自动化操作 (Desktop & Browser Automation)

ACTION REQUIRED（读完后立刻执行）

1. NOW：确认当前任务是否命中本 skill 的适用范围
2. NOW：读取 ../tool-index.md，校验工具可用性和实际路径
3. NEXT：缺工具时调用 bootstrap，不要猜路径
4. ACT：进入"工作流"第一步并执行，不要停在确认状态

适用范围

当任务属于以下场景时使用本 skill：

浏览器场景（Playwright / agent-browser）

• 打开网页并操作页面元素（点击、填表、提交）
• 爬取页面内容或截图
• 自动化登录流程
• 渗透测试中与 Web 页面交互（提交 payload、触发 XSS）
• 验证码页面的自动化处理
• 批量表单提交

桌面应用场景（OpenReverse）

• 操作 Windows 桌面应用（IDA Pro、x64dbg、Wireshark 等）
• 需要视觉驱动交互（CUA 模式）
• 需要结构化 UI 操作（UIA 模式）
• 桌面应用的网络流量观察（内置 mitmproxy）
• 自动化逆向工具的 GUI 操作
• 黑盒测试桌面软件

与其他工具的分工

场景	用什么
操作网页（浏览器内）	Playwright / agent-browser
操作桌面应用（Windows GUI）	OpenReverse
抓包分析、HTTP 请求捕获	anything-analyzer 或 OpenReverse network lane
JS 断点、Hook、CDP 调试	jshookmcp
定位签名算法、补环境复现	js-reverse

简单判断：

• 目标是网页 → Playwright
• 目标是 Windows 桌面应用 → OpenReverse
• 两者都需要 → 组合使用

---

Part 1: 浏览器自动化（Playwright / agent-browser）

核心工作流

# 1. 打开页面
agent-browser open <url>

# 2. 获取可交互元素（返回 @e1, @e2... 引用）
agent-browser snapshot -i

# 3. 用引用操作元素
agent-browser click @e1
agent-browser fill @e2 "text"

# 4. 完成后关闭
agent-browser close

命令参考

# 导航
agent-browser open <url>
agent-browser close

# 页面快照
agent-browser snapshot        # 完整无障碍树
agent-browser snapshot -i     # 仅可交互元素（推荐）

# 交互操作
agent-browser click @e1
agent-browser fill @e2 "text"
agent-browser type @e2 "text"
agent-browser press Enter
agent-browser scroll down 500

# 获取信息
agent-browser get text @e1
agent-browser get title
agent-browser get url

# 等待
agent-browser wait @e1
agent-browser wait 2000
agent-browser wait --load networkidle

注意事项

• 必须执行 agent-browser close，否则进程泄漏
• 操作前先 snapshot，不要猜元素引用
• 提交表单后用 wait --load networkidle 等页面稳定

---

Part 2: 桌面应用自动化（OpenReverse）

概述

OpenReverse 是面向 AI Agent 的桌面交互与证据采集框架，支持：

• UIA 模式：Windows UI Automation，结构化桌面控件操作
• CUA 模式：视觉驱动交互（Computer Use Agent），适合复杂 GUI
• 网络观察：内置 mitmproxy 代理 + 本地抓取

交互模式选择

模式	适合场景	底层
UIA	目标应用有标准 Windows 控件（按钮、文本框、列表）	Windows UI Automation API
CUA	目标应用 UI 复杂或非标准控件（IDA 的反汇编视图、自定义渲染界面）	视觉识别 + 鼠标键盘

网络观察模式

模式	适合场景
Proxy Lane	目标应用可以配置代理（推荐）
Local Lane	目标应用无法走代理，需要本地抓取

安装与配置

# 1. Clone 项目
git clone https://github.com/zhexulong/openreverse.git
cd openreverse

# 2. 安装依赖
npm install

# 3. 接入 Agent 宿主（Claude Code / Codex / Zed）
npm run init:agents -- --target=all /path/to/project

# 4. 安装 CUA runtime（如果需要视觉驱动模式）
npm run install:cua-runtime
npm run doctor:cua-runtime

# 5. 安装网络观察依赖（如果需要抓包）
npm run install:mitmproxy
npm run doctor:network

常见组合

需求	配置
只操作桌面应用	UIA 或 CUA，不接网络 lane
操作桌面应用 + 抓包	UIA/CUA + proxy lane
操作桌面应用 + 本地抓取	UIA/CUA + local lane

逆向场景示例

场景：自动化操作 IDA Pro 进行批量分析

1. 用 OpenReverse CUA 模式打开 IDA Pro
2. 自动加载目标二进制
3. 等待分析完成
4. 通过 UI 操作导出函数列表
5. 同时用 network lane 观察 IDA 的网络行为（如 Lumina 请求）

场景：自动化操作 x64dbg 调试

1. 用 OpenReverse UIA 模式启动 x64dbg
2. 加载目标程序
3. 设置断点
4. 运行并观察寄存器/内存变化
5. 截图保存证据

---

按需自举（On-Demand Bootstrap）

自动化能力边界

工具	可自动安装	安装方式	说明
Playwright	✓	npm + npx playwright install	浏览器自动化引擎
agent-browser CLI	✓	npm install -g agent-browser	浏览器操作 CLI
Node.js	✓	winget	前置依赖
OpenReverse	✗	手动 clone + npm install	实验阶段，依赖较重
mitmproxy	✗	手动安装	OpenReverse 网络观察依赖

自举触发

• 浏览器操作缺 Playwright → 自动 bootstrap
• 桌面操作需要 OpenReverse → 引导用户手动安装（给出完整步骤）

OpenReverse 手动安装引导

如果 AI 检测到需要桌面应用自动化但 OpenReverse 未安装：

⚠️ **需要 OpenReverse 进行桌面应用自动化**

**安装步骤**：
1. `git clone https://github.com/zhexulong/openreverse.git`
2. `cd openreverse && npm install`
3. `npm run init:agents -- --target=all <你的项目路径>`
4. 如需视觉模式：`npm run install:cua-runtime`
5. 如需网络观察：`npm run install:mitmproxy`

**验证**：`npm run doctor:cua-runtime` 和 `npm run doctor:network`

---

路由上下文

上游入口: skills/SKILL.md（总控）、routing.md 适用场景: 任何需要自动化操作浏览器或桌面应用的任务 下游出口:

• 抓到的请求需要分析 → anything-analyzer 或 js-reverse
• 需要 JS 调试/Hook → jshookmcp
• 需要还原签名算法 → js-reverse
• 桌面应用是逆向工具 → ida-reverse/

同级关联模块: js-reverse（浏览器操作后可能需要分析 JS）、ida-reverse（OpenReverse 可以自动化操作 IDA GUI）

任务完成自检（声称完成前 MUST 通过）

• 我是否执行了工作流中的每一步（而不是只阅读）？
• 我是否基于 tool-index 使用了真实工具路径？
• 我是否产出了可复现证据（命令/脚本/截图/报告）？
• 我是否完成并回写了 RULES 要求的 Checklist 项？