网页导航策略Skill：让 AI 用 Playwright MCP 系统化地“读透”一个网站
- 它是“策略说明书”，不是一段可执行代码：网页导航策略Skill 提供的是一套决策框架、导航模式和选择器指南，指导 AI 在调用 Playwright MCP 时“读多少、怎么读、用什么选择器读”。
- 先定深度，再定路径：通过用户意图中的关键词自动划分为快速模式（30–50 个页面的标题与首段）、标准模式（15–20 个页面的正文与基础元数据）、深度模式（5–10 个页面的正文、评论、作者、日期与相关链接）。
- 内置三类核心导航模式：列表-详情、分页遍历、无限滚动，覆盖博客索引、搜索结果、论坛存档和社交媒体信息流。
- 内置站点选择器库：针对 Naver、Daum、Brunch、Medium、Reddit 给出特定选择器，同时提供可迁移到大多数博客的通用选择器模式与回退优先级。
- 配套错误处理与最佳实践：选择器找不到时的多级回退、动态内容等待策略、返回失败后的兜底导航，以及明确的“该做与不该做”清单。
1. 该技能叫什么？如何下载安装 AI 技能提升开发效率？
基本信息
| 项目 | 内容 |
|---|---|
| 中文名 | 网页导航策略Skill |
| 英文名 | web-navigation-strategies |
| 技能ID | 13258 |
| 本质 | 面向 Playwright MCP 的网页探索战略指南（提供导航模式与选择器，而非可执行代码） |
它解决什么问题
用 Playwright MCP 抓取网页时，真正的难点是“每次都重新写一遍选择器、每次都试探要读几页”，代码本身并不难。常见情况是：用户说“简单看看”和“把所有评论都分析一下”，AI 却用同一套方式处理，结果要么信息不足，要么浪费大量时间在几十个页面上反复点击。另一个典型问题是站点结构各不相同，.content 在某个博客能用，换个站点就一片空白，AI 只能反复试错。
网页导航策略Skill 把这类经验固化成三条链路：意图 → 深度 → 模式 → 选择器 → 执行 → 回退。安装后，AI 在做网页探索前会先走这套决策流程，而不是直接开始点击。
一键安装的思路与步骤
前提条件有两点（具体版本与名称以官方说明为准）：
- 你的 AI 客户端支持安装“技能（Skill）”，并且已开通技能市场或技能导入入口；
- 环境中已配置并连通 Playwright MCP 服务，因为本技能只提供策略，真正的浏览器动作仍由 Playwright MCP 执行。
安装步骤（以官方说明为准）：
- 打开你所用 AI 客户端的技能市场或技能管理页面；
- 用英文名
web-navigation-strategies或技能ID13258搜索； - 点击安装或启用，将技能加入当前会话的可用技能列表；
- 确认 Playwright MCP 已在 MCP 配置中启用，并具备浏览器启动与页面导航能力；
- 新建一个会话，输入验证指令，例如“帮我快速扫一下这个新闻站点的头条标题”，观察 AI 是否先判断阅读深度、再声明使用哪种导航模式和选择器。如果能，说明技能已生效；如果 AI 仍直接反复试探选择器，检查技能是否在当前会话中启用。
2. 该技能的主要功能和特点
- 阅读深度决策框架：根据用户措辞中的关键词分流。出现“简单、概要、快速浏览、总结、overview”类表达时，走快速模式（仅取标题与首段，扫描 30–50 个页面）；出现“详细、全部、评论、全面”类表达时，走深度模式（正文+评论+元数据+相关链接，只精读 5–10 个页面）；没有明确关键词时走标准模式（主要内容+基础元数据，15–20 个页面）。技能内置多语言关键词识别能力（含韩语表达），对中文与英文查询同样适用。
- 三种核心导航模式：模式一“列表-详情”，适合博客索引、搜索结果、新闻列表；模式二“分页遍历”，适合多页结果、论坛与存档，通过识别“下一页”按钮循环推进，无下一页时自动停止；模式三“无限滚动”，通过比较
scrollHeight是否变化判断到底，滚动后等待加载再批量提取。 - 站点特定选择器库：为 Naver 的搜索结果、博客正文与评论区，Daum 的搜索列表与 Tistory 博客，Brunch 的文章列表与正文，Medium 的正文与“鼓掌”数，Reddit 的帖子容器、正文与嵌套评论等，分别给出可用的选择器组合。
- 选择器优先级策略：先试站点特定选择器 → 再回退到语义化 HTML（
article、main）→ 再试常见类名（.content、.post-content）→ 最后才退回body全量取文本再清洗。这条优先级链显著降低了“换个站点就失灵”的概率。 - 错误处理策略：选择器未命中时用“或”逻辑串多个候选；动态内容未加载时用等待加载状态、等待特定选择器、固定延时三级手段；返回上一页失败时改为直接重新导航到列表页 URL。
- MCP 命令参考清单：把导航、元素选择、交互、内容提取、等待、JavaScript 执行六类命令集中列出，方便在编写调用步骤时对照使用。
- 最佳实践清单：明确“做”与“不做”——要等待加载、要优先用特定选择器、要处理分页与滚动、要顺手提取作者与日期、要控制请求节奏；不要假设选择器通用、不要跳过等待、不要在未确认元素存在时提取、不要在深度模式下盲目扩大页面数量。
- 配套参考文档：技能附带站点选择器数据库与高级导航技术两份参考文件，便于按站点类型深入查阅。
和普通工具比强在哪：Playwright 本身是“能力”，本技能是“打法”。它把“读多深、走哪条路径、用哪个选择器、失败怎么办”这些决策前置，让 AI 的网页探索从随机试错变成可复述、可复用的流程。
3. 如何使用该技能？
第 1 步：用一句话把意图和深度说清楚。 对照决策框架组织请求。想要快，就用“快速扫一下、只要标题和一句话概要”；想要全，就用“连评论区一起详细分析”；不特别说明则默认标准模式。
第 2 步：确认 AI 的深度判定。 好的调用会先回显判断结果，例如“按快速模式处理，预计扫描 30–50 条标题，仅提取标题与首段”。如果判断与预期不符，直接补充一句“改成深度模式，只看 5 篇但要含评论”即可。
第 3 步：让 AI 选定导航模式。 博客列表、搜索结果、新闻首页对应“列表-详情”；论坛多页存档对应“分页遍历”；社交媒体信息流对应“无限滚动”。你可以直接指定，例如“用分页遍历把所有页面走完”。
第 4 步：核对选择器策略。
要求 AI 说明它准备用哪一级选择器，例如“先试 Naver 的正文选择器，失败回退到 article，再回退到 main”。这一步能提前暴露站点结构不匹配的问题。
第 5 步：执行并观察提取结果。 标准模式下的典型动作是：导航到列表页、收集文章链接、逐个点击、等待加载完成、提取正文、返回列表。深度模式还会额外抓取评论、作者、日期与相关链接。
输入示例一（快速扫描）：“帮我快速扫一下这个门户新闻首页的头条标题，只要标题，不用点进去。”
预期输出：一份 30 条左右的标题清单，并说明使用了快速模式、只做了列表页提取，未进入详情页。
输入示例二（深度阅读）：“把这个博客最新 5 篇文章连评论一起详细读完，作者和发布日期也要。”
预期输出：每篇文章的标题、正文要点、作者、日期、评论区观点摘要，并注明本次按深度模式只处理了 5 个页面。
第 6 步：遇到异常按回退策略处理。 如果正文为空，让 AI 依次尝试备用选择器；如果内容明显不全，检查是否漏了等待加载状态；如果返回上一页失败，让它直接重新导航回列表页继续。
第 7 步：汇总输出。 建议要求 AI 在结果中标注“本次深度、处理页面数、使用的选择器层级”，方便下次复用同一条路径。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 网页导航策略Skill（web-navigation-strategies，技能ID 13258） | 面向 Playwright MCP 的导航策略与选择器指南 | 深度决策树、三种导航模式、站点选择器库、回退与等待策略 | 需支持技能的 AI 客户端 + 已配置 Playwright MCP；无需自己写完整脚本 | AI 代理自动探索多页面网站、内容调研、论坛与信息流阅读 | 优势是决策前置、路径可复用、容错清晰；不足是只给策略不给代码，效果依赖底层 MCP 与模型执行能力 |
| 手写 Playwright 自动化脚本 | 通用浏览器自动化编程 | 完全自定义的导航、点击、断言与数据提取 | 需具备编程能力与选择器调试经验 | 固定站点的稳定采集、回归测试 | 优势是可控性最强、可做工程化调度；不足是每换一个站点都要重写，前期调试成本高 |
| 传统爬虫框架（如规则化抓取工具） | 面向批量数据采集的爬虫工程 | 请求调度、去重、分页规则、数据落库 | 需理解抓取规则与反爬应对 | 大规模、结构稳定的站点批量采集 | 优势是吞吐大、适合长期任务；不足是对动态渲染和复杂交互支持弱，需额外接入浏览器渲染 |
| AI 客户端自带的通用网页浏览/搜索能力 | 开箱即用的浏览增强 | 打开页面、读取内容、回答问题 | 门槛最低，通常无需配置 | 单页问答、快速查资料 | 优势是零配置；不足是缺乏多页面系统性探索的深度控制与站点选择器经验，遇到分页和嵌套评论容易中断 |
选择建议：只读一两页，用自带浏览能力即可；要系统性地读一整个列表并区分“粗读与精读”，本技能的价值最明显；要做长期、高频、固定站点的数据管道，则在策略之上再补一层自研脚本更稳妥。
5. 该技能的典型应用场景与实际体验情况
场景一：内容运营做竞品与选题扫描。 运营同学每天要扫多个博客与新闻列表，痛点是要么只看了标题错过正文观点，要么一篇篇点进去耗掉半天。使用方式：先用快速模式扫 30–50 条标题圈定候选，再对其中 5 篇用深度模式精读并抓评论。实际体验：模式切换带来的时间差非常直观，快速模式基本只花列表页的加载时间；需要注意的是，标题党内容在快速模式下容易被误判，建议保留一轮标准模式复核。
场景二：开发者做技术调研与社区口碑分析。 痛点是论坛帖子的价值往往在评论区而不是正文，尤其是嵌套回复。使用方式：以深度模式处理，正文、元数据与全部评论一起提取，并要求解析嵌套结构。实际体验：Reddit、Medium 这类结构较规范的站点命中率较高，选择器基本一次到位；但评论量大的帖子需要控制页面数量，否则单次任务会很长。
场景三：分析师做门户与博客的舆情抽样。 痛点是韩语站点（Naver、Daum、Brunch）结构差异大，通用选择器经常取不到正文。使用方式：直接依赖技能内置的站点特定选择器，正文、标题、评论区各有对应，失败时再走语义化 HTML 回退。实际体验：站点特定选择器是这类场景的核心价值，能省掉大量试错；但站点改版后选择器会失效，需要靠回退链兜底并定期更新。
场景四：自动化工程师处理动态内容。 痛点是信息流类站点必须滚动才加载，固定延时的做法既慢又不稳。使用方式：用无限滚动的“高度是否变化”判定循环终止，滚动后等待内容加载再批量提取。实际体验：这套判定比“滚固定次数”更稳；注意仍需保留请求间隔，避免触发站点限流。
整体上手难度：中等。需要理解 CSS 选择器与 MCP 命令的基本含义，但不需要自己从零写脚本，按决策框架描述需求即可。
6. 该技能能为用户带来的价值
- 把“读多少”变成可约定的参数：快速、标准、深度三档把模糊的自然语言需求转成明确的页面数量区间（30–50 / 15–20 / 5–10）与提取字段范围，减少来回确认和返工。
- 把“怎么读”变成可复用的路径：列表-详情、分页遍历、无限滚动三种模式覆盖了绝大多数内容型站点，同类任务第二次执行时可以直接沿用同一路径。
- 把“取不到”变成可预期的问题：四级选择器回退链加三级等待策略，让失败从“任务中断”变成“降级取到部分内容”，显著提升单次任务的完成率。
- 降低工具门槛：使用者不必记住 Playwright 的完整命令集，技能里的命令参考清单与站点选择器库已经覆盖了导航、交互、提取、等待的主要动作。
- 长期价值在于经验沉淀：站点选择器库与最佳实践会随着使用被不断复用，团队可以把“某个站怎么读”沉淀为规范，而不是散落在个人的零散笔记里。
7. 常见问题 FAQ
Q1：这个技能要怎么安装？需要自己写代码吗？
不需要写代码。前提是所用 AI 客户端支持技能安装，并且已配置 Playwright MCP。安装时用英文名 web-navigation-strategies 或技能ID 13258 搜索并启用，然后用一句“快速扫一下这个页面的标题”验证是否生效。具体入口与命名以官方说明为准。
Q2：它收费吗？ 技能本身是策略与选择器指南，是否收费取决于你获取它的技能市场或平台的定价规则，以官方说明为准。需要额外注意的是，它依赖的 Playwright MCP 与浏览器环境属于另外的配置项，可能涉及你自己的运行成本。
Q3：它自己能抓网页吗？ 不能。它提供的是决策树、导航模式与选择器，真正的页面打开、点击、滚动、文本提取都由 Playwright MCP 执行。把它理解为“给执行工具配一份作战手册”更准确。
Q4：适合谁用？ 适合需要 AI 代劳系统性浏览网站的人：做内容与竞品调研的运营、要读论坛口碑的开发者与分析师、需要处理动态渲染页面的自动化工程师。
Q5：站点改版导致选择器失效怎么办？
依靠技能内置的回退策略：先试站点特定选择器，再回退到 article/main 等语义化标签，再试常见类名，最后才取整页文本并清洗。若长期高频使用同一站点，建议把新验证有效的选择器补充记录下来，形成自己的选择器库。