1. 为什么我劝你把浏览器自动化交给 OpenClaw
OpenClaw 的浏览器自动化能力，说白了就是让 AI 像人一样打开网页、点按钮、填表单、抓数据。它底层跑的是 Playwright，但对外暴露的是一套更贴近自然语言的工具接口：navigate 打开页面、snapshot 拿页面快照、click 点元素、type 输入文字、evaluate 执行 JS、screenshot 截图留证。适合谁？适合那些天天跟后台系统、数据看板、需要登录才能看的页面打交道的开发者，尤其是你已经用 OpenClaw 跑通了一些 Skill，现在想让 AI 真正“动手”而不是只“动嘴”。
我试过用纯 API 的方式抓数据，遇到需要登录、页面动态渲染、接口有签名校验的场景就特别难受。浏览器自动化的价值在于：它不关心你后端怎么实现，只要人能点到的，AI 基本都能点到。这篇就聚焦落地配置，给你一份可复制的 Playwright 接入骨架，把 settings.json 里几个关键字段讲透，再带你跑一次完整的网页操作验证，从配置到执行全流程走通。
2. 前置准备：TaoToken 接入与 OpenClaw 环境
OpenClaw 本身不绑定模型供应商，但浏览器自动化里的 snapshot 理解、evaluate 结果分析、多步骤决策，都依赖一个稳定的模型后端。我这边用的是 TaoToken 的 API 接入，原因是它的接口格式跟主流兼容，配置成本低，而且模型对话、Coding Plan、API Keys 都有独立入口，排障时定位清晰。
你需要先拿到 API Key。打开 https://taotoken.net/api-keys 生成一个，注意这个 Key 只在创建时完整显示一次，复制好放安全的地方。如果你还没决定用哪个模型，可以先到 https://taotoken.net/model-chat 试一下对话效果，确认模型对页面结构描述的理解能力够用，再回来配 OpenClaw。
环境侧你需要确认三件事：Node.js 版本不低于 18，因为 Playwright 对运行时版本有要求；OpenClaw 已经装好并能正常启动；系统里没有残留的旧版浏览器驱动冲突。如果你之前装过 Playwright 的全局版本，建议先清一下缓存，避免 OpenClaw 内置浏览器启动时找不到正确的 Chromium 路径。
3. 可复制配置：settings.json 关键字段与 Playwright 骨架
OpenClaw 的浏览器配置集中在 settings.json 的 browser 节点下。下面这份是我实测能跑通的骨架，你可以直接抄，把注释部分按自己环境改掉。
{ "browser": { "mode": "builtin", "headless": false, "timeout": 30000, "viewport": { "width": 1440, "height": 900 }, "userAgent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36", "remoteUrl": "", "cdpUrl": "", "storageState": "/tmp/openclaw-browser-state.json", "downloadsPath": "/tmp/openclaw-downloads" }, "model": { "provider": "taotoken", "apiKey": "你的_TAOTOKEN_API_KEY", "baseUrl": "https://taotoken.net/api", "model": "claude-sonnet-4-20250514" } }几个字段单独说一下。mode 有三个可选值：builtin 用 OpenClaw 自带的 Playwright 浏览器，开箱即用；cdp 走 Chrome DevTools Protocol，连你本机已经登录的 Chrome，适合需要保持 Cookie 和 Session 的场景；remote 连远程浏览器节点，适合服务器批量任务。headless 建议调试阶段设成 false，你能肉眼看到 AI 在点什么，出问题好定位，跑稳定了再改 true 省资源。
storageState 这个字段很关键，它把登录态持久化到本地文件。你第一次手动登录某个站点后，OpenClaw 会把 Cookie 和 localStorage 写进这个 JSON，下次启动直接复用，不用反复登录。timeout 默认 30 秒，遇到重页面可以调到 60000。
如果你要用 CDP 模式连本机 Chrome，启动 Chrome 时加调试端口，macOS 下是这样：
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222Windows 下换成对应路径，Linux 直接google-chrome --remote-debugging-port=9222。然后在 settings.json 里把 mode 改成 cdp，remoteUrl 填http://localhost:9222。这样 OpenClaw 就能接管你当前打开的标签页，登录态天然复用。
4. 验证请求：跑一次完整的网页操作
配置改完，重启 OpenClaw，我们来跑一个最小验证：打开一个页面，抓取标题，截图，再点一个链接。整个过程用 OpenClaw 的 browser 工具链完成。
第一步，navigate 打开目标页。我选一个结构简单的公开页面做演示，避免反爬干扰：
await browser.navigate('https://example.com', { waitUntil: 'networkidle', timeout: 30000 })waitUntil 设成 networkidle 表示等网络请求基本静默后再继续，比默认的 load 更稳，适合动态渲染页面。
第二步，snapshot 拿页面快照。这一步会返回当前 URL、页面标题、所有可交互元素的结构化描述。AI 靠这个快照决定下一步点哪里：
const page = await browser.snapshot() console.log(JSON.stringify(page, null, 2))你会看到类似这样的输出，包含 title、url、以及一个 elements 数组，每个元素带 selector、text、type。这就是 AI 的“眼睛”。
第三步，evaluate 执行 JS 提取数据。比如抓页面所有链接：
const links = await browser.evaluate(() => { return [...document.querySelectorAll('a')].map(a => ({ text: a.innerText.trim(), href: a.href })).filter(l => l.text.length > 0) }) console.log(links)第四步，screenshot 截图留证，方便你回看 AI 当时看到的画面：
await browser.screenshot({ path: '/tmp/openclaw-verify.png' })第五步，click 点一个元素，验证交互链路：
await browser.click('text=More information') await browser.waitForLoadState('networkidle') const afterPage = await browser.snapshot() console.log(afterPage.url)如果 URL 变了，说明点击生效，整条链路跑通。实测下来，从 navigate 到 click 完成，整个流程在 5 秒内结束，比手动开浏览器点一遍快得多。
5. 本篇常见错排查
配置和验证过程中，最容易卡在几个地方。我按出现频率排一下。
第一个，浏览器启动失败，报 Chromium 找不到。这通常是 Playwright 的浏览器没装全。OpenClaw 内置浏览器依赖 Playwright 的 Chromium 包，你可以在 OpenClaw 目录下跑一次安装命令补上。如果之前装过全局 Playwright，版本冲突也会导致这个问题，清掉全局缓存再让 OpenClaw 自己管理。
第二个，snapshot 返回空元素列表。页面还没渲染完就抓了。解决办法是在 navigate 之后加 waitForSelector，等关键元素出现再 snapshot：
await browser.waitForSelector('.main-content', { timeout: 10000 }) const page = await browser.snapshot()第三个，click 报元素不可见或不可交互。很多网站用动态 class，或者元素被遮挡。先用 snapshot 看真实结构，优先用文本选择器text=登录或 aria 属性[aria-label="搜索"]，比 class 选择器稳。如果元素在 iframe 里，需要先切 frame。
第四个，登录态丢失。检查 storageState 路径是否可写，以及你是否在同一个 browser context 里操作。跨 context 不会共享状态。CDP 模式下登录态跟着你本机 Chrome 走，一般不会丢。
第五个，被目标站限流。设置合理的 User-Agent，控制访问频率，别在循环里高频 navigate。遇到验证码就停下来，让用户手动介入，这是安全机制，不要试图绕过。
如果你在接入环节卡住，比如 API Key 报错或 baseUrl 配错，直接看 https://taotoken.net/doc 的接入文档，里面把常见返回码和排查步骤列得很清楚。模型侧的问题，比如 snapshot 理解不准，可以到 https://taotoken.net/model-chat 换个模型对比一下。
6. 长期跑自动化，建议上 Coding Plan
浏览器自动化一旦跑顺，你大概率会想把它做成定时任务或者常驻 Agent，比如每天早上抓一次竞品价格、每小时巡检一次后台状态。这种长期编码和 Agent 场景，按量计费的 API 调用成本会慢慢上来，而且你还需要更稳定的并发和更长的上下文支持。
我现在的做法是把长期跑的自动化任务切到 Coding Plan，https://taotoken.net/coding-plan 里有针对持续编码和 Agent 的套餐，额度更可控，适合这种 7x24 跑的场景。短期验证和调试还是用 API Keys 按量走，灵活。两者配合，既不浪费额度，也不担心任务断掉。
配置骨架你已经有了，验证流程也跑通了，接下来就是把你自己的目标站点填进去，调选择器，加等待，慢慢把 Skill 写厚。浏览器自动化的坑大多在页面结构变化和反爬策略上，遇到问题先 snapshot 看现场，再截图对照，基本都能定位。
