基础设施层 · 浏览器自动化 · 工具解读 · WF-001
浏览器自动化参考:design research
一个 Claude Code 浏览器自动化研究 Skill,用 10 个专门 agent 分三轮审计网站设计,并合成结构化设计参考文档。
design-research
一个 Claude Code 浏览器自动化研究 Skill,用 10 个专门 agent 分三轮审计网站设计,并合成结构化设计参考文档。
这个能力解决什么问题
复刻或分析一个网站设计时,人工要反复截图、量尺寸、抄颜色、看字体、拆组件、检查响应式。design-research 解决的是把这套设计调研拆给一组浏览器 agent:它们在真实 Chrome 会话里访问目标 URL,分别抽取导航结构、色彩字体、组件、布局、技术实现、可访问性和移动端行为,最后汇总成可用于重建设计的 markdown 参考。
核心逻辑
输入是目标 URL,最好是有多个页面类型的网站。处理层在 Claude Code agent teams 中启动 10 个浏览器自动化 agent:第一轮 5 个无依赖任务并行,摸清站点结构、设计系统、视觉性格、技术实现和可访问性;第二轮 4 个 agent 依赖站点结构结果,继续分析页面布局、交互组件、内容模板和 UX pattern;第三轮 1 个 agent 在布局结果之后检查移动和响应式。每个 agent 用 Chrome 扩展驱动真实浏览器,读取 DOM、截图、computed styles 并互动。输出是一份合成后的 markdown 设计研究报告。
技术结构
- Claude Code agent teams:依赖实验性 agent team 能力和 tmux,让多个 agent 在分屏中并发执行。
- Claude in Chrome extension:使用用户已登录的 Chrome session,因此能访问登录后页面,但也带来权限边界问题。
- 三阶段任务图:站点结构等基础审计先跑,组件/页面模板等依赖信息后跑,移动端审计最后跑。
- 浏览器采集动作:导航、截图、DOM 读取、computed styles、页面互动。
- 输出字段:颜色 hex/RGB/Tailwind、字体栈、组件清单、CSS 尺寸、内容流、断点、技术架构、可访问性建议。
为什么值得参考
它把“设计研究”拆成多个互补视角,而不是让一个 agent 从头看到尾。尤其值得借鉴的是依赖顺序:先建站点地图,再做页面和组件深挖,最后看响应式;这符合真实设计审计的认知顺序。它也说明浏览器自动化不只用于测试,还能用于审美、结构和前端实现的知识抽取。
为什么不建议直接套用
它需要 Claude Code 2.0.73+、Chrome extension、tmux、实验性 agent teams,还建议跳过权限确认以避免 10 个 agent 反复询问。这个权限模型不适合默认给客户或团队成员使用。它使用真实登录态浏览器,也意味着访问边界、隐私页面和客户数据必须提前限制。README 估计一次完整审计 token 消耗接近单 agent 的 10 倍,成本不可忽略。
如何改造成自己的版本
内部版本可以保留“三轮审计”和“角色分工”,但降低风险:先做 4 个 agent 版本(结构、视觉系统、组件、响应式),只允许访问白名单域名和公开页面;每个 agent 输出固定 JSON/markdown 片段,主 agent 只负责合成。不要默认跳过权限,改成每轮开始前确认目标域和访问范围。对需要登录的网站,先准备只含测试数据的账号。
适用场景
- 竞品设计拆解、站点改版前审计、前端复刻参考。
- 需要真实浏览器读取 DOM、样式和响应式行为。
- 目标站点页面类型丰富,值得并行审计。
不适用场景
- 涉及敏感登录态、客户后台或私密数据页面。
- 只需要单页截图点评,不值得启动 agent team。
- 预算无法承担多 agent 长时间浏览器任务。
参考信息
- 原项目:design-research
- 作者:hamelsmu
- 相关概念:[[浏览器自动化]]、[[设计审计]]、[[Sub-agent]]
- 相关卡片:保守留空
适用场景与行动
场景:基础设施层 / 浏览器自动化
适合谁:关注 AI 工作流、Skill 生产和 Agent Building 的读者
下一步:先阅读边界说明,再判断它是否适合改造成自己的浏览器自动化流程。
当前内容按公开来源和已审核草稿整理,只作为工作流理解与方法论参考。
涉及客户数据、外部平台、会议记录和业务系统的场景,必须保留人工确认与授权边界。