

前三课，我们看了内容创作和办公自动化。这一课补上两块：**浏览器自动化**（让 Codex 能"上网干活"），以及一批**通用业务场景 Skill**（让你一眼看懂"技能到底能覆盖多少事"）。

## 一、浏览器 Skill：会浏览、能抓取、可自动化

浏览器 Skill 让 Codex 具备操作浏览器执行任务的能力，常见三类：

**1. 搜索**

按你的需求检索信息、对比多个来源，省去手动开几十个标签页。

**2. 数据抓取**

从网页提取结构化数据（列表、价格、评价等），沉淀成表格。

**3. 网页自动化**



下面用 Playwright 演示一个「自动填写表单并提交」的实战例子。Playwright 会启动一个浏览器，按脚本依次定位元素、输入内容、点击提交，并把成功提示打印出来：

```python
from playwright.sync_api import sync_playwright

# 1. 启动 Playwright 并打开 Chromium 浏览器
with sync_playwright() as p:
    browser = p.chromium.launch(headless=False)  # headless=False 表示显示浏览器窗口，便于观察
    page = browser.new_page()                     # 新建一个标签页

    # 2. 打开目标页面
    page.goto("https://example.com/contact")

    # 3. 根据选择器定位输入框，并填入表单内容
    page.fill("#name", "张三")                    # 姓名输入框
    page.fill("#email", "zhangsan@example.com")   # 邮箱输入框
    page.fill("#message", "你好，我想咨询产品信息。")  # 留言输入框

    # 4. 点击提交按钮
    page.click("button[type=submit]")

    # 5. 等待成功提示出现，并读取其文本
    page.wait_for_selector(".success")
    print(page.text_content(".success"))          # 输出：提交成功

    # 6. 关闭浏览器
    browser.close()
```

上述流程覆盖了网页自动化最常见的几步：启动浏览器 → 打开页面 → 填充表单 → 点击提交 → 校验结果。实际使用时，选择器需要根据目标网站的 HTML 结构来调整。



为了帮你快速区分和选用，下面把三类浏览器 Skill 从适用场景、典型工具、输出结果和注意事项四个维度做个对比：

| 类型 | 适用场景 | 典型工具 | 输出结果 | 注意事项 |
|------|----------|----------|----------|----------|
| 搜索 | 快速获取信息、对比多个来源、收集资料 | 搜索引擎、Codex 搜索 Skill | 汇总后的答案、要点或结论 | 注意来源可靠性，避免只依赖单一来源 |
| 数据抓取 | 提取列表、价格、评价等结构化数据并沉淀 | Playwright、Selenium、BeautifulSoup | 表格、CSV、JSON 等结构化数据 | 遵守目标网站 robots 协议与使用条款，控制抓取频率 |
| 网页自动化 | 只能靠手动完成的填表单、点按钮、走流程 | Playwright、Selenium 等浏览器自动化工具 | 任务完成状态、页面反馈或流程结果 | 务必在合规、被授权范围内使用，避免对有风险的敏感操作滥用 |

按照既定步骤操作网页——填表单、点按钮、走流程，适合那些"没有 API、只能靠手动"的场景。
**如何选择：典型业务场景与落地要点**

三类 Skill 各有所长，可以先按“只读还是操作”来区分：搜索、数据抓取偏只读，网页自动化会改变页面状态、风险更高，因此选型时要连同前置条件和失败兜底一起想清楚。

**1. 搜索**

- 典型场景：竞品动态追踪（定期检索对手新品、价格和舆论）；行业资讯聚合（汇总多个来源并提炼要点）；技术调研（对比多个方案的优劣）。
- 前置条件：有明确的检索主题和关键词，目标信息可通过公开渠道获取。
- 失败处理：单一来源可信度不足时增加交叉验证；检索结果为空时更换关键词或数据源。

**2. 数据抓取**

- 典型场景：竞品价格监控（定时抓取商品价格并入库）；批量报表下载（从后台逐页导出明细）；评论/评价采集（沉淀为分析表格）。
- 前置条件：目标页面结构相对稳定；具备合法访问权限；必要时准备限速、代理或登录态以应对反爬。
- 失败处理：页面改版导致选择器失效时，更新选择器并触发告警；遇到验证码或风控时暂停抓取、人工介入，不要强行绕过。

**3. 网页自动化**

- 典型场景：自动发布文章（登录 CMS 后填写标题、正文并提交）；批量表单提交（无 API 内部系统的重复录入）；多步后台流程操作。
- 前置条件：账号有明确授权；流程步骤固定且可复现；重要操作先在测试环境或草稿状态验证。
- 失败处理：表单校验失败或页面加载异常时截图留证并按有限次数重试；涉及资金、权限等高敏操作必须立即停止自动执行，转人工确认。

简单说，先分清“只是读数据”还是“会改状态”，再核对前置条件，最后给每一类都配上失败兜底，浏览器 Skill 才能长期稳定运行。



> 注意：浏览器自动化涉及对真实页面的操作，务必在合规、被授权的范围内使用，避免对有风险的敏感操作滥用。

## 二、业务场景 Skill 概览

除通用能力外，还有一批"按场景打包"的 Skill，几乎覆盖了知识工作者的高频需求：

| 场景 | 能做什么 |
|------|----------|
| 会议纪要 | 从会议记录提炼结论、待办、负责人 |
| 教程改写 | 把技术文档改写成通俗易懂的教程 |
| 数据分析报告 | 处理数据、生成图文并茂的报告 |
| 自媒体内容 | 选题、成稿、多平台适配 |

这些 Skill 的共同设计思路是：**把一个高频业务动作，固化成"输入 → 处理 → 输出"的标准化流程**。
**以会议纪要 Skill 为例：最小可用实现**

下面用一个 Python 示例演示会议纪要 Skill 的常见做法。代码分为三部分：先用注释约定输入格式，再用规则提取结论与待办，最后输出结构化 JSON：

```python
import re
import json
from dataclasses import dataclass, field
from typing import List, Dict

# ---------- 1. 输入格式定义 ----------
# 会议纪要 Skill 约定输入是一段纯文本，例如：
#   结论：本周完成 V2.0 需求评审
#   - [ ] 整理接口文档 负责人：张三
#   - [x] 预约联调环境 负责人：李四
# 其中：
#   "结论：" 开头的行表示会议结论；
#   "- [ ] / - [x]" 开头的行表示待办项，[x] 为已完成；
#   "负责人：xxx" 用于标记责任人。

@dataclass
class MeetingMinutes:
    conclusions: List[str] = field(default_factory=list)
    todos: List[Dict[str, str]] = field(default_factory=list)

def extract_meeting_minutes(text: str) -> MeetingMinutes:
    """提取会议记录中的结论和待办。"""
    minutes = MeetingMinutes()

    # 逐行扫描，跳过空行
    for line in text.splitlines():
        line = line.strip()
        if not line:
            continue

        # ---------- 2. 关键信息提取逻辑 ----------
        # 提取结论：结论行以“结论：”开头
        if line.startswith("结论："):
            minutes.conclusions.append(line[3:].strip())
            continue

        # 提取待办项：匹配 "- [ ]" 或 "- [x]"
        todo_match = re.match(r"^- \[([ x])\]\s*(.*)$", line)
        if todo_match:
            status = "已完成" if todo_match.group(1) == "x" else "待办"
            content = todo_match.group(2)

            # 提取负责人：从待办内容中找“负责人：xxx”
            owner = ""
            owner_match = re.search(r"负责人：([^；;，,]+)", content)
            if owner_match:
                owner = owner_match.group(1).strip()
                # 从事项中移除负责人信息，保持事项干净
                content = content.replace(owner_match.group(0), "").strip(" ，,；;")

            minutes.todos.append({
                "事项": content,
                "负责人": owner,
                "状态": status,
            })

    return minutes

def format_minutes(minutes: MeetingMinutes) -> str:
    """把提取结果导出为结构化 JSON。"""
    # ---------- 3. 结构化输出 ----------
    return json.dumps(
        {
            "结论": minutes.conclusions,
            "待办": minutes.todos,
        },
        ensure_ascii=False,
        indent=2,
    )

if __name__ == "__main__":
    sample_text = """
结论：本周完成 V2.0 需求评审
- [ ] 整理接口文档 负责人：张三
- [x] 预约联调环境 负责人：李四
- [ ] 输出测试用例 负责人：王五
结论：下周启动开发
"""
    result = extract_meeting_minutes(sample_text)
    print(format_minutes(result))
```

上面的实现体现了会议纪要 Skill 的“输入 → 处理 → 输出”结构：先约定输入格式，再用规则提取关键信息，最后输出可机读的结构化结果。如果需要处理更口语化的原始纪要，把中间的规则替换成 LLM 提取即可。



## 三、看懂 Skill 的设计套路

观察这些 Skill，你会发现它们都遵循相似的结构：

1. **明确触发**：什么时候该用这个技能；
2. **标准化输入**：需要哪些素材、什么格式；
3. **固定处理步骤**：按既定流程逐步加工；
4. **结构化输出**：产出可直接使用的成果。

理解了这套套路，你以后不仅能"用"Skill，还能自己"设计"Skill。



用一张流程图把这条链路串起来，会更直观：

```mermaid
flowchart LR
  A["明确触发"] --> B["标准化输入"]
  B --> C["固定处理步骤"]
  C --> D["结构化输出"]
```

也就是说，一个 Skill 就像一条流水线：先判断何时触发，再接收标准输入，按固定步骤处理，最后产出结构化结果。
## 四、如何选择与组合

不要贪多。先锁定你工作中**最耗时、最重复的一个动作**，找到或做一个对应的 Skill 把它自动化，跑出效果后再扩展。一个个场景地吃掉，比"全都想用"更现实。

## 小结

- **浏览器 Skill**：搜索、数据抓取、网页自动化。
- 业务场景 Skill 覆盖：会议纪要、教程改写、数据分析报告、自媒体等。
- 设计套路：**触发 → 输入 → 处理 → 输出**。

到此，第二部分的 Skill 体系讲完了。从下一课开始，我们进入真正的"业务实战"——把前面所有能力组合起来解决真实问题。

> 本文是《OpenAI Codex 从零基础到精通》第 15 课。

前三课，我们看了内容创作和办公自动化。这一课补上两块：浏览器自动化（让 Codex 能"上网干活"），以及一批通用业务场景 Skill（让你一眼看懂"技能到底能覆盖多少事"）。

第15课：浏览器自动化与业务场景 Skill 概览

编程语言

开发工具

职业发展

本文介绍了Codex浏览器自动化三大技能（搜索、数据抓取、网页自动化）及业务场景Skill的设计方法，通过Playwright实战演示表单自动填写，并解析会议纪要自动化处理流程，助你掌握技能选择与组合技巧，提升办公效率。

腾讯云BI特惠9.9元起！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

第15课：浏览器自动化与业务场景 Skill 概览-腾讯云开发者社区-腾讯云

第15课：浏览器自动化与业务场景 Skill 概览

第15课：浏览器自动化与业务场景 Skill 概览

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐