Browser-use：是一套把 LLM（大型語言模型）接上瀏覽器自動化的 Python 工具。
你不用給它 XPath，只要跟它說「點登入按鈕」，它自己去畫面上找哪個是登入按鈕。

Browser-use 到底做了什麼

傳統自動化，你要手刻 Xpath 找元素位置以及腳本生成撰寫，才能讓自動化成功驅動

Browser-use 則是反過：你告訴它「點登入按鈕」，它自己去畫面上找哪個是登入按鈕並自己執行動作。

當用戶給出測試案例(Prompt)後，他底層大致是這樣執行：

1. 讀取當前頁面的 DOM（網頁的元素結構）與可見元素
2. 把「你的任務描述」跟「畫面上有什麼」一起丟給 LLM
3. LLM 決定下一步要對哪個元素做什麼動作
4. 執行，然後重新看一次畫面，決定再下一步

官方有兩種用法

browser-use 有兩種用法，差別在你是不是要寫程式：

簡單說：左側可以想成是程式底層包，右側就是有漂亮前端可以操作

兩種共同的特點：

• ✅ 完全不用寫 XPath / CSS selector
• ✅ 自然語言驅動：「點擊登入按鈕」「輸入帳號」這樣講就好
• ✅ 具備自我修復能力：找不到元素時，會自己去試別的可能
• ✅ 用原生瀏覽器環境，貼近真實使用者行為
• ✅ 支援多種 AI 模型（OpenAI / Gemini / DeepSeek 等）

注意：這套工具讓我驚艷的點在於讓我首次了解 AI「自我修復」的能力之強大

圖形介面版（web-ui）怎麼裝

這條路的好處是：團隊裡不寫程式的人也能自己跑。

Step 1：把官方 Repo 抓下來

git clone https://github.com/browser-use/web-ui.git
cd web-ui

（裝的時候覺得有點久是正常的，底層依賴套件很多）

Step 2：建 Python 環境

官方採用 uv 做 Python 版本控制，免得動到本機原有的設定（注意：只支援 Python 3.11 以上）：

uv venv --python 3.11

# Mac / Linux
source .venv/bin/activate

# Windows
.venv\Scripts\activate

Step 3：安裝依賴

uv pip install -r requirements.txt
playwright install --with-deps

Step 4：建環境變數檔

# Mac / Linux
cp .env.example .env

# Windows
copy .env.example .env

Step 5：設定 API Key 與瀏覽器路徑

.env 裡面要指到你本機的 Chrome：

# Mac
BROWSER_PATH="/Applications/Google Chrome.app/Contents/MacOS/Google Chrome"
BROWSER_USER_DATA="/Users/YourUsername/Library/Application Support/Google/Chrome"

# Windows
BROWSER_PATH="C:\Program Files\Google\Chrome\Application\chrome.exe"
BROWSER_USER_DATA="C:\Users\YourUsername\AppData\Local\Google\Chrome\User Data"

Step 6：啟動

python webui.py --ip 127.0.0.1 --port 7788

看到下面這個畫面，就表示成功了，點那個 URL 就會直接開啟網頁：

介面長這樣

幾個區塊的用途：

Load & Save Config 這個比想像中實用，設定可以直接丟給同事，他載進去就跟你跑的是同一組環境。

程式版（browser-use）怎麼裝

要接進測試流程、要進 CI，遲早得走這條。

Step 1：建環境（跟上面一樣）

uv venv --python 3.11

# Mac / Linux
source .venv/bin/activate

# Windows
.venv\Scripts\activate

Step 2：裝套件

uv pip install browser-use
uv run playwright install

Step 3：放 API Key

建一個 .env：

OPENAI_API_KEY={你的 OPENAI KEY}

到這裡環境就好了，剩下的就是寫程式。

Step 4：最小可跑的樣子

不需要什麼複雜設定，核心大概就這幾行：

from browser_use import Agent
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import asyncio

load_dotenv()

async def main():
    agent = Agent(
        task="打開 google，搜尋「QA 三十天養成日記」，確認搜尋結果有出現列表",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    result = await agent.run()
    print(result)

asyncio.run(main())

python agent.py

跑下去之後，瀏覽器會自己開起來，然後你會看到游標自己動、自己輸入、自己點下去。

恭喜你，到這裡你已經跑完第一支不用寫 selector 的自動化了 🎉

總結

所以回到標題那個問題：QA 要失去自動化技能了嗎？

當然不會！是工作內容會改變。

它雖然把「怎麼點到那顆按鈕」這件事變簡單了，卻同時製造了一個新問題：你要怎麼確定它點對了？

第一個問題以前佔掉我大部分時間，現在幾乎不用管。
第二個問題以前根本不存在，現在變成我最花心力的地方，坑是沒有變少啦，只是換了一種 XD

不過大家還是要擁抱新技術，AI 時代本身就回崛起很多新的工具應用，只要懂的結合新技術的人、團隊，才不會成爲被 AI 取代的那一方

參考來源

• browser-use 官方文件
• browser-use GitHub（程式版）
• browser-use web-ui GitHub（圖形介面版）