deepseek-browser-use:从入门到源码
本章对应当前 deepseek-browser-use 工程,所有浏览器控制操作通过 POST /playwright/command。新读者从 01 开始;已经接入的读者可直接查 13 的命令清单。文中源码路径相对于浏览器项目根目录。
第一阶段:从零运行一个任务
按顺序阅读,完成环境准备、第一次调用并理解统一协议。
- 01. deepseek-browser-use:概念与学习路线
- 02. 安装、启动与健康检查
- 03. 第一个任务:打开页面、读取结果与关闭
- 03-1. 客户端:dsb 命令行、Python 与 PowerShell
- 04. 统一命令接口与人机协作
第二阶段:让智能体可靠完成任务
理解共享登录态与页面状态,再学习模型接入、表单验证、留档、批量和运维。
- 05. 浏览器、profile 与登录态
- 06. 窗口尺寸与页面视口
- 07. 接入智能体:观察、执行与验证
- 08. 表单与多层弹窗排障:防止重复提交
- 09. 调用追踪、页面留档与文件上传
- 10. 站点配方、技能与异步作业
- 11. Windows OCR:本地图片与页面文字识别
- 12. 配置项与运维自省
第三阶段:查命令、理解核心原理
从命令速查进入执行链、前端 DOM、Java 模型和正文抽取。
这部分包含当前源码:DOM 构建脚本、Java 元素树与 Frame 模型、HTTP 执行链,以及可独立编译的网页正文与大模型结构化示例。07 补充状态评估、任务记忆和模型决策适配代码。
第四阶段:按功能深入源码
每篇结合注册参数、服务方法、返回结果与边界条件,覆盖当前全部注册命令。
每条命令后附可展开的注册代码与实际服务方法;点击、定位、批量和配方另附公共辅助实现。代码来自当前工程,类内片段需要结合原类字段和辅助方法阅读。
- 18. 源码教程:生命周期、导航与页签
- 19. 源码教程:DOM、页面状态与元素读取
- 20. 源码教程:点击、输入、键盘与鼠标
- 21. 源码教程:等待条件与 JavaScript 执行
- 22. 源码教程:文件上传、截图、PDF 与 OCR
- 23. 源码教程:Cookie、存储与页面设置
- 24. 源码教程:网络记录、请求拦截与控制台
- 25. 源码教程:原生对话框、DOM 弹窗与人机协作
- 26. 源码教程:批量、配方、后台作业与维护
按问题查阅
| 遇到的问题 | 阅读位置 |
|---|---|
| 服务启动不了或端口不通 | 安装、配置 |
| 浏览器引擎不对或登录态变化 | 浏览器与 profile |
| 元素找不到、索引失效或 iframe | 页面状态、Java DOM |
| 点击成功但提交结果不明 | 防重复提交、弹窗与人工协助 |
| 需要读取正文或结构化数据 | 正文提取 |
| 新增命令或修改底层实现 | 执行链、功能源码教程 |
