**开篇避雷**：
> 本文不输出权威指南，只是一位一线算法工程师和AI不算peace的合作场景还原。系列第一篇，我们将从最基础的“磨合期”开始聊起。

本周的小目标：**用 OpenCode基于browser-use 框架，写一个能自动跑去DeepSeek网站点开搜索模式，输入query批量提问，并把答案和网页抓取下来的自动化脚本。**
*(免责声明：本文纯作技术探讨)*

技术标签：#opencode，#browser-use，#单智能体，#Agents.md

最终效果如下，完整代码详见(腾讯云链接跳转有问题，可直接复制跳转):https://github.com/DSXiangLi/ark_of_minds

![screen_record.gif](https://developer.qcloudimg.com/http-save/yehe-6190096/db2ffd94be867392773567d46fbed61b.gif)

## 和AI组队中
![图片](https://developer.qcloudimg.com/http-save/yehe-6190096/8cfc99b143175957cff2be8eb02afb06.jpg)

### 1. 战前准备：技术预研&撰写PRD

上个时代开发软件，我们要给人类同事写 PRD（需求文档）；这个时代，你合作的对象是 AI，你同样得给它写说明书。
在简单的单智能体（Agent）工作中，本质上只有三种信息在流动：
*   **System Message（静态指令）**：永远悬在它脑门上的最高法则。
*   **User Message（用户指令）**：你随时随地的补充和吐槽。
*   **Tool Message（动态指令）**：它用工具查出来的数据。

因为是完全基于browser-use开发，因此我需要模型持久化记忆这个AI工具库的使用说明，所以首先要提供的就是 **《Browser-USe AGENTS.md》（Browser-use官方给的武功秘籍）**

现在很多优秀的开源项目都会提供 `AGENTS.md`。它的本质，就是把原本写给人类看的花里胡哨的，层次复杂的网页说明书，**“展平”并结构化成写给机器看的 API 手册**。因为我们这次完全基于 browser-use 开发，直接把这本秘籍塞进它的上下文里，它就知道怎么操控浏览器了。

因为项目目标其实会需要反复调整，因此我把初期我能想到的项目相关的信息写入了 **《Project.md》**。里面包含了：
1.  **项目目标**：我们要干啥。
2.  **代码规范**：用 Python 几？语言风格是什么？
3.  **测试与日志规范（极其重要！）**：最开始我只写了简单的目录要求，后续在合作过程中我重点补充了这两个部分，不要急，接着往后看。

### 2. 和AI对需求
准备好目标和参考资料后，我打开 `/plan`模式，开始和AI对需求
这个模式下，AI只思考、不写代码。我让它：
- 先理解任务
- 找到任务中描述不清晰，存在疑问的点并向我提问
- 把澄清后的细节补充回Project.md

这一步很重要——让AI先把问题问出来，比让它闷头写然后全部重来，效率高太多。最后反复优化后的project.md很长很长


### 3. 血压飙升时刻：我被迫夺过方向盘的4个瞬间

我乐观的认为接下来就是我的"tea time"，那属实是我太天真了。以下是我和这位“盲目自信的实习生”搏斗的真实记录。

#### 🥊 第一回合：拒绝瞎猜，日志才是唯一真理
**案发现场**：在使用多模态模型识别网页时，AI 没找到网页加载完成的标志，陷入了无限等待的死循环。

**AI的反应**：它立刻基于它庞大的预训练知识库，给出了无数种（根本不对的）后端网络超时的猜测，疯狂改代码，修了半天把原本正常的代码改成了屎山。

**打断施法**：

> *“停！保留证据链！把 browser-use 推理的中间过程全部用日志打出来！没有日志不准排查问题！”*
**感悟**：AI 极度依赖上下文。如果不给它日志反馈，它就会启动“幻觉瞎猜”模式。

#### 🥊 第二回合：遇到问题打补丁？达咩！
**案发现场**：它从网页里提取答案的逻辑写错了，抓出了一堆乱码。

**AI的反应**：它没有去改提取逻辑，而是写了一长串极其复杂的正则后处理代码，试图把乱码“洗”干净。

**铁腕干预**：
> *“第一性原理！永远从源头解决问题，严格禁止打补丁式的后处理！去查为什么提取逻辑不对！”*

**感悟**：AI 可能从 Github 庞大的屎山代码库里学到了人类的陋习——遇事不决打补丁。补丁有一个就有一千个，陋习决不允许。

#### 🥊 第三回合：赛博鱼的记忆虽然越来越长但仍不够用！
**案发现场**：遇到复杂的登录信息处理时，它的代码又开始跑偏了。

**AI的反应**：试图自己凭空捏造一套浏览器的 Cookie 注入逻辑。

**持续敲黑板**：
> *“哥们，答案就在《AGENTS.md》里，Read first then act！（遇到问题先查手册）”*

**感悟**：当对话上下文变得极其冗长时，AI 的注意力（Attention）会涣散。你得时不时像敲黑板一样提醒它：“看说明！看说明！”

#### 🥊 第四回合：盲目乐观的“空欢喜”
**案发现场**：终端里连续弹出了 5、6 次极度兴奋的回复：“完事了！干完了！成功了！太棒了！”

**AI的反应**：它只看到了系统生成了一个 `answer.json` 的文件，就判定任务成功，结果我一打开空的？答案只有一半的？引用数量不对的？

**继续泼冷水**：
> *“反复多次优化明确验收标准：必须明确检查抽取结果的内容长度、引用数量！批量端到端测试跑通才算完！”*

**感悟**：AI 最大的优点就是极致的乐观。如果你不给它设定极其严苛的、基于结果的验收标准，它会在任何一个微小的步骤上原地开香槟。

每一次干预成功后，我都让它把血泪教训总结进最初的 `Project.md` 里。这样在下次才有机会去二次验证经验是否具有一般场景的泛化性。

---

## 复盘时间：OpenCode的一些底层逻辑

最近一直用了一阵opencode，来简单拆解下前面过程中我们用到功能底层的原理。

### 💡 当你输入 `@文件`，Agent 内部到底发生了什么？
很多人以为 `@` 是什么魔法机制。其实底层非常简单：一切溯源到**工具调用（Tool Call）**。
当你在对话框里 `@a.txt` 时，Agent 在底层其实是悄悄模拟了一次 `read_file` 的工具调用，并把文件内容作为 Tool Result 塞进对话流里。模型看到的其实是这样的：

```json
[
  {
    "role": "user",
    "content": [
      { "type": "text", "text": "文件 @a.txt 里的数字是多少？" },
      { "type": "text", "text": "【系统插入工具调用】：调用了 Read 工具，参数 {\"filePath\":\"a.txt\"}" },
      { "type": "text", "text": "【系统插入文件内容】：28\n" }
    ]
  }
]
```
想通了这一点，你就能举一反三：你 `@` 目录，它调用的就是 `list_directory`，本质都是**上下文的动态加载**。是为了让这些快捷键，和其他模型看到的用户消息一般无二，既不丢失文件内容，也不丢失和文件名称之间的关联，同时消息内容还和模型多数的训练数据相近。

### 💡 疑问2：`/plan` (计划模式) 和 `/build` (构建模式) 的本质区别是什么？
难道切换模式是换了个更聪明的大脑？不，核心差异在于**两把锁**：

1.  **系统指令的紧箍咒**：在 `/plan` 模式下，系统会偷偷在 Prompt 里加一句极其严厉的话：*“You are in read only Phase. Strictly forbidden any file edits.”（你现在是只读模式，严禁修改任何文件！）*，当然也有框架使用“please don't code”这种更加直白的指令。

2.  **物理拔网线**：相对应的，系统在`\plan`模式还会直接禁用 `write`、`edit`、`patch`、`bash` 等能改变状态的工具。应该是处于context-cache的考虑（为了能命中缓存，plan和build模式的上文相同），所以opencode选择了物理隔离，也就是工具描述依旧在模型上文，但是调用时会直接打断报错。如果模型生成工具调用命令，在执行工具时会报错
```txt
 The user has specified a rule which prevents you from using this
  specific tool call. Here are some of the relevant rules
  [{"permission":"edit","pattern":"*","action":"deny"}]

```



### 💡 疑问3：Agents.md模型究竟是如何使用的？

在每次对话开始之前，opencode都会扫描目录中所有的AGENTS.md,CLAUDE.md等用于构建系统指令，而构建的方式也是所见即所得，没有复杂的设计，就只是把所有检索到的文件进行拼接，包括文件所在位置和文件内容。

"Instructions from: " + p + "\n" + content : ""

而以上内容会和coding的基础要求一起拼接作为system message，在整个对话中被持久化使用。所以需要贯穿整个项目使用的说明书、项目目标等信息都可以放在这个文件中。

## Next？

哈哈这一次的体验绝对算不上美好，其实干预很多，不过慢慢来我慢慢和AI磨合，慢慢尝试放手，慢慢找到哪些经验是宝藏哪些是糟粕，磨合总要时间。这一章我们只用了最基础的**单智能体（Single Agent）模式，没有用 MCP（Model Context Protocol），也没有挂载 Skills，更没有用多智能体组队工作。** 所以后面我们继续搞事不要停！


本文不输出权威指南，只是一位一线算法工程师和AI不算peace的合作场景还原。系列第一篇，我们将从最基础的“磨合期”开始聊起。

和AI一起搞事情#1: opencode ×browser-use实战复盘

本文不输出权威指南，只是一位一线算法工程师和AI不算peace的合作场景还原。系列第一篇，我们将从最基础的“磨合期”开始聊起。技术标签：#opencode，#browser-use，#单智能体，#Agents.md

人工智能

算法工程师分享使用OpenCode和browser-use框架开发自动化脚本的实战经验，详解与AI协作中的常见问题及解决方案。包含技术预研、需求文档撰写、调试技巧等关键环节，重点强调日志记录、源头解决问题等开发原则。提供完整代码示例和AGENTS.md使用指南，适合开发者学习AI辅助编程的最佳实践。

智能体

Python

Agent

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

和AI一起搞事情#1: opencode ×browser-use实战复盘-腾讯云开发者社区-腾讯云

和AI一起搞事情#1: opencode ×browser-use实战复盘

和AI一起搞事情#1: opencode ×browser-use实战复盘

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐