WorkBuddy新神器，录屏操作一遍就能蒸馏成Skill

Browser-BC 是什么

Browser-BC 的目的，是给模型一段干净且完整覆盖工作流的上下文，而录屏演示就是最自然的干净上下文来源。

「你不是让模型猜流程，而是把流程亲手演示给它看。」

当然，从它的核心工作流上可以看出，有点类似于浏览器自动化沉淀为 Skill，但又不完全是为了自动化，更多是成为一种技能。

举个例子，现在网上也有自动发文章到某平台技能，这种 Skill 没错是用到浏览器自动化操作。但其核心在于，如何把这个标准流程给跑通。

浏览器自动化只是工具，可控的流程和约束才是重点。

四步工作流

根据官方的项目介绍，Browser-BC 的核心工作流可以总结为以下四步。

1. 操作轨迹：用户在浏览器完成一次真实操作，比如登录、搜索、填表、提交。工具通过扩展完整记录页面快照、DOM、可访问性树、点击输入、页面反馈和最终状态。

2. 能力提取：清洗噪声，比如误点、等待、隐私信息，再按语义切分连贯子过程。

3. 能力归桶：把提取出的过程性知识组织起来，相似意图合并、特化，形成技能图谱，也就是 Skill Graph。

4. 技能生成：大模型把轨迹转写成结构化技能卡，只保留意图、步骤、完成判据、避坑点，剥离坐标、DOM 选择器、临时 ID、登录态等脆弱细节。

三个关键设计点

就像 Browser-BC 的项目文件中说的那样，它有以下三个关键设计点。

• 不是 RPA 回放：传统的按键精灵只会录制坐标，页面一改动就废了。Browser-BC 录的是语义级说明书，页面布局变了，Agent 也能举一反三。

• 蒸馏与执行解耦：强模型如 Claude Opus 蒸馏一次，小模型、便宜模型也能拿着技能去执行，WebArena-Hard 上成功率从 60.5% 提升到 81.4%，ClawBench 上从 32.9% 提升到 68.4%。

• 贴近 Claude Skills 体系：原生适配 ~/.claude/skills/，但也明确不限于 Claude，WorkBuddy 等桌面 Agent 可迁移复用。

用 WorkBuddy 把工具跑起来

接下来老马会全程使用 WorkBuddy 来进行安装操作，浏览器使用谷歌，模型默认选用 WorkBuddy 目前限时免费的 Hy3。

首先，给 WorkBuddy 发送一句话提示词，让其安装 Browser-BC 这款工具。

老规矩，有可能会提示你安装失败，这种情况大概率就是你的网络访问不了 Github 网站。可以给老马的公众号发送“github访问”，根据回复的文字去操作。

Browser-BC 安装完毕后，正常会在你的电脑桌面生成一个工具的文件夹，名字叫 JourneyForge-Local。

如果没有，你就问一下 WorkBuddy，这个文件夹放在什么路径。不过找不到也没关系，后续安装浏览器拓展程序的时候，WorkBuddy 也会告诉我们路径的。

下一步是让 WorkBuddy 把它真正跑起来，并且写一个WorkBuddy 适配器，提示词就是这样的一句话。

跑起来后，WorkBuddy 会提示我们，需要把 Playwright MCP 接到 WorkBuddy 里面，并且你还得额外提供一个模型的 API，给 Browser-BC 对接使用。

什么意思呢？就是 Browser-BC 这款工具，它得单独接入一个模型。这就要求你有模型的 API 信息，比如你之前在 Deepseek 开放平台上已经开通购买了一个 API。

老马这里也是填写的 Deepseek 的 API 信息，模型使用 deepseek-v4-flash，把对应的 API 地址和 API Key 一并发送给 WorkBuddy。

然后为了后续操作方便，WorkBuddy 提示老马，要不要写一个一键录制→蒸馏→同步的 WorkBuddy 工作流，把这几步串起来。当然可以，直接开干。

安装浏览器扩展并开始录制

这一步搞定之后，老马就发送了一句开始录制给 WorkBuddy。结果发现，谷歌浏览器的拓展程序还没安装。

按照 WorkBuddy 给出的提示，这个浏览器拓展程序是已经解压好的，是一个文件夹。一般路径位于：你的用户名/Desktop/JourneyForge-Local/extension/dist/chrome-mv3。

浏览器的拓展程序安装成功后，老马打开了 B 站的网页，准备待会录制一个操作流程。就是在 B 站搜索 AI 的视频，然后挨个点开播放，给每个视频挨个点赞。

开始操作之前，在浏览器里面找到我们刚刚安装好的 Journey Forge Local 拓展程序，一般在浏览器右侧的拼图图标点开，列表中就能看到。

从录制到导入 Skill

打开 Journey Forge Local 拓展程序，先在 Task name 输入一个名称，就好比你要录制的 Skill 的名字，比如老马这里写的是B站自动点赞。

然后点击 Start recording，也就是开始录制，这时显示的效果就有点类似于在录视频那样子。老马就可以开始去搜索 AI 视频，给每个视频挨个点赞了。

当然，并不需要说录制很久，象征性地录制几遍差不多了。老马也不可能给几百个 B 站视频都点赞对吧。

录制完毕后，点击 Stop 停止录制，再点击 Upload 上传，就算完成了。

回到 WorkBuddy，给它发送一句话，说录制已经完成并且上传了。WorkBuddy 就会去查你刚才上传的文件，整理导入成可以用的 Skill。

这种方式更适合复杂流程

Browser-BC 的整个操作过程可能略显复杂，但比单纯用 Skill 去制作生成 Skill 来说，这种工作流会更靠谱一些。

当然，WorkBuddy 配合 Hy3 模型效果不是最好。如果你发现录制后的 Skill 实际运行起来有问题，建议把模型切换到 GLM-5.2 或 Kimi K3 重新录一遍。

JOTO 企业落地观察

• 对企业部署意味着：当业务流程存在大量非标准化交互（如多页跳转、动态弹窗、权限校验）时，基于录屏蒸馏的 Skill 构建方式，比纯文本描述或代码编写更能捕获真实操作语义，降低对开发者 DOM 理解能力的依赖。
• 这类系统的取舍在于：蒸馏质量高度依赖原始操作的规范性与完整性；企业需建立“操作示范—录制—验证”闭环机制，而非仅依赖单次录制，否则易引入隐性错误路径。
• 对智能体工程而言，Browser-BC 所体现的“操作即文档”范式，推动 Skill 从静态函数定义转向动态行为契约——技能有效性不再由代码逻辑决定，而由可复现的端到端行为验证支撑。
• 在 RAG 知识工程中，该工具生成的 Skill 卡天然具备结构化元数据（意图、步骤、完成判据），可直接作为高质量知识片段注入检索增强管道，避免传统文档切片带来的语义断裂问题。