文章
文章用户商铺文档快讯圈子网址导航供求信息

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox


概述




Cloud Native

函数计算 AgentRun 是一个以高代码为核心的一站式 Agentic AI 基础设施平台。秉持生态开放和灵活组装的理念，为企业级 Agent 应用提供从开发、部署到运维的全生命周期管理。

在开发 AgentRun 的过程中，我们发现了一个让人头疼的问题：现有的沙箱方案太零散了。浏览器、代码执行、Shell 环境各自为政，导致开发效率大打折扣。于是我们决定自己动手，打造一个真正一体化的解决方案——All-In-One Sandbox（AIO）。

AIO 是 AgentRun 提供的云上浏览器自动化沙箱环境，它把浏览器、终端和代码执行能力全部集成在一个容器里。通过简单的 SDK 调用，你就能让 LLM 驱动复杂的 Web 自动化任务，再也不用在多个沙箱之间疲于奔命。

▍为什么选择 AIO？

说实话，传统的沙箱方案让我们吃尽了苦头。大多数沙箱都是单一用途的（要么只能跑浏览器，要么只能执行代码），这带来了几个实实在在的痛点：

1. 文件共享简直是个噩梦

  • 浏览器沙箱下载的文件得先上传到 NAS/OSS，代码沙箱才能用
  • 代码生成的文件又要重新上传，其他沙箱再下载
  • 多个沙箱之间的文件传递慢得像蜗牛爬

2. 工具协调复杂到想哭

  • 一个完整的 Agent 任务通常需要同时调用浏览器 + 代码 + Shell
  • 得手动编排多个沙箱的启动、通信和数据传递
  • 调试时要在好几个地方来回切换看日志，效率低得让人抓狂

3. 环境配置繁琐到崩溃

  • 本地方案：Node.js、浏览器、各种系统依赖，装得手都酸了
  • 多沙箱方案：每个环境都要单独配置和管理
  • 最要命的是环境污染问题——任务之间互相干扰，资源清理成了日常难题

4. 成本和效率双重打击

  • 多个沙箱同时运行，内存占用翻倍
  • 文件传输走网络 I/O，延迟高得离谱
  • 还得额外付费买 OSS/NAS 存储服务

AIO 沙箱的核心优势




Cloud Native

架构一览

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox

统一文件系统

我们的解决方案很简单粗暴：把所有组件（浏览器、Shell、代码执行、文件系统）都塞进同一个沙箱实例里。

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox

性能对比一目了然：

对比项

传统多沙箱方案

All-In-One 沙箱

启动时间

2 个沙箱启动 = 4-15秒(串/并行创建)

1 个沙箱启动 = 5秒

文件传递

通过 OSS，耗时 2-3秒

直接访问，<100ms

内存占用

2×独立运行 = 2c2g+2c2g

1×共享运行 = 2c2g

底层技术栈很扎实：

  • 浏览器：Chromium 136+ (固定版本，稳定可靠)
  • 协议：WebSocket CDP (:5000/ws/automation 端口)
  • 隔离：函数计算资源、本地文件系统的隔离及严格的资源限制
  • 文件系统：支持实例级别的 NAS/OSS 动态挂载

五大核心能力，开箱即用：

  • 代码执行：内置 Node.js + 原生 Puppeteer 自动化脚本支持
  • 文件处理：提供 FileSystem API，可通过 MCP 方式调用
  • 状态保持：结合 OSS/NAS 动态挂载，完美支持多步骤任务和状态传递
  • 实时日志：流式输出执行日志，监控起来毫不费力
  • 多工具集成：VNC、Terminal、代码执行无缝配合，想怎么用就怎么用

云上沙箱，真的零配置

基于函数计算架构，我们做到了：

  • 零配置：不用装任何环境，API 调用就能直接上手
  • 环境隔离：每次执行都是全新的沙箱，完全互不干扰
  • 自动清理：执行完自动释放资源，绝不留垃圾
  • 安全可控：代码在隔离环境中运行，Agent 宿主系统稳如泰山
  • 按需扩展：根据负载自动创建/销毁沙箱实例，省钱又省心

多种访问方式，灵活到飞起

不管你是开发者还是运维，都能找到适合自己的使用方式：

接口

用途

访问方式

代码执行 API

执行 Node.js/Python 脚本

SDK 方法

VNC

可视化浏览器交互、人工介入

Web 集成

Terminal WebSocket

实时 Shell 交互

WebSocket

文件 API

读写持久化文件

SDK 方法

这些场景特别适合用 AIO：

  • 数据采集（电商、社交媒体、新闻网站）
  • 自动化测试（Web 应用功能测试）
  • RPA 任务（表单填写、批量操作）
  • LLM Agent（让 AI 自动生成和执行浏览器自动化脚本）
  • 云开发环境（团队标准化工具和远程开发）
  • 多步骤工作流（带有视觉反馈的自动化流程）
01

AIO 沙箱集成指南

Cloud Native

▍1.1 核心概念

沙箱实例到底是什么？

每个沙箱实例本质上就是一个基于函数计算环境的会话容器，里面已经预装好了你需要的一切：

  • Chromium 浏览器（已启动，监听在 CDP 端口 5000）
  • Node.js 运行时（预装 puppeteer-core）
  • VNC 服务（可选，调试和人工介入时超有用）

▍1.2 快速开始

注意：本文假设你已经看过前面的实践系列文章，了解 template 和 sandbox 的关系，并且正确创建了 template。如果你还没做过这些，建议先回去补课。

安装 SDK（很简单）

推荐用 python 3.11 环境，兼容性最好。

pip install agentrun-sdk['server','playwright']

第一个任务：验证沙箱基本功能

from agentrun.sandbox import Sandbox, TemplateTypeimport asyncioasync def quick_start():    """验证沙箱基本功能"""    sandbox = Sandbox.create(        template_type=TemplateType.AIO,        template_name="quick-test",        sandbox_idle_timeout_seconds=600    )    print(f"沙箱已创建: {sandbox.sandbox_id}")    # 核心：连接已运行的浏览器，提取页面信息    code = """const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];await page.goto('https://example.com');console.log(await page.title());await browser.disconnect();"""    await sandbox.context.execute_async(code=code, language="javascript")    sandbox.destroy()asyncio.run(quick_start())

多步骤任务实战

关键技巧：用 disconnect() 保持浏览器运行，通过文件系统传递状态。

第一步：打开登录页

const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];await page.goto('https://example.com/login');console.log('请在 VNC 中完成登录');await browser.disconnect();

第二步：保存 Cookie

const fs = require('fs');const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = await page.cookies();fs.writeFileSync('/home/user/data/cookies.json', JSON.stringify(cookies));console.log('Cookie 已保存');await browser.disconnect();

第三步：用 Cookie 爬数据

const fs = require('fs');const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = JSON.parse(fs.readFileSync('/home/user/data/cookies.json'));await page.setCookie(...cookies);await page.goto('https://example.com/data');// 执行数据采集await browser.disconnect();

为什么要用多步骤模式？

  • 绕过验证码：人工登录搞定验证码，后续任务全自动
  • 状态持久化：Cookie 保存到文件，支持断点续传
  • 资源优化：浏览器一直运行着，不用重复启动浪费时间

完整代码参见文末附录：Github 示例仓库。

▍1.3 关键概念说明

代码执行方式

通过 sandbox.context.execute_async() 方法执行代码：

result = await sandbox.context.execute_async(    code="console.log('Hello')",    language="javascript",  # 或 "python"    timeout=300  # 超时时间（秒）)

返回格式很清晰：

{    "contextId": "ctx_xxx",  # 上下文 ID    "results": [        {"type": "stdout", "text": "Hellon"},        {"type": "result", "value": null}    ]}

文件操作（超简单）

# 写入文件sandbox.file.write(    path="/home/user/data/result.json",    content='{"key": "value"}',    encoding="utf-8")# 读取文件content = sandbox.file.read("/home/user/data/result.json")# 上传本地文件sandbox.file_system.upload(    local_file_path="./local_file.txt",    target_file_path="/home/user/data/file.txt")# 下载文件sandbox.file_system.download(    path="/home/user/data/result.json",    save_path="./result.json")
02

最佳实践

Cloud Native

▍2.1 多步骤任务模式

什么时候用？需要登录、人工介入、或者数据量很大的时候。

标准流程：

步骤 1：打开登录页 → 通过 VNC 人工登录步骤 2：保存 Cookie 到文件系统步骤 3：使用 Cookie 执行数据采集

实操要点：

1. sandbox_idle_timeout_seconds >= 1800 保持一定时间状态可用，闲置超时后自动回收。
2. 一定要用 disconnect() 保持浏览器运行，close() 会关掉浏览器。
3. 通过 /home/user/data/ 目录传递 Cookie 和进度。
4. VNC URL 用 sandbox.sandbox_id 和 base URL 拼起来就行。
5. 文件操作就用 sandbox.file.read() 和 sandbox.file.write()。

▍2.2 LLM Agent 集成模式

适用场景：让 AI 自动生成和执行浏览器自动化代码，非技术用户也能用。

整体架构：

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox

三条铁律（必须遵守）：

  • 禁止：puppeteer.launch() → 必须：puppeteer.connect()
  • 禁止：browser.close() → 必须：browser.disconnect()
  • 禁止：随便存文件 → 必须：/home/user/data/xxx.json

为什么这么严格？

  • 违反约束会导致浏览器重启，之前的状态全没了
  • AI 生成代码需要明确指导，不能指望它有“常识”
  • 详细内容见第 4 章系统提示词设计

▍2.3 Cookie 持久化模式

什么时候需要？要保持登录状态，跨会话复用的时候。

完整流程：

首次登录：1. 人工登录 → 2. 保存 Cookie → 3. 持久化存储后续使用：1. 上传Cookie -> 2. 读取 Cookie → 3. 恢复会话 → 4. 执行任务

Cookie 保存示例：

const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = await page.cookies();// 保存到文件系统fs.writeFileSync('/home/user/data/cookies.json', JSON.stringify(cookies, null, 2));console.log('Cookie 已保存');await browser.disconnect();

Cookie 恢复示例：

const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];// 读取 Cookieconst cookies = JSON.parse(fs.readFileSync('/home/user/data/cookies.json'));// 恢复会话await page.setCookie(...cookies);await page.goto('https://example.com/protected');console.log('登录状态已恢复');await browser.disconnect();

关键提醒：

  • Cookie 一定要保存到 /home/user/data/ 目录，这样才有权限
  • 用 page.cookies() 获取所有 Cookie，一个都不能少
  • 用 page.setCookie(…cookies) 恢复，顺序很重要
  • 别忘了检查 Cookie 过期时间和安全性

▍2.4 批量任务模式

适用场景：需要并发处理大量任务的时候。

两种策略：

策略 1：单沙箱顺序执行（简单任务，有依赖关系）策略 2：多沙箱并发执行（复杂任务，无依赖关系）

选择建议：

策略

适用场景

优势

单沙箱顺序执行

简单任务，依赖前序结果

资源占用低，状态连续

多沙箱并发执行

复杂任务，无依赖关系

执行速度快，并行处理

并发控制示例：

# 使用 asyncio.gather() 实现并发tasks = [    process_item(item)    for item in items]results = await asyncio.gather(*tasks, return_exceptions=True)
03

实战案例：豆瓣电影 Top250 爬取

Cloud Native

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox

完整的 Demo 代码可以在示例仓库里找到。

▍3.1 需求分析

目标很明确：抓取豆瓣电影 Top250 的电影信息（标题、评分、导演、年份等）。

实际挑战：

1. 豆瓣必须登录才能看完整信息
2. 数据分页展示，需要多步骤采集
3. 反爬虫机制相当严格

我们的解法：AIO Sandbox 的 Cookie 持久化 + 多步骤任务模式。

▍3.2 核心实现流程

步骤 1：首次登录并保存 Cookie

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox
// 1. 打开登录页const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];await page.goto('https://accounts.douban.com/passport/login');console.log('请在 VNC 中完成登录');console.log('登录完成后，程序将自动保存 Cookie');await browser.disconnect();

操作说明：

  • 用户在 VNC 中手动完成登录（包括验证码）
  • 登录成功后进入下一步

步骤 2：保存 Cookie

const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = await page.cookies();fs.writeFileSync('/home/user/data/douban_cookies.json', JSON.stringify(cookies, null, 2));console.log(`Cookie 已保存，共 ${cookies.length} 条`);await browser.disconnect();

步骤 3：用 Cookie 爬取数据

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox
const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];// 恢复 Cookieconst cookies = JSON.parse(fs.readFileSync('/home/user/data/douban_cookies.json'));await page.setCookie(...cookies);// 访问 Top250await page.goto('https://movie.douban.com/top250', { waitUntil: 'networkidle2' });// 提取数据const movies = await page.evaluate(() => {  return Array.from(document.querySelectorAll('.item')).map(item => ({    title: item.querySelector('.title')?.textContent,    rating: item.querySelector('.rating_num')?.textContent,    quote: item.querySelector('.inq')?.textContent  }));});// 保存结果fs.writeFileSync('/home/user/data/movies.json', JSON.stringify(movies, null, 2));console.log(`爬取完成，共 ${movies.length} 部电影`);await browser.disconnect();

▍3.3 完整 Python 代码

具体实现可以参考项目的 src/ai_code_generator.py 和 src/sandbox_executor.py。

核心逻辑：

from agentrun.sandbox import Sandbox, TemplateTypeimport asyncioasync def scrape_douban():    # 1. 创建沙箱    sandbox = Sandbox.create(        template_type=TemplateType.AIO,        template_name="douban-scraper",        sandbox_idle_timeout_seconds=1800    )    # 2. 执行登录步骤（代码略，参考上面）    # 3. 保存 Cookie（代码略，参考上面）    # 4. 爬取数据（代码略，参考上面）    # 5. 读取结果    result = sandbox.file.read('/home/user/data/movies.json')    print(result)asyncio.run(scrape_douban())

▍3.4 核心技术点总结

1. Cookie 持久化：避免重复登录，通过文件系统保存和恢复登录状态
2. connect() + disconnect()：保持浏览器运行，完美支持多步骤任务
3. 文件系统状态传递：跨步骤共享数据，无需网络 I/O 开销

▍3.5 扩展功能

分页爬取（完整 Top250）

const movies = [];for (let page_num = 0; page_num < 250; page_num += 25) {  await page.goto(`https://movie.douban.com/top250?start=${page_num}`);  const items = await page.evaluate(() => {    // 提取逻辑  });  movies.push(...items);  // 延迟防止反爬  await page.waitForTimeout(2000);}fs.writeFileSync('/home/user/data/all_movies.json', JSON.stringify(movies));

错误处理和重试（生产必备）

async function scrapeWithRetry(url, maxRetries = 3) {  for (let i = 0; i < maxRetries; i++) {    try {      await page.goto(url, { waitUntil: 'networkidle2', timeout: 30000 });      return true;    } catch (error) {      console.log(`重试 ${i + 1}/${maxRetries}: ${error.message}`);      await page.waitForTimeout(5000);    }  }  return false;}
04

系统提示词设计

Cloud Native

▍4.1 为什么提示词这么重要？

系统提示词（System Prompt）是 LLM Agent 的大脑，直接决定了 AI 如何理解和执行你的需求。对于 AIO Sandbox 集成来说，提示词必须明确告诉 AI 如何生成符合沙箱规范的代码。

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox

▍4.2 我们的设计哲学

在设计提示词之前，你得先理解 All-In-One Sandbox 的核心理念，这直接影响提示词的结构。

人机协作，不是完全自动化

我们承认有些事情 AI 就是搞不定，比如验证码、滑块验证、短信验证。所以 AIO 采用“人机协作”的设计理念：

可观测性优先

  • 通过 VNC 让执行过程完全透明，你能亲眼看到浏览器在做什么
  • 不用再通过日志猜来猜去，直接看页面状态快速定位问题

人机协作而非完全自动

  • 遇到验证码？没问题，人工介入搞定
  • 人工操作完，自动化任务接着跑，无缝衔接

状态持久化

  • 浏览器会话和数据可以跨步骤保存和恢复
  • 用 disconnect() 保持浏览器运行，状态不会丢

▍4.3 核心约束与最佳实践

提示词必须明确告诉 AI 这些关键约束：

1. 必须用 connect()，别用 launch()

为什么？看看对比就知道了：

传统方式 (错误):const browser = await puppeteer.launch();  // 启动新浏览器 (1-3 秒)// 执行任务await browser.close();  // 状态全部丢失All-In-One 方式 (正确):const browser = await puppeteer.connect({  // 连接已运行的浏览器 (<100ms)  browserWSEndpoint: 'ws://localhost:5000/ws/automation'});// 执行任务await browser.disconnect();  // 保持浏览器运行

技术原因很简单：

  • 浏览器在容器启动时就已经跑起来了
  • 用 launch() 会启动第二个浏览器，纯属浪费资源
  • connect() 几乎瞬间连接，特别适合多步骤任务

2. 必须用 disconnect()，别用 close()

关键区别在这：

browser.close():- 关闭所有页面- 终止浏览器进程- 清理所有状态- 无法支持多步骤任务- VNC 显示中断browser.disconnect():- 只断开 Puppeteer 连接- 浏览器继续运行- 所有状态保留- 支持多步骤任务- VNC 显示连续

3. Cookie 持久化是王道

登录状态的本质就是 Cookie：

用户登录 → 服务器设置 Cookie → 后续请求携带 Cookie → 服务器识别用户

没有持久化会怎样？

  • Sandbox 重建后状态全丢
  • 长时间后 Cookie 过期
  • 频繁重新登录，烦死了

标准做法

保存 Cookie：

const cookies = await page.cookies();fs.writeFileSync(  '/home/user/data/cookies.json',  JSON.stringify(cookies, null, 2));

加载 Cookie：

const cookies = JSON.parse(  fs.readFileSync('/home/user/data/cookies.json'));// 先访问对应域名await page.goto('https://example.com');// 再设置 Cookieawait page.setCookie(...cookies);

▍4.4 实用提示词模板

基础模板（直接复制就能用）

你是 AgentRun AIO Sandbox 的代码生成助手。你的任务是将用户需求转换为可在沙箱中执行的 Puppeteer 代码。【环境信息】- 浏览器：Chromium (已预启动)- 连接端点：ws://localhost:5000/ws/automation- 文件系统：/home/user/data/ (持久化目录)- 超时限制：单次执行 300 秒【代码规范】1. 连接浏览器：   const puppeteer = require('puppeteer-core');   const browser = await puppeteer.connect({     browserWSEndpoint: 'ws://localhost:5000/ws/automation'   });2. 结束会话：   await browser.disconnect();3. 文件读写：   const fs = require('fs');   // 读取   const data = fs.readFileSync('/home/user/data/file.json');   // 写入   fs.writeFileSync('/home/user/data/file.json', JSON.stringify(data));4. 错误处理：   try {     // 代码逻辑   } catch (error) {     console.error(`错误: ${error.message}`);     throw error;   }【输出要求】- 生成完整的 JavaScript 代码- 包含必要的错误处理- 关键步骤用 console.log() 记录- 重要结果保存到文件系统

▍4.5 AI 对话模式的工作原理

AgentRun 实践指南：Agent 的宝藏工具——All-In-One Sandbox

AI 对话模式让非技术用户也能用浏览器自动化，系统提示词在里面起着关键的“翻译”作用。

智能任务拆分

好的提示词要能指导 AI 自动判断何时拆分任务：

简单任务（不拆分）

用户: 访问 example.com，获取页面标题AI 直接生成单个代码块，执行后返回结果

需要登录（自动拆分）

用户: 登录豆瓣，然后获取我的收藏AI 自动拆分为 3 个步骤：步骤 1: 打开登录页 → [生成代码1] → "请在 VNC 中完成登录"步骤 2: 保存 Cookie → [生成代码2] → "已保存 15 个 Cookie"步骤 3: 获取收藏 → [生成代码3] → "找到 25 部收藏电影"

引导人工操作

遇到需要人工介入的步骤，AI 要明确告诉用户该怎么做：

AI: 我已经打开了登录页面，请在 VNC 窗口中：1. 输入用户名和密码2. 输入验证码3. 点击登录按钮完成后告诉我"登录完成"，我将继续后续步骤。
05

高级技巧与注意事项

Cloud Native

▍5.1 错误处理（生产环境必备）

永远用 try-catch 包裹核心操作：

try {  // 核心操作  await page.goto(url, { waitUntil: 'networkidle2', timeout: 30000 });} catch (error) {  // 明确的错误信息  console.error(`操作失败: ${error.message}`);  // 可选：重试逻辑  if (error.name === 'TimeoutError' && retryCount < maxRetries) {    console.log(`超时，重试第 ${retryCount + 1} 次`);    await new Promise(resolve => setTimeout(resolve, 5000));    return executeWithRetry(url, retryCount + 1);  }  throw error;}

▍5.2 性能优化（速度提升明显）

禁用不必要的资源加载

await page.setRequestInterception(true);page.on('request', (req) => {  const resourceType = req.resourceType();  // 丢弃图片、样式、字体等非关键资源  if (['image', 'stylesheet', 'font', 'media'].includes(resourceType)) {    req.abort();  } else {    req.continue();  }});

▍5.3 安全注意事项

Cookie 安全（重中之重）

# .gitignore 中必须包含*_cookies.jsoncookies.json*.env

代码注入防护

// 危险：直接拼接用户输入const userInput = req.query.selector;await page.click(userInput);// 安全：白名单验证const allowedSelectors = ['.button-primary', '.submit-btn'];if (!allowedSelectors.includes(userInput)) {  throw new Error('非法选择器');}await page.click(userInput);

▍5.4 调试技巧（省时省力）

VNC 实时观察（最有效）

# 创建沙箱后立即获取 VNC URLvnc_url = f"https://vnc.example.com/sandbox/{sandbox.sandbox_id}"print(f"打开 VNC: {vnc_url}")

截图调试（关键时刻救命）

// 登录前后都截图await page.screenshot({ path: '/home/user/data/before_login.png', fullPage: true });await page.screenshot({ path: '/home/user/data/after_login.png', fullPage: true });
06

核心总结

Cloud Native

▍技术收益一目了然

使用 AIO sandbox 能够将状态传递和文件共享复杂度进行有效地降低，并且能够有如下收益：

1. 启动延迟低，从原有的多个 sandbox 优化为了一个 sandbox，降低了至少 50% 的启动时间；
2. 状态保持轻量，在代码执行和浏览器操作的过程中，能够尽量使用本地文件系统实现状态保持，符合最佳实践；
3. VNC 的透出提供了人工介入的手段，有效帮助用户解决了自动化的卡点，如验证等。

▍7 条黄金法则

1. 必须用 puppeteer.connect()，禁止 launch()
2. 必须用 browser.disconnect()，禁止 close()
3. 必须保存数据到 /home/user/data/ 目录
4. 登录流程拆分：打开登录页 → 人工登录 → 保存 Cookie → 执行任务
5. Cookie 先访问域名再设置，避免跨域问题
6. 多步骤任务用文件系统传递状态，别用全局变量
7. 重要操作必须加错误处理，别让错误静默失败

▍常见陷阱避坑指南

陷阱

症状

解决方案

用 launch()

浏览器重复启动，内存爆了

改用 connect()

用 close()

后续步骤失败，状态丢了

改用 disconnect()

Cookie 没持久化

每次都要重新登录

保存到 /home/user/data/cookies.json

等待时间不足

元素找不到报错

用 waitForSelector + networkidle2

路径不规范

文件丢失或权限错误

统一用 /home/user/data/ 目录

    RAG技术前沿技术新闻资讯

    解锁RAG高阶密码：自适应、多模态、个性化技术深度剖析

    2026-4-6 13:34:09

    RAG技术前沿技术新闻资讯

    当“相似度 ≠ 相关性”：PageIndex 带来的 RAG 新范式

    2026-4-6 14:38:45

    0 条回复 A文章作者 M管理员
      暂无讨论，说说你的看法吧
    ❯
    购物车
    优惠劵
    搜索

    • 扫码打开当前页

    • 联系我们

    返回顶部