Opencli Skill for Claude

OpenCLI

OpenCLI 把任意网站、Electron 桌面应用和外部 CLI 收敛成一条 opencli <site> <command>，

再加一条 opencli browser <session> <command> 用来现场驱动浏览器。

它走的是用户本机那个真实的、已登录的 Chrome（浏览器扩展 + 本地守护进程），

不是无痕实例、不是沙箱。这一个事实决定了本 Skill 里几乎所有规则。

本 Skill 面向的是我们自己维护的 fork（yan-labs/OpenCLI），和上游 jackwener/opencli

有差异，差异清单见 references/our-fork.md。

一、先判断：这件事该不该用浏览器

动手之前先走这条阶梯，命中即停。 每一级往下的唯一理由是「上一级确实不存在」，

不是「我对下一级更熟」。跳级的代价不是慢，是拿到看起来正常但内容不同的数据。

| 级 | 手段 | 什么时候用 |

|---|---|---|

| 1 | 现成脚本 | 项目里、兄弟 Skill 里已经有的 .mjs。直接跑，不要现写等价实现 |

| 2 | HTTP / REST API（curl / fetch） | 没脚本但服务有 API。先用 API，跑通后固化成脚本 |

| 3 | opencli <site> <command> adapter | 目标站已有 adapter。opencli list \| grep -i <site> 一眼就知道 |

| 4 | opencli browser <session> 现场驱动 | 没有 adapter，或 adapter 不覆盖这个动作 |

| 5 | 写一个新 adapter | 这个动作以后还要重复做。见 references/adapters.md |

判据：无痕窗口打开，还是不是同一个东西？

答案是「不是」，就必须走用户的真实浏览器（也就是 OpenCLI）。

需要身份的一切——第三方数据面板、Search Console、社区后台、聊天式 AI 工具——

用运行环境自带的沙箱浏览器打开，要么直接跳登录页，要么以匿名身份返回**看起来正常

但内容不同**的结果（配额更低、字段更少、国家库不同）。这种失败会伪装成

「这个工具没有这项数据」，而正确的结论其实是「你没登录」。

反过来，只是看一段公开文本就不要开浏览器——先问有没有 curl 或公开 API。

三个 driver 的取舍（为什么默认是 OpenCLI 而不是 agent-browser 或 Claude in Chrome，

各自的实测泄漏数据）见 references/drivers.md。

不在本 Skill 范围

• 找信息、做调研、搜某个话题 → 用 agent-reach，它已经负责多平台路由。

本 Skill 只管「怎么把浏览器开对、把数据取回来」。

二、开工前：doctor

opencli doctor

doctor 只诊断浏览器桥（守护进程 + 扩展 + Chrome 连线）。

PUBLIC / LOCAL 策略的 adapter、opencli list、外部 CLI 透传都不需要它绿。

COOKIE / INTERCEPT / UI 策略和所有 opencli browser * 才需要。

行为和这份文档对不上时，第一件事是查扩展版本

本 Skill 描述的默认行为全部住在扩展里——后台默认、标签页开在用户当前窗口、

不切走活动标签页、--window isolated、sessions 报 windowId。

装成 Chrome 应用商店那个版本的话，每条命令都照样成功，只是行为回到上游：

默认前台、自己开一个窗口、抢走用户正在看的标签页、isolated 被忽略。

这类失败没有报错，只有「怎么和文档说的不一样」。 所以：

| 观察到 | 该做什么 |

|---|---|

| 命令成功但窗口/焦点行为与本文档不符 | 跑 opencli doctor，看 Extension 那行的版本 |

| 版本 < 1.0.32 | 告诉用户他装的是应用商店版，需要换成 yan-labs 的 Release 里的 zip，并把商店版移除或停用 |

| doctor 自己就报了这条 | 照它说的做——它会打印下载地址和加载步骤 |

doctor 会在扩展低于 1.0.32 时主动报这个问题，不要跳过它的输出。

红了先看 references/troubleshooting.md。

排障的第一步永远是 npm ls -g @jackwener/opencli 确认 CLI 是发布版还是本地源码 link——

这一步决定后面是查代码还是查环境，跳过它会浪费一整轮。

doctor 前两行绿、第三行红是一个特定信号：守护进程和扩展这两个组件都活着，

坏的是它们之间那条命令路径，重启守护进程通常没用。

三、会话纪律：本 Skill 最贵的一节

opencli browser <session> 里的 <session> 就是标签页的所有权声明。

同名会话共用同一个标签页，不同名之间互不干扰。所以「我的标签页被别人抢了」

最常见的成因是：两个任务挑了同一个会话名。

OpenCLI 1.8.7 的守护进程会保护同一 profile + surface + session：第二个并发写

会留在本机排队，每 2 秒检查一次；前一个任务结束后自动继续，不把 session_busy 交给

外层 Agent，避免它立即重试。排队检查只访问本机 daemon，不会访问目标网站；首次等待会

明确打印占用者、等待原因和下次检查时间。默认最多等 10 分钟，超时会说明命令尚未发往

Chrome/目标网站，并要求不要立即重试。读操作仍可并行；含任一写操作的混合 batch

整体按写处理。

这只串行化同一时刻的写入。两个任务顺序或交替复用同名会话，仍会操作同一个标签页，

随后读到对方打开的页面，所以唯一会话名规则不变。

这把锁也不管站点账号的并发与限速。数据源脚本若同一账号不能并发，仍要自己加全局锁。

四条法律（完整实测数据见 references/session-laws.md）

| # | 法律 | 一句话理由 |

|---|---|---|

| 1 | 一个会话一个标签页；N 个页面就要 N 个会话名 | 三个 agent 各用独立名字：跨 agent 抢占 0 次。共用 work：3 / 12 / 2 次，其中一个每次读都读错 |

| 2 | 不要用 tab new / tab select / open --tab 在一个会话里放多个页面 | 三个都静默失败：命令报成功，下一次读回错误的页面。一次三 agent 运行把用户的 Chrome 从 11 个标签页涨到 30 个孤儿页 |

| 3 | 绝不硬编码会话名 | opencli browser --help 的第一个例子就是 work，抄它的人全撞在一起 |

| 4 | 开工前一次性把要用的会话全部开好、handle 全部拿到，再进工作循环 | 边创建边使用会把理论上的竞态变成可复现的竞态 |

法律 1 保护的是标签页身份，不是站点的服务端状态。 所有会话共用同一个 Chrome

profile 和同一个登录身份，所以如果站点把「当前选中的项目/客户」存在服务端会话里，

一个标签页切换目标，其它标签页刷新后会跟着变——会话名分得再开也拦不住。

判据：在站点里切换目标之后 URL 变不变？ 不变就先验证再并行，

细节见 references/session-laws.md。

$$ 在脚本里安全，在 Bash tool 里不安全

这是我们踩过的真实事故，必须区分：

| 场景 | $$ / process.pid 行为 | 正确做法 |

|---|---|---|

| Node 脚本（一个进程跑完全程） | 整个生命周期同一个 PID，安全 | let session = ahs-${process.pid} |

| Claude Code 的 Bash tool | 每次调用都是新进程，PID 不同 | 用描述性字面常量（naver-birthstone、bing-check-mysite），或 S=$(uuidgen \| cut -c1-8) 存进文件再读回 |

已验证事故（2026-08-23）：sub agent 用 S="naver-bs-$$" 连续调用 OpenCLI，

每条命令都创建了新会话（新空白标签页），上一条打开的页面被遗弃。

agent 看到的永远是空白页，以为页面没加载好不断重试，最终泄漏 9 个会话。

名字要描述工作，不只是唯一：backlink-probe-<后缀> 胜过 bl-1。

会话名是唯一存在的标识符，一个唯一但无意义的名字仍然回答不了「这是谁的标签页」。

JS 里不要手搓后缀，用 scripts/opencli-core.mjs 的 defaultSession(base)。

用完必须还回去

opencli browser <session> close     # 释放这一个
opencli browser sessions            # 看现在还有谁活着，以及各自在哪个窗口
opencli browser cleanup             # 释放**全部**——只有主线能跑，见下

Sub agent 必须在 finally 块或退出前显式 close 自己的会话——崩溃时不会自动清理。

cleanup 是主线专用。 它释放的是这台机器上全部的租约，不是「我的」——

sub agent 跑它会把兄弟 agent 正在用的标签页一起关掉，

而那些 agent 只会看到自己的页面莫名其妙不见了。并行扇出时只有父级在全部收工后才跑它。

留着的会话在用户 Chrome 里就是一个标签页，看起来和别人正在做的活儿一模一样。

三个窗口模式，默认已经是不打扰的那个

| --window | 行为 | 什么时候用 |

|---|---|---|

| background | 默认。在用户当前那个窗口里开标签页，不抬窗口、不切活动标签页 | 几乎所有情况 |

| foreground | 抬起窗口并选中标签页 | 只有需要用户亲自完成验证码、或他明确说要看着的时候 |

| isolated | 后台，且不在用户那个窗口里——所有 isolated 会话共用一个自动化窗口 | 长时间批量作业，不想在用户标签栏里堆东西 |

标志位置在会话名和子命令之间（放在子命令后面也能工作）：

opencli browser <session> --window isolated open "https://..."

放在会话名前面会报 unknown command: <你的会话名>，读起来像装坏了，其实是语法错。

需要扩展 ≥ 1.0.32（opencli doctor 那行就是判据）。旧扩展上默认仍是前台、

isolated 会被静默忽略——那正是下面那张表里的坑。

isolated 曾经有两条限制，两条都已修好

当前行为（2026-08-24 复测于扩展 1.0.30 + CLI 1.8.7，两条都 PASS）：

两个 isolated 会话可以并存，sessions 里都在、都可读，

且共用同一个自动化窗口（win379222152），与用户窗口（win379220956）分开。

注意是「共用一个窗口」而不是「一人一个窗口」——它隔离的是用户 vs 自动化，

不是会话之间。会话之间的隔离靠会话名，那是上面四条法律的事。

<details>

<summary>修好之前是什么样（留着，因为这两种失败形态会重复出现）</summary>

一、第二个 isolated 会把第一个静默打掉（扩展 1.0.27）。

w1 开出独立窗口 → 再开 w2 → w2 落回用户窗口，且 w1 整条会话从 sessions 蒸发，

再访问 session_not_found，而创建 w2 的那一方毫无报错。跨 agent 同样会踩——

一个 agent 开 isolated 就打掉兄弟 agent 已有的那个。

二、adapter 命令不接受 isolated（CLI ≤ 1.8.7 的某个中间版本）。

报 --window must be one of: foreground, background。真因是 adapter 走的是

src/execution.ts 里另一份白名单，它只列了两个值，而紧挨着的 src/help.ts

文案却在宣传 isolated——文档说一套、代码做一套，读起来像用户抄错了参数。

两条的共同点：失败都不报错，或者报的错指向错误的方向。 所以下面那条自检值得每次都做。

</details>

背景模式跑的是用户真实的、已登录的 Chrome：navigator.webdriver 为 false、

UA 不含 Headless、plugins.length 为 5。

「后台模式会被反爬识破」不是真问题，每一项无头特征都是负的。

绝不抢用户的浏览器焦点

这台机器上的 Chrome 是用户正在用的那一个。 抢焦点不是「体验略差」，

是直接打断他手上的活——他正在打字或看页面，窗口被抬起来、标签页被切走。

| 错误做法 | 正确做法 | 为什么错 |

|---|---|---|

| --window foreground（除非用户要亲自操作） | 什么都不加（默认就是 background） | 实测会把用户的活动标签页切走（从第 1 个跳到第 3 个）。注意最前端应用不变，所以只查应用焦点的测量看不见它 |

| 调 adapter 时用前台「方便看页面」 | --keep-tab true + screenshot / state | 调试是高频动作，一轮能打断十几次。标签页留着，用户想看自己切过去 |

| 在旧扩展（< 1.0.32）上省略 --window background | 先看 doctor 的扩展版本；旧版就每条命令都显式带 | 旧版两层默认都是前台，省略等于每条命令都抬一次窗口 |

| 给 PUBLIC / LOCAL 命令加 --window | 不加 | 它们不接受这个标志，会报 unknown option '--window'；这类命令本来也不开浏览器 |

| 崩溃后不清理，留下一堆孤儿标签页 | finally 里 close | 泄漏的会话在用户窗口里就是一堆莫名其妙的标签页，比抢一次焦点更烦 |

实测（2026-08-23，macOS + Chrome）：后台模式下 open / eval / screenshot /

click / type 全程——用户窗口的活动标签页索引不变，标签数在 close 之后回到基线，

页面侧 document.hasFocus() 恒为 false、visibilityState 恒为 hidden。

同一台机器上换成 --window foreground，活动标签页立刻从第 1 个被切到第 3 个。

这条推翻了本 Skill 到 2026-08-22 为止的旧结论「两种模式都不抢焦点」——

旧测量只查了「最前端应用」（前台模式下它确实不变），漏掉了「活动标签页」这一轴。

完整对照表见 references/session-laws.md。

> 这条曾经是坏的，2026-08-23 修好了（扩展 1.0.32）。当时 --window isolated

> 不新开窗口，行为与 background 一模一样，于是文档写下了「没办法把 agent 的标签页

> 挪出用户窗口」。真因是四层各自静默地否决它：运行时白名单只认两个值把 isolated

> 丢掉了；「这窗口是不是我的」靠猜（全是非 http 页面就算我的）而把用户随手开的空窗口

> 认成了容器；窗口建对了之后分组收敛又把标签页搬回用户窗口；以及挑「用户在哪个窗口」

> 用了 focused，而 Chrome 不在最前面时所有窗口的 focused 都是 false。

> 每一层都不报错，所以每修一层都以为好了。

怎么确认自己拿到的是修好的版本：opencli browser <s> --window isolated open <url>

之后跑 opencli browser sessions，它那一行的 windowId 应该与默认模式会话的不同。

四、发现能力：不要背命令表，去问

有 160+ 站点 adapter，数量每周都在变。任何写死在文档里的清单都会过期，

所以本 Skill 不列它们。

opencli list                       # 按站点分组的表格
opencli list -f json               # 机器可读，agent 用这个
opencli list | grep -i twitter     # 找某个站
opencli <site> --help              # 这个站有哪些命令
opencli <site> <command> --help    # 位置参数、专属标志、输出列

opencli list -f json 每条给 {site, name, aliases, description, strategy, browser, args, columns}。

strategy 决定要不要浏览器：

| strategy | 需要什么 |

|---|---|

| PUBLIC | 什么都不要，纯 HTTP |

| COOKIE | Chrome 已登录该站 + 装了扩展；命令从活会话里取凭据，不用重新登录 |

| INTERCEPT | 同上，另外会开一个自动化窗口截取签名请求 |

| UI | 同上，完整 DOM 交互 |

| LOCAL | 不要浏览器，连本地/开发端点 |

在退回裸 opencli browser 之前，先查一下有没有 adapter 已经覆盖了这个工作流。

在高频改版的登录站上尤其值得——adapter 里封装过的坑，现场驱动要重踩一遍。

通用标志（多数 adapter 命令有，浏览器相关的那几个例外）

| 标志 | 作用 |

|---|---|

| -f, --format <fmt> | table（TTY 默认）· yaml（非 TTY 默认）· json · plain · md · csv。agent 基本都要 -f json |

| --trace <mode> | off（默认）· on · retain-on-failure。排障和写 adapter 时用 |

| -v, --verbose | 调试日志 + 失败栈 |

| --window <mode> | background（默认）/ foreground / isolated。PUBLIC / LOCAL 策略的命令不接受它——加了直接报 unknown option '--window'，读起来像装坏了，其实是这类命令根本不开浏览器（实测 342 个 public + 25 个 local 命令）。先看 strategy 再决定加不加 |

| --site-session <mode> | ephemeral（默认）/ persistent，命令结束后是否留着会话标签页 |

| --keep-tab <bool> | 结束后是否保留标签页租约 |

五、现场驱动：最小闭环

S="recon-pricing"            # 描述性常量，Bash tool 里不要用 $$
opencli browser "$S" open "https://example.com/pricing"
opencli browser "$S" state                       # 拿到带 [N] 编号的快照
opencli browser "$S" click 7
opencli browser "$S" wait selector "[data-loaded]" --timeout 15000
opencli browser "$S" state                       # 页面变了就必须重新 state
opencli browser "$S" close

四条心智模型，够用来读懂所有返回：

• 选择器优先的目标契约：每个交互命令接受一个 <target>，要么是 state/find

给的数字 ref，要么是 CSS 选择器。多个匹配时用 --nth <n> 消歧。

• 每个信封都报 matches_n 和 match_level（exact / stable / reidentified）。

CLI 已经替你救回了中等程度的 DOM 漂移，match_level 告诉你该有多信。

• 先要紧凑输出，需要时再要全量：state 是预算感知的快照；network 先给形状预览，

再用 --detail <key> 取单条 body。吐一个巨大的 payload 等于白烧上下文。

• 错误是机器可读的：失败返回 {error: {code, message, hint?, candidates?}}。

按 code 分支，不要匹配消息字符串。

完整命令表、目标契约、compound 表单控件、成本表、配方与坑，见

references/browser-driving.md。

三条最常被违反的规则

• 动手之前先看。 先 state 或 find。数字 ref 是每次快照独有的，

绝不要跨会话凭记忆写死。

• 页面变了就重新 state。 导航、表单提交、SPA 路由切换都会让旧 ref 失效——

失效还算好的，更糟的是 reidentified 到新页面上一个形状相似的元素。

• eval 是只读的，而且必须包 IIFE。 本环境 eval 上下文跨调用持续，

重复声明会抛错且那次调用根本没执行。要改页面就用 click/type/select/keys，

它们有结构化输出和指纹，eval 没有。

batch：一次调用跑多步

固定序列（open → wait → eval）一律用 batch，它复用一条 Page 连接，

省掉每条命令各付一次的连接—解析—拆除开销。

opencli browser "$S" batch --commands '[
  {"cmd": "open", "args": ["https://example.com"]},
  {"cmd": "wait", "args": ["selector", ".loaded"]},
  {"cmd": "state", "args": []}
]'

返回 {cmd, index, ok, result?, error?} 数组；默认遇错继续，--stop-on-error 改为中止。

条件逻辑（每一步决定下一步）用顺序调用，不要硬塞进 batch。

六、取数与落盘

页面里没有 API 时的取数顺序

• network —— 页面的数据如果来自 JSON 接口，接口几乎总比渲染后的 DOM 可靠。

先 network 看形状，再 --detail <key> 取那一条。

• extract —— 长文正文，返回带 next_start_char 游标，循环到它为 null。
• eval —— 前两者都不合适时的定点提取。
• 滚动抓表 —— 兜底手段，不是默认手段。开抓之前先花一分钟找那个免费导出按钮。

抓之前必须知道的三个坑

• 同名控件陷阱：同一个报表上常并排放着两个名字高度相似的导出控件，一个走付费配额、

一个免费导当前页，行为完全相反。凡是要写下「某功能不可用」，先确认你点的不是同名的另一个控件。

• 同一个工具里不同报表的导出模型可以完全不同。 在 A 报表验证出「只能一页页导」，

不构成 B 报表的结论。每换一个报表，重新看一眼导出面板。

• 导出触发器常常是 <svg> 图标，没有 .click() 方法，要 closest('button,[role=button],a')

往上找真正的按钮；面板异步挂载要轮询等按钮出现，不要用固定 sleep 或坐标点击。

落盘：抓到的数据不许留在下载目录

首选本地接收端：起一个只监听 127.0.0.1 的服务，让页面 fetch(..., {method:'POST'})

把数据直接送进项目目录。它一次性消掉四个问题——不用等文件落齐、不用归并重名副本、

不受下载目录权限影响、不占对话上下文。

接收端的端口不能写死成常量，理由和会话名不能写死完全同构：两个项目同时开工时，

第二个实例 EADDRINUSE 起不来，而后台常驻的常见写法会把输出丢进 /dev/null——

这个失败是完全静默的，随后页面的 fetch 照样返回 200，打到的是另一个项目的接收端。

完整的落盘 SOP（接收端写法、等齐判据、重名归并、manifest 校验）见

references/data-extraction.md。

七、坏了怎么办

出问题之后回来查证据：守护进程的日志按类落在 ~/.opencli/logs/，

opencli daemon logs（默认 errors）/ commands / extension / daemon，

支持 -n 与 --grep。它从守护进程的下一次启动开始记，之前的没有留下来。

| 症状 | 先看哪里 |

|---|---|

| doctor 红、session_not_found、守护进程/扩展问题 | references/troubleshooting.md |

| 读回来的页面不是你导航过去的那个 | 先怀疑会话撞名，再怀疑站点或 CLI。诊断顺序见 references/session-laws.md |

| selector_not_found / stale_ref / click 成功但没反应 | references/browser-driving.md 的排障表 |

| opencli <site> <command> 因为站点改版失败 | 用 --trace retain-on-failure 拿证据，按 references/adapters.md 的自修复流程改 adapter |

自修复的硬停条件（不要改代码）：AUTH_REQUIRED（叫用户去 Chrome 里登录）、

BROWSER_CONNECT（叫用户跑 doctor）、验证码 / 限流。修复预算最多 3 轮。

「空」不等于「坏」。 EMPTY_RESULT 常常不是 adapter 的 bug：平台会在反爬启发式下

主动降级结果，站点也会用 HTTP 200 + 空 body 代替真正的 404。换个查询词、

在普通标签页里肉眼看一下，能复现再进修复流程——否则你是在给一个正常的 adapter 打补丁。

八、人机验证：自动化到最后一步

遇到 CAPTCHA、短信验证码这类无法自动化的节点，把前面所有能自动完成的步骤全部做完——

表单填好、选项选好、页面打开好——只把那一下点击留给用户，并明确告诉他

现在浏览器里哪个标签页、需要点什么。

不要把整条 SOP 甩回给用户，也不要在回复里写一串「请前往 https://…，然后输入…」。

目标是让用户的操作量从「一整套流程」降到「一次点击」。

九、参考文件

| 文件 | 什么时候读 |

|---|---|

| references/session-laws.md | 会话/标签页出问题时；多 agent 并行开工前 |

| references/browser-driving.md | 要现场操作页面：点击、填表、等待、读取、截图 |

| references/data-extraction.md | 要把数据取回来并落盘：network / extract / 抓表 / 接收端 |

| references/adapters.md | 要写一个新 adapter，或修一个坏掉的 adapter |

| references/troubleshooting.md | doctor 红、连不上、命令报的错自相矛盾 |

| references/drivers.md | 有人问「为什么不用 X」；或 OpenCLI 这条路确实走不通 |

| references/our-fork.md | 命令在别人机器上不存在；升级/同步上游前 |

自带脚本

| 脚本 | 干什么 |

|---|---|

| scripts/opencli-core.mjs | 给 JS 调用方的最小封装：defaultSession() 生成安全的会话名、batchBrowser() / openAndEval() 包住 batch、opencli() 统一调用与 JSON 解析 |

| scripts/receiver.mjs | 本地接收端：页面把数据 POST 进项目目录，绕开下载目录。端口按项目根派生、占用即崩、/ping 回报 root、/script 按白名单喂提取器源码 |

node <opencli-skill-dir>/scripts/receiver.mjs --root . --out data/<主题>/raw

不要每次重写接收端。 自己写的版本十有八九会漏掉「端口占用时必须崩」这一条，

而那一条漏了的后果不是崩溃，是数据静默写进另一个项目的目录。

十、安装与更新

npx skills add yan-labs/yan-skills --skill opencli -g -y
npx skills update opencli -g -y

OpenCLI 本体分两半，两半都要装我们的构建，来源是

yan-labs/OpenCLI 的 Release：

# 1) CLI
npm i -g https://github.com/yan-labs/OpenCLI/releases/download/v1.8.7-yan.2/opencli-cli-1.8.7-yan.2.tgz

# 2) 浏览器扩展：下载 opencli-extension-v*.zip 解压，
#    chrome://extensions → 开启开发者模式 → 加载已解压的扩展程序
#    ⚠️ 先移除或停用 Chrome 应用商店那个 OpenCLI

# 3) 验证：三行都要 [OK]，Extension 那行的版本 ≥ 1.0.32
opencli doctor

为什么不能用应用商店那个版本：本 Skill 描述的默认行为——后台模式默认、

在用户当前窗口开标签页、不切走活动标签页、--window isolated、sessions 报 windowId——

全都只存在于我们的构建里。商店版默认是前台，装了它本 Skill 的规则会与实际行为不符。

两个同时装还会一起连上守护进程互相打架。

差异清单见 references/our-fork.md。

改过扩展源码之后必须在 chrome://extensions 手动 reload 一次才生效——

CLI 侧的改动重启守护进程即可，扩展侧的不会自动生效。**opencli doctor 打印的扩展版本

就是判据**：它显示什么，加载的就是什么。