上一篇写了博客搬家的过程（三台主机、两次翻车、最终落在香港集群），里面提到一个细节：新主机 FTP 连不上，最后是 AI 助手打开一个真实的浏览器窗口，自己填账号密码、自己点按钮、自己上传文件。不少朋友好奇这是怎么做到的——是装了什么神秘的技能包吗？这篇就把它扒开讲清楚。
先回答最关心的问题：不是。没有什么预装的「网页操作技能包」，用的就是浏览器自带的调试协议，配上现场手写的临时脚本。用完就删，下次的脚本是根据当时的页面重新写的。听上去很土，但恰恰是这个思路最通用。
先说 FTP 那部分：命令行直连
在讲浏览器之前，先补一段更早的操作。旧主机时代（FTP 还能用的时候），AI 是怎么直接操作服务器文件的？答案朴素得惊人——curl：
- 列目录：
curl -u 账号:密码 "ftp://主机/路径/" --list-only - 上传单个文件：
curl -T 本地文件 "ftp://主机/路径/文件名" - 下载：
curl -u ... "ftp://主机/文件" -o 本地文件
中间还踩过一个很典型的坑：域名套了 Cloudflare 之后 FTP 突然全超时。原因是 Cloudflare 只代理 HTTP/HTTPS 流量，不代理 FTP。解法是绕过域名，直接用源站 IP 连。
排查端口用的是一个更底层的小技巧：Bash 里 echo > /dev/tcp/IP地址/端口，连得上就是端口开放，连不上就是关闭。没有 nmap 也能快速扫一圈。
重头戏：浏览器是怎么「自己动」的
1. 核心武器：Chrome DevTools Protocol（CDP）
你按 F12 打开的开发者工具，背后其实是浏览器开放的一套调试协议——Chrome DevTools Protocol。它能读取页面结构、执行任意 JavaScript、模拟点击、甚至操控文件上传框。Edge、Chrome 都基于 Chromium，所以都支持。
关键一步是带参数启动浏览器：
msedge.exe --remote-debugging-port=9861 --user-data-dir=独立目录 网址--remote-debugging-port 打开后，浏览器就在本地开了一个调试端口，脚本可以通过 WebSocket 连上去发指令。用的是有头模式（就是正常的浏览器窗口），所以我能全程看见浏览器自己在动，哪一步点错了随时叫停。
2. 模拟人工的完整流程
脚本要干的事，就是把我平时手动上传文件的动作拆解成一条条协议指令：
| 人的动作 | 脚本对应的指令 |
|---|---|
| 打开控制台网址 | 启动参数里直接带 URL |
| 在登录框输入账号密码 | Runtime.evaluate 执行 JS 给输入框赋值，然后触发表单提交 |
| 点「文件管理」菜单 | Runtime.evaluate 执行 element.click() |
| 选择要上传的文件 | 见下文，这是最难的一步 |
| 点「开始上传」按钮 | 遍历所有 button，找到文字匹配的那个点它 |
3. 文件上传：最难的一环
你可能会说，填表单点按钮不就是执行 JS 吗？对，但文件选择框是个例外。网页里那个 <input type="file">，点击后会弹出操作系统级的文件选择窗口——那不是网页的一部分，JS 根本控制不了。
CDP 为此专门准备了一个接口：DOM.setFileInputFiles。它不走页面交互，而是直接告诉浏览器「把这个本地文件路径塞进这个 input 元素」，效果等同于你手动选好了文件。拿到这个接口的前提是先拿到目标元素的 nodeId，中间又踩了两个坑：
- 页面的 DOM 树很深，一次性完整遍历会莫名其妙崩掉。解法是先在页面里执行
document.getElementById(...)拿到元素对象，再用DOM.requestNode把它转成 nodeId，完全绕开树遍历 - 上传对话框和文件输入框在主页面里，而文件列表在页面的一个 iframe 里（还是跨域的），结构必须先摸清楚才能下对指令
填好文件、点「开始上传」，然后读页面上的进度条元素确认到了 100%——一次真实的人工操作，就这样被完整复刻了。
4. 意外之喜：上传 zip 自动解压
第一次上传完，刷新文件列表，发现 zip 已经被面板自动解压开了——原本还要找解压按钮的步骤都省了。这类「平台行为」脚本事先不知道，所以每一步之后都要读页面实际状态来决定下一步，而不是死板地按剧本走。这也是模拟人工和按键精灵式录制的本质区别。
几个常见疑问
Q：为什么不用 FTP？
这家平台的 FTP 地址根本解析不出来，网页文件管理器是唯一入口。有 FTP 的时候谁愿意写脚本。
Q：为什么不用无头浏览器（headless）？
无头模式更快，但出问题时你看不见页面长什么样。这次是有头模式，浏览器窗口就摆在桌面上，相当于全程有人肉监控。调试阶段，看得见比快更重要。
Q：这算 AI 自动化吗？和按键精灵有什么区别？
本质区别在适应性。按键精灵是「录制-回放」，页面一改版就废。这次的做法是：先抓取页面分析结构（找登录表单的字段名、找按钮的 ID、分析接口地址），再根据当场的实际页面生成对应的操作指令，每步之后校验结果。页面变了，就重新分析重新写。脚本是一次性的，分析方法才是可复用的。
Q：安全吗？
脚本只在我自己的电脑上运行，连接的是本机调试端口（127.0.0.1），不经过任何第三方服务器。账号密码只出现在本地脚本和页面表单里。当然，让 AI 操作账号期间，你最好全程盯着屏幕——就像这次一样。
写在最后
这次搬家让我对「AI 帮忙」有了更具体的体感：它不是一句「帮我传个文件」就变出魔法，而是把一件人工操作拆解成分析页面 → 定位元素 → 转成协议指令 → 校验结果 → 出错重试的循环。工具都是现成的：curl、端口探测、CDP、十行 JS。稀缺的不是工具，是「知道下一步该点什么」的判断力。
博客搬家系列到此完结。有想交流的欢迎评论区见。
0 评论