PulsarTech 脈動科技

OpenCLI:把網站變成 LLM 可以直接呼叫的 CLI

約 2 分鐘

過去這一週發 X / Threads / FB 三平台,我已經不寫 Playwright 腳本了。改接一個 6 週飆 17k 星的 repo:OpenCLI(@jackwener/opencli)。原本以為是 Playwright wrapper,接進去才知道賣點根本不一樣。

README 開頭寫「Turn websites, browser sessions, Electron apps, and local tools into deterministic interfaces」。看到這句你會以為又一個瀏覽器自動化 wrapper。但重點不是 wrap browser action — 是讓 LLM 不用 parse raw DOM(原始 HTML 結構)。Actions 是固定參數的指令、output 是固定 schema 的 JSON(結構化輸出)。LLM 看 JSON 不看 DOM,prompt/token 在我這條 pipeline 體感少很多(沒做正式 benchmark)。

第二件意外:它接你已經登入的 Chrome session(走一個 Chrome 外掛 extension),重用你瀏覽器現有的 cookie / session,不重 login、不外存 credential。我把 X / Threads / FB 三個帳號駁進去,沒寫過任何 cookie / token 處理邏輯。

upstream 有 103 個 site-level adapter,我以為會用最多的是 twitter,結果不是。實際 daily 用最多的是這四個(都可以複製貼上直接跑):

  • opencli twitter post --images hero.png "..." 發推 + 上傳媒體
  • opencli threads post --texts-file t.json --images hero.png --limit 4 一次發 1-4 篇 initial thread(這個是我本機在 opencli browser primitives 上自寫的 custom adapter,不在 upstream baseline)
  • opencli chatgpt image "..." 免費生 hero 圖(不走 OpenAI Image API quota;仍受 ChatGPT web account 限制)
  • opencli gemini ask "..." 跑 advisor review(不走 Gemini API quota;仍受 Gemini web account 限制)

為什麼是這幾個?LLM 自動化的痛從來不是「瀏覽網站」,是兩件事:不要每次重 login、不要燒 API quota 在生圖 / 諮詢 advisor。它把這兩件一起解了。

不是沒坑:threads adapter 是我們本機 custom(不在 upstream 103);ChatGPT 繁中 UI 的 aria-label(網頁元素標籤)寫死英文,我本機 patch 過一版。但 6 週累計 89 個 release,每幾天一版,補洞積極。

如果你也在搞 social automation 或 AI agent 自動化網站,蠻建議玩玩看。

Repo: https://github.com/jackwener/OpenCLI

你們現在 LLM 自動化都用什麼?Playwright、Selenium,還是已經換到別的?

參考來源