DeepSeek Browser Use实测：AI自主充值并开发票

一个能让AI自己操作浏览器的中间件

B站UP主平平演示了一款名为 DeepSeek^广告 Browser Use 的新工具。按照他的介绍，这是专门为 DeepSeek Harness 设计的一款操作浏览器的中间件——简单说，它让 DeepSeek 模型不再只是回答问题，而是能真正打开浏览器、点击页面、填写表单，替用户完成一整套线上操作。

整个演示围绕两个具体任务展开：给 DeepSeek 账号充值 10 元，以及为这笔消费开具发票。这两个任务都涉及登录、支付、表单填写等真实网页交互，比起常见的"AI帮你搜信息"要复杂得多，也更能检验一个浏览器操作框架的实际可用性。

Browser Use 是近年来 AI Agent 领域兴起的一类技术方向，核心思路是让大语言模型通过操控真实浏览器来完成任务，而非仅依赖 API 调用或静态数据。其底层通常借助 Playwright、Puppeteer 等无头浏览器框架，将网页的 DOM 结构、截图或可交互元素列表转化为模型可读的输入，再由模型输出点击、输入、滚动等动作指令，形成"感知→决策→执行"的闭环。与 RPA（机器人流程自动化）不同，Browser Use 不依赖预先录制的固定脚本，而是让模型实时理解页面语义，因此对页面改版的适应性更强。DeepSeek Harness 则是围绕 DeepSeek 模型构建的任务执行框架，Browser Use 作为其中的浏览器操作模块，负责打通模型推理与真实网页交互之间的通道。

从启动服务到打开浏览器

使用流程从配置开始。UP主在开源仓库的说明里复制任务模板，把工程代码改成自己实际的目录，然后写下任务指令："给我的 DeepSeek 账号充值 10 元"，使用的模型是 DeepSeek 的 Flash 版本。

执行开始后，工具会先自检环境。它检测到相关服务尚未运行，于是自动启动服务，并检查浏览器的 profile 配置和端口占用情况。服务起来之后，再拉起一个内部的浏览器实例。

值得留意的是，UP主坦言这个项目"还在开发过程中"，比如 getConfig 和 listMasters 两个方法都还没加好。这意味着当前更像是一个早期的可用原型，而非成熟产品，观看时需要对稳定性有合理预期。

充值任务：登录、扫码、确认到账

浏览器实例启动后，AI 开始读取页面内容，很快发现需要登录，且当前没有保存 DeepSeek 的 session。它会检查用户的帮助文档来确定操作语法，UP主则直接手动完成了登录环节。

登录成功后，AI 找到了账单页面，识别出当前账户余额为 104.08 元，并进入充值（topup）配置。支付方式选择了微信，随后页面弹出二维码提示扫码。UP主扫码支付完成后，页面显示支付成功，余额相应增长了 10 元。

整个过程中，登录和扫码支付这类涉及账号安全与资金的关键步骤仍由人工介入完成，AI 主要负责页面导航、识别和状态判断。任务完成后，工具自动关闭了浏览器，标记执行成功。

开发票任务：填表、查企业信息、提交

第二个任务更能体现工具的"理解"能力。UP主把发票信息发给它，要求开具发票。由于之前已经登录过，这次 AI 无需重新登录，直接启动浏览器进入开票流程。

AI 正确理解了 invoice 就是发票，填入邮箱后选择了增值税普通发票（因为UP主还不是一般纳税人）。让人印象比较深的是，在填写公司名称和税号环节，AI 还会主动去做搜索——UP主提到它似乎去查询了类似天眼查这样的企业信息，来补全和核对开票抬头。

随后 AI 找到发票收件框，把公司名称和税号依次输入，UP主确认无误后，它点击 submit 提交，开票成功，浏览器随即关闭，任务结束。

这类工具的意义与局限

从演示看，DeepSeek Browser Use 的价值在于把大模型的推理能力接到了真实的浏览器操作上，让"充值""开票"这类原本需要人一步步点的琐事，变成一句自然语言指令就能触发的自动化流程。AI 会自检环境、读取页面、理解字段含义、甚至主动搜索补全信息，展现了一定的自主决策能力。

局限同样明显。项目处于开发早期，部分方法尚未完成；登录、扫码支付等安全敏感环节仍依赖人工介入，暂时无法做到完全无人值守。对于涉及资金和身份的操作，这种"人机协作"其实也是更稳妥的设计。

对开发者和 AI Agent 爱好者来说，这类开源浏览器操作中间件提供了一个可以动手实验的方向：把 DeepSeek 这样的国产模型接入浏览器，探索更贴近真实办公场景的自动化任务。想尝试的读者可以关注其开源仓库，但也要做好它仍在迭代、可能遇到未完成功能的准备。

从更宏观的视角看，DeepSeek Browser Use 所代表的方向属于 AI Agent 的落地实践。AI Agent 指能够自主制定计划、调用工具、执行多步骤任务的 AI 系统，浏览器操作是其中最贴近普通用户日常工作流的能力之一。目前业界类似项目还有 OpenAI 的 Operator、Anthropic 的 Computer Use 以及开源社区的 browser-use 库等，各自在安全边界、人机协作粒度和模型适配上有不同取舍。对于涉及资金、身份认证的操作，业界普遍倾向于保留"人在回路"（Human-in-the-Loop）机制，即在关键节点暂停等待用户确认，以平衡自动化效率与操作安全性。这也是为什么登录和扫码支付在当前演示中仍由人工完成——这并非单纯的技术限制，也是负责任的产品设计选择。