_SHOW_COOKIES-Exibir cookies em saída de snapshot
AGENT_BROWSER_VERBOSE-Log detalhado
AGENT_BROWSER_SESSION_NAME-Nome de sessão para auto-salvar/restaurar
AGENT_BROWSER_USER_DATA_DIR-Diretório de dados do usuário do Chrome
DEBUG-Log de depuração do agent-browser
CDP_WS_URL-URL do WebSocket CDP para conectar a navegador existente

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.

Habilidades Relacionadas