2026 新年刚开始，科技圈最重磅的消息，莫过于 Meta 豪掷 20 亿美金，收购号称“通用智能体”的 Manus。
此前也体验过 Manus，不得不说其自动化能力确实惊艳。只需给它一个目标，就能帮我们自动操作电脑，把事情干完。
但现在被收进了大厂里，后续能力或许能成倍放大，但是使用价格必然也会随之提升。
与其同时，我在 GitHub 上发现 Browser Use 这个被称之为开源版的 Manus，伴随着这波热度，Star 数一路狂飙到了 75000+。
它能让 AI 真正接管浏览器，像真人一样点击、滚动、输入，替我们完成那些繁琐的重复性工作。
以前做网页自动化，基本都是靠 Selenium，但网站一改版，脚本就报废，这种痛苦经历搞爬虫的朋友会经常遇到。
现在 Browser Use 为我们提供了新的解决方案：给 AI 装上了“眼睛”。
基于 Playwright 和视觉大模型（Vision Model），不再是去扒网页代码，而是像人类一样“看懂”页面内容。
不管网页底层代码结构怎么变，它都能通过看理解页面上的所有内容，进而帮我们完成操作。
在官方文档里有三个特别实用的场景，每一个都直击痛点，下面逐一跟大家说说。
首先是打工人都懂的“海投简历”。
以前投简历，最烦的就是在不同网站上重复填写那些永远填不完的表格。
官方演示了一个非常实用的指令：“用我的简历信息填好这份申请表”。
Browser Use 启动后，会自动打开招聘页面。它能精准识别出“姓名”、“邮箱”、“工作经历”这些输入框，然后把你的资料填进去。
哪怕遇到下拉菜单或者勾选框，它也能像人一样处理得妥妥当当。
再来看一个生活场景应用，比如“电商购物”。
如果你有一份很长的购物清单，可以直接甩给它：“把这些东西加到我的购物车里”。
它会像真人一样浏览商品列表，通过视觉识别出哪个是你要的牌子，然后点击“加入购物”。
这中间更绝的是，如果网页出现弹窗广告，它不会像传统脚本那样傻傻地报错，而是会像真人一样找到关闭按钮点掉它，然后继续干活。
还有一个场景很适合喜欢组装电脑的朋友，那就是“电脑配件筛选”。
像以往我们想组装一台电脑，需要去了解大量配件的参数，以及它们之间兼容性。
有了 Browser Use，只需简单一条指令：“我想组装一台台式电脑，预算在 5000 元以内，帮我找到合适的配置”。
它就会自动搜索 CPU、显卡、主板，对比参数和价格，帮我们完成初步筛选。这比我们自己一个个去搜索效率真的高出不少。
从这些官方演示案例中可以看出，都是通过代码来启动自动化脚本的，很多朋友此时会觉得使用起来比较难。
但我想说恰恰相反，它的核心启动代码其实就如下几行：
from browser_use import Agentfrom langchain_openai import ChatOpenAIagent = Agent( task="帮我查一下明天去上海的高铁票", llm=ChatOpenAI(model="gemini-3-pro"))await agent.run()
就这几行代码，就能让 Browser Use 运行起来，自动打开浏览器执行任务。
当然，还得跟大家说实话，Browser Use 的强大，是要靠消耗大量 Token 来换取的。
在使用过程，它会不断地截图、发给大模型分析、再决策，这一套流程下来，如果全程用 Gemini 3 Pro，成本确实不低。
不过好在也有办法解决，我们可以用比较便宜的 OCR 模型，甚至自己本地一个 DeepSeek-OCR 模型，来充当“眼睛”，负责识别页面文字和坐标。
然后在需要做复杂决策（比如判断哪个机票更划算）的时候，才调用昂贵的 GPT-5 或 Claude 4.5。
这样一来，成本就可以直接砍掉一大截，让人人都雇得起这位 “数字员工”。
总的来说，Browser Use 算是给了我们多一个选择权。
Manus 很好，但已成为了大厂的壁垒。Browser Use 也许还需要打磨，但代码是掌握在我们自己手里。
如果我们受够了在浏览器里重复点击鼠标，或者想体验一下拥有 “私人 Jarvis” 的感觉，这个项目值得一试。
GitHub 项目地址：https://github.com/browser-use/browser-use
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！
