任务能在浏览器里完成时，先用 Browser Use（浏览器操作）。如果还要打开原生应用或处理系统窗口，再考虑 Computer Use（电脑操作）。区分两者要看授权范围。浏览器也能发送坐标点击，桌面工具也能操作浏览器窗口。
一位 Reddit 用户 说自己常在需要登录的网站遇到阻挡，较长流程也会中途失败。用范围小的任务核对自己的会话，比照搬演示更直接。
很多任务只在最后一步跨出浏览器。先用浏览器 Agent提取网页资料或下载文件，再把结果交给人或文件工具，通常就能完成。Tabbit Browser 适合用来说明浏览器内的读取与委派如何衔接。
要点
先找能够交付结果的最小操作环境。
把工具能操作哪里，与工具如何找到按钮分开判断。浏览器可以同时提供网页结构和截图。
浏览器权限也可能包含已登录账户，先确认配置或远程会话。
页面跳转、尺寸变化或出现弹窗后，重新取得截图再按坐标操作。
根据目标核对页面状态或文件，别只看 Agent 的完成提示。
两类工具一览
| 比较项 | 浏览器操作 | 电脑操作 |
|---|---|---|
| 操作范围 | 获准的会话、页面或标签组 | 获准的图形桌面 |
| 可读取内容 | 网页元素、可访问名称、文字或截图 | 截图，部分工具还能读取无障碍信息或窗口控件 |
| 常见动作 | 导航、点击、填表、提取、切标签 | 移动指针、打字、滚动、切应用 |
| 重点权限 | 配置、站点、标签页、登录状态 | 桌面会话、应用、文件、系统权限 |
| 示例 | 打开网页上的条款并复制原文 | 在原生 PDF 阅读器里打开打印弹窗 |
先看按钮能不能被定位
网页上如果有名称明确的按钮，浏览器工具可以按角色和名称找到它。使用定位器发起动作时，工具可以重新查找当下的网页元素。这适用于普通按钮。如果图表或编辑器直接把控件画在画布上，网页可能没有对应的可访问元素。此时可以尝试浏览器内截图与坐标操作，权限仍留在网页内。Playwright 定位器文档和网页自动化指南说明了结构化操作的方式。
电脑操作工具可以观察授权的显示区域。例如模型先读取截图，返回移动和点击的指令，再看新的画面确认结果。原生文件选择框和独立 PDF 阅读器处在网页之外，网页定位器找不到里面的按钮。需要上传已知文件时，先检查浏览器工具能否向网页输入框直接提供文件。只是读取下载的文件时，也可以检查文件工具能否完成。Anthropic 电脑操作文档说明了截图与输入工具的执行循环。
假设取消条款藏在一个按钮后面。如果按钮有稳定的可访问名称，可以按角色和名称查找。视口变窄、按钮移位时，Playwright 会在下一次操作前重新解析定位器。如果页面只提供可见画面，先刷新截图，再确认按钮位置。两种方式都要核对展开的条款和来源链接。
操作范围和输入方式是两回事。Anthropic 的浏览器工具同时提供页面元素引用和视口坐标。定期读取同一个字段时，可以先找官方导出入口或 API。如果网站两者都没有，再用稳定的网页定位器，并在重试前核对结果。提交表单后如果状态不明确，直接重试可能产生重复记录。 Anthropic 浏览器操作文档, 浏览器 Agent 的操作方式.
哪一步会离开浏览器
假设任务是读取保修网页、下载 PDF，再在原生打印窗口里只打印第二页。先核对保修条款和来源链接，再核对下载的是不是对应文档。最后检查打印机和页码。前两项可以交给浏览器与文件工具，最后一步要由能操作打印界面的工具或人工确认。
如果实际需求只是提取第二页，文件工具就可能完成。如果必须使用指定的打印设置，先让桌面工具停在预览界面，把最终发送留到核对之后。共享打印机一旦收到任务，撤回就麻烦了。桌面助手指南解释了桌面环境的覆盖范围。
授权前先确认会话
让 Agent “只读发票”，不会自动把登录账户变成只读。如果会话能打开账单，也可能能进入设置或修改支付偏好。首次运行优先用公开网页或单独配置，限制允许访问的域名，并说清遇到登录、权限弹窗、账户修改和陌生下载时该怎么处理。浏览器 Agent 安全指南和虚拟浏览器指南介绍了这些边界。
另一位 Codex 用户 提到自己用浏览器操作在复杂界面里测试和排错。这是他的使用经验。
桌面权限还可能带出无关窗口和文件。能用单独桌面或虚拟环境时就隔离开，只保留当前任务需要的应用和数据。网页和文件中的文字是待检查的数据。页面可以写着“忽略之前的要求”，但它不能代表你扩大授权。
在 Tabbit 里试一段网页交接
以保修任务为例，从来源页面开始，告诉 Agent 你要的是哪条条款。Tabbit 国际官网展示了用标签页或截图提供上下文，并由 Agent 规划与执行的流程。如果只是解释当前段落，可以用网页对话。如果需要打开条款页并给出可核对的原文，可以在任务模式里给出下面的限制。
阅读当前公开网页链接到的条款。返回准确的取消期限、简短原文和来源 URL。
如果页面要求登录，停止并指出是哪一页。不要提交信息或下载文件。结果需要本地打印或导出时，把来源和输出交给对应工具或人工。Tabbit 浏览器解析介绍了上下文与执行入口。
按交付结果选工具
| 目标 | 优先工具 | 如何验收 |
|---|---|---|
| 比较公开网页条款 | 浏览器操作 | 每行有来源与原文 |
| 在画布型网页编辑器里修改内容 | 浏览器内视觉操作（如支持） | 核对画布状态或目标值 |
| 从本地 PDF 提取文字 | 文件工具 | 核对页码和原文 |
| 操作原生打印窗口 | 桌面工具或人工 | 发送前核对打印机、页码和授权 |
| 检查跨网页和桌面的流程 | 在应用边界拆开 | 每次交接和最终结果都有依据 |
Terra 浏览器操作和Terra 电脑操作进一步解释了模型与工具权限的区别。第一次试用时，选一项几秒内就能核对结果的任务。如果确实需要更大的权限，先指出哪一个动作需要它。
需要在同一个浏览器里收集和核对网页证据时，可以用 Tabbit 完成前半段。
常见问题
Browser Use 和 Computer Use 有什么区别？
Browser Use 的操作范围是浏览器或指定会话。Computer Use 可以操作获准的图形环境，可能包括桌面应用和系统弹窗。
Computer Use 一定要用截图和鼠标吗？
以截图为输入的工具会读取画面，再通过鼠标和键盘执行操作。有些桌面工具也能使用无障碍树或应用接口，具体要看它请求的权限。
浏览器 Agent 可以操作已经登录的网站吗？
有些 Agent 能连接受支持的现有浏览器配置，有些会启动干净会话或远程会话。授权前确认它会使用哪个会话，以及继承了哪些账户权限。
只授权浏览器也可以点击坐标吗？
可以。浏览器自动化工具能向网页发送坐标点击，这个动作仍限于获准的浏览器范围。
什么时候要改用电脑操作？
当结果必须通过原生应用或系统弹窗完成，且没有合适的 API 或文件交接方式时，可以使用桌面工具。前面的网页步骤仍可独立完成。
怎么核对 Agent 完成了任务？
看实际结果，例如页面显示了目标条款，链接确实指向原文，或文件出现在约定位置。点击成功或任务结束提示只能说明流程运行过。