Actionbook

当前，基于大语言模型（LLM）的 AI 智能体在执行网页自动化任务时面临四大瓶颈：速度慢、Token 成本高、选择器脆弱、幻觉频发。根本原因在于，智能体需实时解析完整 HTML DOM 树，从中猜测可交互元素——这一过程既低效又不可靠。

Actionbook 是一个专为 AI Agent 设计的浏览器动作引擎，将复杂的网页操作抽象为结构化、可检索、可版本化的“动作手册”（Actionbook），并提供精简的 DOM 语义描述，使智能体无需探索即可精准执行操作。

核心问题：传统智能体如何“看”网页？

在没有 Actionbook 的情况下，AI 智能体通常：

• 接收整页 HTML（数万至数十万 tokens）
• 依赖 LLM 在冗余代码中“猜”出按钮或输入框位置
• 使用硬编码 CSS/XPath 选择器，一旦网站改版即失效
• 因上下文过长或结构混乱产生操作幻觉

这导致任务执行缓慢、成本高昂，且极不稳定。

Actionbook 的解决方案：预计算 + 语义抽象

Actionbook 通过以下机制重构智能体与网页的交互方式：

✅ 动作手册（Actionbook）

• 预先为每个网站定义结构化操作指南，包含：
  • 可点击区域（如“登录按钮”、“搜索框”）
  • 表单字段（如“用户名输入框”、“密码字段”）
  • 动态元素（如“购物车图标”、“通知弹窗”）
• 手册以语义化 JSON 形式提供，仅包含相关元素，体积比原始 HTML 小 100 倍以上

✅ 智能选择器维护

• 动作手册由 Actionbook 团队持续维护与版本化
• 网站 UI 更新时，仅需更新手册，无需修改智能体逻辑
• 支持多版本回退，确保向后兼容

✅ 通用 LLM 兼容

• 适用于 OpenAI、Anthropic、Gemini、DeepSeek 等任意 LLM
• 无缝集成 Claude Code、Cursor、Cline、OpenClaw 等主流 AI 编程框架

性能优势

实测显示，智能体任务执行速度提升 10 倍，Token 成本降低 100 倍。

快速上手（2 分钟）

步骤 1：安装 CLI

npm install -g @actionbookdev/cli

• 基于 Rust 构建，轻量高效
• 复用系统已安装浏览器（Chrome、Edge、Brave、Arc 等），无需额外依赖

步骤 2：在提示中启用 Actionbook

在使用 Claude Code、Cursor 等 AI 助手时，只需在提示中加入：

Use Actionbook to understand and operate the web page.

智能体将自动调用 CLI 获取当前页面的动作手册，并执行精准操作。

步骤 3（可选）：添加技能支持

npx skills add actionbook/actionbook

增强与 OpenClaw 等技能系统的集成能力。

技术架构与扩展

• CLI 工具：核心入口，支持 actionbook get、search 等命令
• MCP Server：供企业级智能体通过 Model Context Protocol 调用
• JavaScript SDK：用于自定义集成或前端嵌入
• 动作手册仓库：持续更新主流网站（电商、社交、SaaS 等）的操作定义

适用场景

• 自动化测试：智能体自动遍历 UI 流程
• 数据采集：结构化提取表单、列表、动态内容
• RPA 替代：无需录制脚本，自然语言驱动操作
• AI 助手增强：让 Claude 或 Cursor 能真正“操作网页”而非仅生成代码