Actionbook，面向AI Agent 的“浏览器动作引擎”，节省大量Token，提高爬取效率

在传统的网页爬取中，开发者需要手动寻找页面 DOM 选择器并编写脚本。在 AI 自动化中，Agent 需要解析庞大且杂乱的 HTML 源码来寻找操作点。

Actionbook 是面向AI Agent 的“浏览器动作引擎”，通过将繁琐的网页操作（点击、填写、翻页、提取）以结构化、可搜索、可重用的方式保存为”动作手册（Action Manuals）”，让AI Agent 在真实网页执行时更稳健、更高效。

Actionbook 官网：https://actionbook.dev/

Actionbook Github：https://github.com/actionbook/actionbook

Actionbook 有效解决了 AI Agent 在自动化网页交互中的三大问题：

• Token 焦虑症：不再需要将几万行的 HTML 塞进 LLM，只需传输几十个字节的语义化动作定义，Token 消耗降低 100 倍。
• 选择器崩溃症：网页前端代码的小改动常会导致传统脚本失效。ActionBook 通过版本化的手册管理，将 UI 的变动与 Agent 的逻辑解耦。
• Agent 幻觉与不确定性：防止 AI 面对复杂的表单、级联菜单或日期选择器时“胡乱点击”。

Actionbook 核心功能：

1、语义化动作手册 (Semantic Action Manuals)

ActionBook 预先录制并维护了目标网站的高频动作。AI 只需要发送这些语义化指令，ActionBook 负责将其转化为具体的 DOM 操作。

2、检索式 DOM 索引 (RAG for DOM)

ActionBook 引入了类似 RAG（检索增强生成）的机制。Agent 在操作前，ActionBook 会根据当前上下文，仅提取与任务相关的 DOM 元素切片（Concise JSON），极大地减轻了模型的认知负担。

3、跨模型/框架的通用性

ActionBook 支持 MCP协议，可以无缝集成到 Cursor、Claude Desktop 等工具中。同时，提供 CLI、SDK 等多种接入方式，支持 OpenAI、Anthropic、Gemini 等主流模型。

4、内置指纹与稳定性优化

虽然 ActionBook 的卖点在于语义层，但底层依然基于 Playwright 做了深度加固，内置了指纹抹除、自动重试和超时管理，确保手册中的动作执行具有极高的“确定性”。

Actionbook 与其他浏览器自动化工具的关系：

Actionbook并不是要取代 Puppeteer/Playwright以及各种基于 Chromium 的自动化工具 ，可以与这些爬虫框架搭配使用。

在引入Actionbook后，可以把AI 自动化操作三层：动作语义层（Actionbook）→ 执行层（Puppeteer/Playwright）→ 基础设施（BlitzBrowser / 容器 / 任务队列）。

一个典型组合使用场景：

• 用 Actionbook 编写动作手册：为主要目标网站维护“动作剧本”：搜索、筛选、选择房源、填表、支付检查点等）
• 运行时使用 BlitzBrowser 管理浏览器实例：如果需要大量并发或希望在容器云化部署 headful 浏览器以更好模拟真实用户行为，BlitzBrowser 帮助管理实例/回收/监控
• 用 Playwright/Puppeteer 作为执行层：使用Playwright/Puppeteer 及其成熟的生态的各类工具完成爬取任务