AI编程神器装上‘眼睛’：不写代码，直接操控世界

2026年7月3日，Browser Use发布了CLI 3.0版本。

这条消息没有上任何中文科技媒体的头条。在一个被价格战、后门事件、拟人化禁令轮番轰炸的七月，一个开源浏览器自动化工具的版本更新确实算不上大新闻。但如果你把过去三年AI编程的变化放在一起看，就会意识到：这个安静的版本号背后，藏着一条正在剧烈转向的路线。

过去三年，AI编程走了一条笔直的路：帮人写代码。从Copilot的"补全下一行"，到Cursor的"对话式写函数"，到Devin的"自己建项目"，再到Claude Code的"读整个代码库再重构"。每一步都更自主，但每一步都还在"写代码"这个框架里打转。

Browser Use CLI 3.0从这个框架里跳出来了。

从"写操作网页的代码"到"直接操作网页"

先解释技术细节，这能让后面的判断不至于空洞。

Browser Use CLI 3.0引入了CDP直连模式。CDP——Chrome DevTools Protocol——是Chromium内核浏览器暴露给开发者工具的底层协议。简单说，它让AI可以不经过Selenium、Puppeteer这类中间层，直接向浏览器发送指令。点击一个按钮、填写一个表单、读取页面上某个元素的文本——所有这些操作都变成了AI可以执行的原子动作。

之前的版本也能做类似的事，但走的路径是"写Automation代码→执行→监控结果"。AI先写一段Puppeteer脚本，脚本再去操作浏览器，操作完了AI再看截图判断下一步。这中间有两次转换损耗：AI→代码，代码→浏览器操作。每一次都会丢失上下文、增加延迟、引入失败点。

CDP直连把这条链路砍掉了一大半。AI不再写操作代码，它直接操作浏览器。同时读取结果的速度从秒级降到毫秒级。体积也缩小了6倍——因为不再需要打包一个庞大的自动化框架依赖。

用一个直观的例子来说：你让AI"帮我填好报税系统的23个字段，从我的Excel里取数据"。旧方案是AI写一段Python脚本去读取Excel、调用Selenium逐一填表单、处理各种可能的页面跳转和弹窗。这个脚本写出来大概200行，大概率会有3-5个小Bug需要修。新方案是AI直接打开浏览器，一个字段一个字段地填——没有中间代码，不需要调试脚本，错了就直接改。

这不是"写得更好"。这是"换了一种方式完成"。不是写代码然后让代码去执行，是AI自己变成执行者。

RPA赛道被降维了

这个变化最直接的冲击对象不是AI编程本身，而是RPA——机器人流程自动化。

RPA是一个年产值数百亿美元的市场。UiPath、Automation Anywhere、Blue Prism，这些公司的核心业务就是把企业里重复性的网页操作自动化：订单录入、数据搬运、报表填报。传统RPA的做法是录制人工操作然后回放，加上一些规则引擎和容错逻辑。

Browser Use CLI 3.0做的事情在功能上和RPA几乎完全重叠。但它有两个RPA永远无法跨越的优势。

第一，不需要录制。你描述任务目标，AI自己分解步骤、自己执行、遇到异常自己处理。一个典型的RPA流程部署需要1-2周，涉及流程分析师、开发工程师和测试团队。AI驱动的范式把这个周期压缩到"描述需求→执行"的长度。

第二，无需维护。传统RPA最痛的点是网页改版——前端改一个CSS类名、表单动一个DOM结构，录制的流程就全废了。维护成本占RPA项目总成本50%以上。但AI理解网页的"语义结构"而非"DOM结构"。它知道"提交订单的按钮"是那个蓝色的、带文字"提交"的元素，不管它的CSS类名叫.btn-submit-v3还是.btn-submit-v4。前端改了，AI自动适配。

这不是替代RPA。这是让RPA的概念本身变得过时。

更深层的差异在于容错模型。传统RPA的容错逻辑是规则驱动的——如果按钮找不到，重试3次，每次等2秒，还找不到就报错。Browser Use CLI 3.0的容错逻辑是语义驱动的——如果预期的按钮不在页面上，AI会理解这个页面可能发生了改版，然后自动寻找功能等价的替代元素。这种"理解页面意图而非记忆DOM结构"的能力，才是AI自动化对传统RPA真正的降维打击点。

AI编程的边界消失术

但Browser Use CLI 3.0的真正影响不在RPA。在于它重新定义了"AI编程"的边界。

在过去，"编程"的意思一直是"编写代码"。AI编程就是"用AI帮你编写代码"。这是一个清晰且有限的能力范围。但当AI可以不写代码直接操作网页时，"编程"的定义被撑开了。以前你说"帮我做一个爬虫"，AI给你一段Scrapy代码。现在你说同样的话，AI直接打开浏览器抓数据返回给你。代码从中间消失了。

这并不是一个细思极恐的技术细节。它意味着"AI编程工具"正在从一个"代码生成器"变成一个"任务完成器"。你告诉它你要什么，它不再给你生成"做这件事的代码"，它直接帮你把这件事做了。

这里面有一个方向性的转折：AI编程工具的竞品不再只是其他AI编程工具。它正在和一切"帮人完成数字化任务的工具"形成竞争关系。低代码平台、自动化工具、无服务器函数服务、甚至SaaS产品本身——当AI可以直接完成任务而不再需要生成代码作为中间产物，所有这些中间层的价值都在被削弱。

7月10日，一位开发者发推说："今天让Claude Code帮我查合作伙伴的信用记录，它打开了三个政府网站，填了六次表单，等了两次验证码让我手动输入，最后把结果整理成表格。全程没写一行代码。我突然不知道该叫它编程工具还是个人助理了。"

这个困惑是真实的。而且它会越来越真实。

开发者需要的不再是"写代码的能力"

当AI编程的边界从"写代码"扩展到"完成一切数字化任务"，一个根本性的问题浮出水面：开发者还需要什么能力？

答案正在变得清晰。不是"写代码的能力"。这个能力在被边际化。是需要"将复杂任务分解为AI可执行子任务"的能力。是"在AI执行过程中识别异常并及时干预"的能力。是"评估AI生成方案的安全性、合规性和长期维护可行性"的能力。

这些能力有一个共同的名字：系统设计思维。站在高处看全局，知道什么时候该让AI自己跑，什么时候该喊停，什么时候该换一个模型。

Browser Use CLI 3.0只是一个版本号。但它标记了AI编程进入第三阶段的日期。第一阶段，AI是你的打字员。第二阶段，AI是你的初级工程师。第三阶段，AI是你的执行者——不需要代码这个中间产物，直接帮你把事情办完。

代码消失了没关系。你能看清楚它消失的方向最重要。