如果你还在手写 Playwright 脚本，最近又开始看到圈里人"把浏览器交给 AI"，多半已经心动过。但动手之前，建议先看看先行者交过的账——这一步里，选哪条路线，远比"要不要做"重要。
社区现在到底在吵什么
今年开年以来，“AI 操作浏览器"的讨论明显分成了两派。一派是实测派：B站 UP 主技术爬爬虾的一条对比视频拿下 17.7 万播放、1.5 万收藏，核心结论只有一句：Playwright CLI 结合专属 Skill 的浏览器自动化方案，与传统 Playwright MCP 方式相比能减少约 4 倍 token 消耗。哔哩哔哩另一派是翻车派：一位小红书博主记录了自己折腾 AI Agent 浏览器自动化三周的全过程，直言"麻了”——Playwright 直接接 Agent，页面结构一变 Agent 就停；让 AI 读整页 HTML，token 成本很高；整个工作流越跑越重。小红书她最后的方案是换成 OpenClaw 社区推荐的 PinchTab——把浏览器变成一个 AI 可以直接调用的服务，不用再写复杂的浏览器脚本。直到 8 月中旬，知乎上还有新的"MCP 工具盘点"在更新，生态百花齐放。知乎这场争论离结束还早。
成本差这么大，根源在"页面以什么形态进入 AI"
让 AI 操作浏览器，先要解决"AI 怎么看页面"。目前社区讨论下来的路线，拆到底就是四种。
第一种，整页内容路线。Agent 原样读取页面，一个中等复杂的网页就是几万 token 的 HTML，每一轮对话都要带着这份上下文跑，AI 的"眼睛"是按字计费的。小红书这是最直观的路线，也是最贵的，小红书博主踩的就是这个坑。
第二种，无障碍树路线。这是 Playwright CLI 主打的原理：不让 AI 读原始 HTML，而是依托 accessibility tree 描述页面，只保留"这是个按钮、这是个输入框、这是个链接"和它们的层级关系，信息密度高出一个量级。哔哩哔哩"token 消耗降到四分之一"的说法，主要就来自这里。
第三种，截图视觉路线。直接给模型喂截图，让它"看"页面。一张截图的 token 消耗往往抵得上一大段文字，多步任务每一步都要截图，成本成倍叠加。
第四种，封装动作路线。PinchTab 这类新工具的思路很直接：把浏览器变成一个 AI 可以直接调用的服务。小红书Tabbit 则更进一步，把名为"妙招"的能力做进了浏览器，可以用变量、可以改网页内容、可以操控网页。微博browser-use 这类框架也是同一思路，把底层操作封装成"打开页面"“填表单”"提取内容"这类高层动作。AI 与浏览器之间的对话轮数少了，总成本自然下来。
四条路线不是互斥的。目前社区认可度最高的做法其实是混用：确定性流程用 CLI + Skill 固化，脚本执行时 0 token，只把意外情况交给 AI 判断。哔哩哔哩
算一笔账
粗算一下。以一个"登录后台、按条件筛选、导出报表"的中频任务为例，每次运行需要 AI 交互 10 到 20 轮。整页 HTML 路线下，单任务的累计输入轻松到几十万 token；换到无障碍树，上下文压缩到原来四分之一左右的量级；确定性步骤固化成 Skill 后，脚本执行部分 0 token。如果每天跑 10 到 20 个这样的任务，路线之间的月度 token 成本差距大约是一个数量级。
这也是为什么"换 CLI 能省 4 倍"的视频能拿 1.5 万收藏——大家算的不是技术路线，是账单。
一句提醒："4 倍"是社区在特定工作流下的实测，不是普适官方数字，任务复杂度不同会有差异。但"量级差"这个方向性结论，有多个独立信源相互印证。
不同人群怎么选
手里有 Playwright 脚本资产、跑固定流程（定时导出、数据回填、日常签到）：优先 CLI + Skill。脚本干确定性的活，AI 收拾意外，旧资产不用扔。
任务是开放式的、需要 AI 自己规划路径（竞品调研、信息聚合）：走 MCP 或 browser-use 路线。生态成熟、调试成本低，先用小任务跑一周，看 token 账单再决定放量。
任务强依赖自己的登录态和浏览环境（操作自己的社媒账号、订阅）：Kimi Web Bridge 这类桥接方案更现实。插件把你日常用的浏览器桥接给 AI，登录态留在自己浏览器里。哔哩哔哩
一行代码都不想写：产品化 AI 浏览器。Tabbit 1.0 正式版今年 6 月 9 日发布，输入需求就能自动执行跨软件、跨网页的复杂任务，标准版永久免费。界面新闻但要记住今年 3 月的教训：Tabbit 公测后，被用户指控抄袭开源项目"陪读蛙"代码。36氪第三方"妙招"和 Skill 装之前，先看清它要什么权限、回传什么。
三件事别指望
第一，别指望换了工具就顺便解决反爬。8 月一篇知乎爬虫实践帖说得很直白：我做爬虫这几年，Playwright 和 Selenium 都被检测过，对方盯的不是你用什么工具，盯的是你是不是人。知乎AI 接管浏览器之后，行为频率和指纹特征照样在风控视野里。
第二，别指望无障碍树通吃一切。它对重可视化页面、canvas 绘制内容的表达有限，部分场景还是得回退到截图，成本也就跟着回来。
第三，维护问题没有消失，只是转移了。有小红书博主说得实在：playwright 自己写脚本维护挺累的，网站改版就得跟着改。小红书写的时候省一次，维护的时候天天还，区别只是改的是选择器还是提示词。
接下来值得盯的信号
一是 Playwright 官方会不会继续优化 MCP 的上下文策略，这直接影响"MCP 贵"的印象会不会改观。
二是轻量 headless 浏览器会不会被主流 Agent 框架采用。Lightpanda 官方解释，此前流传的"快 11 倍"出自本地合成页面的基准，真实场景新基准（933 个真实页面、JS 开启、25 个并行任务）里，耗时比 Chrome 低约 9 倍、内存约为其 1/16。Lightpanda官方博客这个方向如果成立，降的就不是 token 账单，而是跑浏览器本身的成本。
三是 AI 浏览器的定价走势。Tabbit 标准版永久免费，目前由美团托底，这种补贴模式能不能持续，本身就值得观察。界面新闻
对 Web 自动化老玩家来说，现在的窗口期其实挺明确：技术栈还在降本阶段，谁先把已有脚本资产固化成 AI 能跑的工作流，谁的投入最划算。
