谷歌又一强大工具开源，Selenium 慌了！

在测试圈混的朋友都知道，过去十几年，Web UI 自动化测试的江湖，几乎是 Selenium 一统天下。

无论你是刚入行的小白，还是资深的技术专家，只要提到 Web 自动化，脑子里蹦出的第一个词，十有八九就是 Selenium。

然后用过Selenium的同学也都知道，为了点一个按钮，我们得去扒网页源码，找 ID，找 Class。一旦网页改版，精心写好的脚本瞬间报错，维护起来既耗时又耗力。遇到动态加载、反爬机制，更是要和前端 “斗智斗勇”，最后可能还得靠人工补漏。

那个时候我就在想，要是有一款工具像人一样，不用抠源码、不用记定位规则，只要说一句 “帮我做 XX”，看一眼屏幕就知道点哪里，该多好。

如今，Google 把这个想法变成了现实。在 GitHub 上开源了一个名为 Computer Use Preview 的项目，让 Gemini 2.5 Pro 模型直接 “接管” 浏览器，把自动化从 “代码堆出来的机械操作”，升级成了 “能看懂、会思考的智能协作”。

这一次，Selenium 可能真的要慌了 —— 不是因为功能被超越，而是自动化的 “游戏规则”，被彻底改写了。

关于更多AI保姆级干货，推荐阅读：从零基础到AI全栈专家：5年陪跑，带你手撸20个企业实战项目（附全景路线图）

1、不止是 “替代”：AI 给浏览器装了 “人类大脑”

传统自动化工具的核心逻辑，始终没跳出 “指令 - 执行” 的框架：你必须告诉 Selenium “找到 ID 为 btn-submit 的按钮并点击”“在 name 为 username 的输入框填内容”，它才会机械执行。一旦网页结构变动（比如 ID 改了、元素嵌套变了），指令就失效了 —— 本质上，它是 “没有灵魂的执行机器”。

而谷歌的 Computer Use Preview，直接给浏览器装了个 “人类大脑”，核心逻辑从 “指令驱动” 变成了 “意图驱动”：你不用管 “怎么操作”，只要说 “要做什么”，AI 自己搞定一切。

它的工作流程看似简单，却藏着颠覆性的思路：

1. “看” 页面：不扒源码、不查元素，直接对当前浏览器界面截图，捕捉完整的视觉信息（包括文字、按钮位置、色彩区分）；
2. “懂” 需求：结合你输入的自然语言指令和历史操作上下文，Gemini 2.5 Pro 模型分析出核心需求 ——“先找到搜索框→输入关键词→筛选时间→点击下载按钮”；
3. “做” 动作：模型生成精准的操作指令，工具模拟人类手势（点击、输入、拖拽、滚动）执行，全程不用你写一行定位代码。

简单来说，这个工具背后的逻辑就是模拟人的操作流程：截图 → 分析 → 行动。

它会先给网页截个图，通过 Gemini 2.5 Pro 模型强大的视觉能力，分析出页面上有哪些输入框、按钮和下拉菜单，然后决定下一步该干什么。

2、如何快速上手

如果想上手体验，目前有两个选择。

第一种是懒人模式：

不想折腾环境的同学，官方提供了一个在线演示环境，直接打开网页就能试用

https://gemini.browserbase.com/

第二种是开发者模式：

如果需要处理敏感数据（比如公司内部系统），可以本地部署，步骤简单（Python 环境即可）：

# 1. 创建虚拟环境（Windows/Mac 通用） 
python3 -m venv .venv 
# Windows 激活：.venv\Scripts\activate 
# Mac/Linux 激活：source .venv/bin/activate

# 2. 安装依赖（自动处理版本兼容） 
pip install -r requirements.txt 

# 安装浏览器内核（支持 Chrome/Firefox/Edge）

playwright install

 # 3. 自定义指令运行（比如自动化搜索） 
 python main.py --query "去Google搜索一下testfaher.cn"

不过需要注意，使用Gemini 驱动AI自动化之前，需要配置API KEY

export GEMINI_API_KEY="YOUR_GEMINI_API_KEY"

或者把这个内容添加到你的虚拟环境中：

echo 'export GEMINI_API_KEY="YOUR_GEMINI_API_KEY"' >> .venv/bin/activate
source .venv/bin/activate

把上述的 YOUR_GEMINI_API_KEY 换成你真正的API KEY即可。

不过需要注意，预览版目前已知的，还有两个小 bug：

• 在某些系统上，原生下拉菜单（<select> 元素）偶尔识别失败：如果遇到 AI 选不中下拉选项，站在那里发呆，别怀疑，这是目前的已知限制，可暂时用 “点击下拉框→输入选项文字→回车” 的指令替代；
• 超大文件下载支持有限：目前单次下载文件建议不超过 100MB，大文件可能会卡顿。

最后：Selenium 会被淘汰吗？

很多人问：像Computer Use Preview这类AI工具出来后，Selenium 是不是要凉了？其实未必 —— 两者的定位不同：

• Selenium 适合 “固定场景、高频重复” 的自动化（比如固定结构的表单提交），稳定性强、资源占用低；
• Computer Use Preview 适合 “复杂场景、灵活需求”（比如跨平台、动态网页、视觉交互），省掉大量调试成本。

短期来看，两者会互补：比如用 Selenium 处理固定流程，用 AI 工具应对突发的复杂需求；但长期来看，AI 驱动的 “意图式自动化” 一定会成为主流 —— 毕竟，开发者的时间应该花在核心逻辑上，而不是反复调试元素定位。

如果你也受够了 Selenium 的 “死板”，不妨试试这款工具，体验一下 “指挥 AI 干活” 的快乐。

GitHub 项目地址：https://github.com/google-gemini/computer-use-preview

你觉得这款工具能替代 Selenium 吗？欢迎在评论区聊聊你的看法～

我们下期再见，Respect！