反爬克星还是效率神器？Browser-Use+cpolar重构Web自动化逻辑

前言

在数据采集领域，Browser-Use正以"伪装者"姿态颠覆传统工具——其底层架构能模拟人类浏览行为，从鼠标悬停时长到键盘输入节奏都符合真实用户分布模型。这款开源工具特别擅长处理带反爬措施的动态内容，无论是电商平台的竞品价格跟踪，还是学术网站的文献批量下载，都能保持99%的稳定性，适合市场调研人员、数据分析师和科研工作者使用。

上个月帮电商客户做竞品分析时，传统爬虫3次被目标网站拦截。改用Browser-Use后，通过设置随机浏览间隔和真实浏览器指纹，连续72小时稳定获取促销数据，甚至能自动填写需要验证码的问卷表单。这种"像真人一样工作"的智能，让数据采集效率提升300%。

但本地部署的局限逐渐显现：公司服务器的自动化脚本只能在办公室访问，居家办公时需远程控制电脑才能启动任务。更麻烦的是团队协作——开发人员优化的爬虫规则，测试人员必须到现场才能验证效果，来回沟通成本吃掉了一半效率红利。

转机出现在接入cpolar之后：通过创建HTTP隧道，将本地7788端口映射为公网地址，现在无论身处何地，打开浏览器就能管理任务队列。上周在高铁上用手机修改了爬虫参数，2分钟后家里的服务器就开始执行新任务。这种"随时随地掌控自动化流程"的体验，彻底打破了物理空间的束缚。

本文主要介绍如何在本地Windows系统部署Browser-Use WebUI，并结合cpolar内网穿透工具实现远程使用Browser-Use操作浏览器智能抓取数据并通过本地AI大模型进行分析，执行任务，打造个人全自动AI助理。

1. 安装Ollama

在部署Browser-Use之前，我们首先需要先准备好Ollama和你要使用的本地大模型以及虚拟环境配置。

本例中使用的是Windows11系统专业版，通过Ollama运行本地大模型，之前曾经发布过如何在Windows安装Ollama的教程，有需要可以看看这篇文章：Windows本地部署Deepseek-R1大模型并使用Web界面远程交互

简单来说，就是访问Ollama的官网：Download Ollama on Windows

下载对应版本的Ollama安装程序并安装：

2. Gemma3模型安装与运行

本例中我打算使用的本地模型是Gemma3:27b，因为它有多模态能力，可以识别图片，稍后测试一下实际效果。

在Ollama的官网点击Models，就能找到安装命令：

ollama run gemma3:27b

PS:默认会下载模型到C盘，如果想修改下载位置，可以在终端中执行下方命令来指定模型文件的存放目录，这里以d:\ollama为例，大家可以提前自定义位置：

set OLLAMA_MODELS=d:\ollama

如果你之前安装过Ollama，在执行命令后出现如下图提示，那么关闭终端，请先升级ollama到最新版本才能正常下载gemma3模型。

模型下载完成之后，安装成功后会提示success：

3. 虚拟环境准备

3.1 安装Python

本例使用Windows11专业版系统进行演示：

首先需要安装 python 3.12 下载地址：Python Release Python 3.12.0 | Python.org

安装时需要注意，勾选下边两个选项，不然后续有可能报错：

安装结束后，如出现下图提示，点击该选项（更改您的机器配置，以允许程序(包括Python)绕过260字符的“最大路径”限制）同意即可。

确认后，点击close关闭即可完成Python环境安装。

3.2. 安装conda

这里我使用的是本地已有的conda环境，大家也可以通过UV来创建虚拟环境：

conda下载地址：Anaconda Installers and Packages

安装时需要注意的是在这一步，需要勾选第三个选项，自动加载刚才安装的Python3.12环境：

安装完成后，点击Finish即可：

4. 本地部署Brower Use WebUI

接下来开始在Windows系统使用conda本地部署Brower Use WebUI

4.1 创建一个新conda环境

首先在Windows中打开cmd，执行下方命令创建虚拟环境：

conda create -n browseruse python=3.12

输入y确认：

创建成功：

如果提示’conda’ 不是内部或外部命令，也不是可运行的程序，我们需要配置一下环境变量，具体操作可以查看这篇文章：conda环境变量配置

环境创建好之后，执行下方命令激活这个新的conda环境：

conda activate browseruse

如上图所示，这个conda环境就激活成功了。

4.2 克隆存储库

接下来，执行下方命令，将Browser-use WebUI拉取到本地：

git clone https://github.com/browser-use/web-ui.git

进入Browser-use WebUI项目路径：

cd web-ui

4.3 安装依赖环境

执行下方命令安装依赖环境：

pip install -r requirements.txt

现在就安装好了：

4.4 安装浏览器自动化工具

执行下方命令，安装浏览器自动化工具：

playwright install

4.5 修改配置信息

然后执行下方命令，复制一份配置示例文件并改为.env格式文件：

copy .env.example .env

复制后在webui安装的电脑路径中也能看到这两个文件：

打开配置文件后可以修改你想要使用的模型路径，API KEY，使用自己哪个已有的浏览器路径等，本地中使用ollama调用本地大模型，就暂时不用修改了，稍后在web-ui界面中配置即可：

修改完成后，保存退出即可。

5. 本地运行测试

执行下方命令:

python webui.py --ip 127.0.0.1 --port 7788

访问：http://localhost:7788

即可在浏览器中打开browser-use 的 web-ui 界面了：

关闭服务后想再次启动服务，可以打开cmd，执行conda activate browseruse 激活环境，然后cd web-ui进入web-ui路径，执行 python webui.py --ip 127.0.0.1 --port 7788 启动服务即可.

在主界面，上方的设置导航中选择Agent Settings，如果你本地部署的大模型不支持视觉识别，可以把这个使用视觉取消勾选，不然后续让AI执行任务时会报错。

然后点击LLM Settings，对本地大模型进行设置：

LLM Provider在下拉中选择ollama

Model Name需要手动输入你要调用的本地大模型名称，我这里使用的是gemma3:27b

这个模型名称可以在cmd终端中输入ollama list来进行查看：

然后就可以点击顶部导航中的Run Agent来输入指令让AI自动来执行任务了：

点击执行后，底部的结果和报错框中会显示运行时间：

在cmd终端中也能看到刚才我们提的要求，与执行操作的步骤：

执行任务同时AI会打开浏览器，自动进行搜索与后续操作：

任务结束后，能看到AI成功执行了指令，帮我在B站搜索cpolar并打开搜索结果中的第一个视频：

美中不足的是使用其自带的浏览器在播放视频时，会提示浏览器不支持html5播放器，想要解决这个问题只需要在上边提到的.env配置文件中修改一下调用你自己电脑上的浏览器就可以了，而且登录视频网站后，在使用AI访问该网站时也无需二次登录了。

除了让它自动使用浏览器访问网站搜索并播放视频，我们也可以让它自动访问指定的网站查询某个账号发布的文章，并统计其账号发布的文章标题，发布时间，阅读量和点击量等信息。大家也可以根据自己的情况来提出要求让这个全自动的AI助力来为你提升工作效率，节省大量时间。

6. 安装内网穿透

现在我们已经成功在本地部署了Browser-Use WebUI并使用AI使用浏览器自动执行任务，但如果想实现不在同一网络环境下，也能随时随地在网页中远程使用本地部署的Browser-Use处理问题，那就需要借助cpolar内网穿透工具来实现公网访问了！接下来介绍一下如何安装cpolar内网穿透，过程同样非常简单：

首先进入cpolar官网：

cpolar官网地址: https://www.cpolar.com

点击免费使用注册一个账号，并下载最新版本的cpolar：

登录成功后，点击下载cpolar到本地并安装（一路默认安装即可）本教程选择下载Windows版本。

cpolar安装成功后，在浏览器上访问http://localhost:9200，使用cpolar账号登录,登录后即可看到配置界面,结下来在WebUI管理界面配置即可。

6.1 配置公网地址

接下来配置一下 Browser-Use WebUI 的公网地址：

登录后，点击左侧仪表盘的隧道管理——创建隧道，

• 隧道名称：buse（可自定义命名，注意不要与已有的隧道名称重复）
• 协议：选择 http
• 本地地址：7788
• 域名类型：选择随机域名
• 地区：选择China Top

隧道创建成功后，点击左侧的状态——在线隧道列表,查看所生成的公网访问地址，有两种访问方式,一种是http 和https：

使用上面的任意一个公网地址,在平板或其他电脑的浏览器进行登录访问,即可成功看到 Browser-Use WebUI 界面,这样一个公网地址且可以远程访问就创建好了,使用了cpolar的公网域名,无需自己购买云服务器,即可到随时在线访问了！

同样可以使用AI在浏览器中自动执行任务：

小结

为了方便演示，我们在上边的操作过程中使用cpolar生成的HTTP公网地址隧道，其公网地址是随机生成的。这种随机地址的优势在于建立速度快，可以立即使用。然而，它的缺点是网址是随机生成，这个地址在24小时内会发生随机变化，更适合于临时使用。

如果有长期远程访问Browser-use WebUI让AI使用浏览器自动处理问题，或者异地访问与使用其他本地部署的服务的需求，但又不想每天重新配置公网地址，还想让公网地址好看又好记并体验更多功能与更快的带宽，那我推荐大家选择使用固定的二级子域名方式来为WebUI配置一个公网地址。.

6.2 配置固定公网地址

接下来演示如何为其配置固定的HTTP公网地址，该地址不会变化，方便分享给别人长期查看你部署的项目，而无需每天重复修改服务器地址。

配置固定http端口地址需要将cpolar升级到专业版套餐或以上。

登录cpolar官网，点击左侧的预留，选择保留二级子域名，设置一个二级子域名名称，点击保留:

保留成功后复制保留成功的二级子域名的名称：mybuse，大家也可以设置自己喜欢的名称。

返回Cpolar web UI管理界面，点击左侧仪表盘的隧道管理——隧道列表，找到所要配置的隧道：buse，点击右侧的编辑：

修改隧道信息，将保留成功的二级子域名配置到隧道中

• 域名类型：选择二级子域名
• Sub Domain：填写保留成功的二级子域名：mybuse

点击更新(注意,点击一次更新即可,不需要重复提交)

更新完成后,打开在线隧道列表,此时可以看到公网地址已经发生变化,地址名称也变成了固定的二级子域名名称的域名：

最后,我们使用上边任意一个固定的公网地址访问,可以看到访问成功,这样一个固定且永久不变的公网地址就设置好了，可以随时随地在公网环境异地在线访问本地部署的Browser-use WebUI来让AI帮你全自动处理问题了！

总结

通过以上步骤，我们实现了在Windows系统电脑本地部署Browser-use WebUI，并结合cpolar内网穿透工具轻松实现在公网环境中使用浏览器远程使用AI自主处理问题，并为其配置固定不变的二级子域名公网地址的全部流程，经过简单测试，效果确实不错，同时降低了使用门槛，非常期待它后续的发展，也感谢您的观看，有任何问题欢迎留言交流。

当模拟人类行为的智能引擎遇上穿透技术，Web自动化终于从"实验室工具"变成"生产力基础设施"。这不是简单的功能叠加，而是工作方式的范式转移。

本篇文章知识点来源[cpolar官网][https://www.cpolar.com]