命令清单
本文按功能分组列出当前工程的注册方法，用于快速定位「这件事该用哪个方法」。这是方法名与用途索引，不是每条命令的完整参数手册。参数以源码 CommandTable 的注册及服务实现为准，使用说明位于 .agents/skills/deepseek-browser-use/SKILL.md 及其 references/ 分册。
完整实现教程从 14：公共执行链 开始，后续按功能覆盖本表全部命令，并列出注册参数和 Java 入口。
随时可以用 list_methods 或 GET /playwright/methods 取到同一份清单，不必靠猜；方法名写错时服务会顺带给近似建议（例如「不支持的方法：list_tabs，你是不是想用 get_tabs / new_tab？」）。
除本文列出的注册方法外，还有一个批量入口
commands：它不出现在方法清单里，由分发层直接处理，可以一次提交多个方法。见 04 第四节。
一、生命周期（5）
| 方法 | 用途 |
|---|---|
start | 启动任务（不传 ID 时自动生成雪花 ID），可指定 headless、browser 与 profile，或 userDataDir / profileDirectory（见 39） |
close | 结束任务，最后一个任务保留浏览器与页面；closeBrowser:true 才显式关闭（有其他任务时拒绝） |
shutdown | 关掉全部任务与共享浏览器，服务进程不退出 |
targets | 参数 endpoint；列出外部 CDP 端点上的页面（targetId、url、type、title），只读，不建任务 |
attach | 参数 endpoint 和 targetId 或 url；把一个外部 CDP 页面接成任务，必须恰好匹配一个目标，close 只断开连接 |
二、导航（7）
| 方法 | 用途 |
|---|---|
navigate | 打开网址（与 go_to_url 等价） |
go_to_url | 打开网址，支持 waitUntil（默认 domcontentloaded）和 timeoutMs |
go_back | 后退 |
go_forward | 前进 |
reload | 刷新 |
get_url | 取当前页地址 |
get_title | 取当前页标题 |
三、页面状态与等待基线（3）
| 方法 | 用途 |
|---|---|
get_browser_state | 智能体的眼睛：页签列表 + 可交互结构化文本；索引始终生成，高亮与截图默认关闭，分别传 highlight:true / screenshot:true 启用 |
list_frames | 列出页面里的 iframe，用于判断内容在哪个 frame |
wait | 固定等待若干秒 |
四、元素交互（18）
| 方法 | 用途 |
|---|---|
click_element_by_index | 按快照索引点击 |
double_click_element_by_index | 双击 |
hover_element_by_index | 悬停 |
focus_element_by_index | 聚焦 |
check_element_by_index | 勾选复选框 |
uncheck_element_by_index | 取消勾选 |
input_text | 向输入框填值 |
type_text | 逐字符输入（模拟真实键入） |
upload_file | 给文件输入框设置文件（路径必须是服务端能打开的） |
drag_element_by_index | 拖拽到目标元素 |
send_keys（别名 press_key） | 发送按键（如 Enter、Control+A，支持 keys 或 key 参数） |
key_down / key_up | 按下 / 抬起某个键 |
get_dropdown_options | 读下拉框的可选项 |
select_dropdown_option | 选下拉框的某一项 |
scroll | 按 numPages 指定的页数滚动 |
scroll_to_text | 滚动到某段文本处 |
keyboard_type | 用真实按键把文字输入当前焦点，不需要元素索引，适合 Ace、CodeMirror 这类隐藏 textarea；回执不回显文字 |
五、元素读取（10）
| 方法 | 用途 |
|---|---|
get_element_text | 取文本 |
get_element_html | 取 innerHTML |
get_element_value | 取表单实时值（DOM property，不是初始 attribute） |
get_element_attribute | 取指定属性 |
get_element_listeners | 取元素上挂的事件监听 |
get_element_count | 按选择器数元素个数 |
get_element_box | 取元素坐标与尺寸 |
is_visible / is_enabled / is_checked | 可见 / 可用 / 勾选状态 |
六、选择器与文本定位（7）
| 方法 | 用途 |
|---|---|
click_element_by_selector | 按 CSS 选择器点击（不依赖索引） |
input_text_by_selector | 按选择器填值 |
click_element_by_text | 按可见文本点击 |
click_element_by_role | 按无障碍角色点击 |
input_text_by_label | 按标签文本找输入框并填值 |
clear_text | 清空输入框 |
hover_and_click | 先悬停再点击，用于悬停才展开的子菜单 |
七、页签（8）
| 方法 | 用途 |
|---|---|
get_tabs | 列出任务自己的页签 |
new_tab | 新开页签 |
switch_tab | 按页签索引切换 |
switch_tab_by_url | 按 URL 切换 |
close_tab | 按页签索引关掉一个页签 |
close_other_tabs | 关掉其他页签 |
bring_to_front | 把浏览器窗口提到前台（人工介入前常用） |
wait_for_new_tab | 等晚到的新页签并切换过去；点击已经发生时传 baseline（点击前的页签数），超时报 POPUP_NOT_OPENED |
八、等待（8）
| 方法 | 用途 |
|---|---|
wait_for_element | 等元素出现 |
wait_for_text | 等文本出现 |
wait_for_url | 等地址匹配 |
wait_for_load | 等加载状态（如 networkidle） |
wait_for_function | 等页面里的 JS 条件成立 |
wait_for_idle | 等网络安静下来 |
wait_for_stable | 等某容器内容稳定（异步表格刷新后读数必备） |
wait_for_count | 等元素数量满足 min / max / equals 条件 |
九、鼠标（6）
| 方法 | 用途 |
|---|---|
mouse_move | 移动鼠标 |
mouse_down / mouse_up | 按下 / 抬起 |
mouse_wheel | 滚轮 |
mouse_click | 在指定坐标点击 |
mouse_click_by_selector | 按选择器取坐标后真实点击（原生点击点不动时用） |
十、截图与 PDF（3）
| 方法 | 用途 |
|---|---|
screenshot | 页面截图，支持整页、裁剪区、指定元素、内联 base64 |
get_element_screenshot | 只截某个元素 |
pdf | 导出 PDF（只有 Chromium 系支持） |
十一、Cookie 与存储（6）
| 方法 | 用途 |
|---|---|
get_cookies / set_cookie / clear_cookies | Cookie 读写与清理 |
get_local_storage / set_local_storage / clear_local_storage | LocalStorage 读写与清理 |
十二、上下文设置（7）
| 方法 | 用途 |
|---|---|
set_viewport | 改页面视口尺寸，见 06 |
set_geolocation | 设置地理位置 |
set_offline | 模拟离线 |
set_headers | 追加请求头 |
set_credentials | HTTP 基本认证凭据（CDP 那条路不支持） |
set_media | 媒体类型（如深浅色偏好） |
grant_permissions | 参数 permissions（如 ["microphone"]）、origin（可选，默认当前页），只授权给该 origin |
set_viewport、set_media作用于当前 Page；地理位置、离线和请求头作用于共享 Context。set_credentials涉及重建上下文，并受当前任务数量及启动方式限制。实现和影响范围见 23。
十三、对话框与弹窗（7）
| 方法 | 用途 |
|---|---|
get_dialog / clear_dialog | 服务层记录到的对话框，读与清 |
get_js_dialog / clear_js_dialog | 原生 JS 弹窗（alert / confirm / prompt） |
set_dialog_behavior | 设置原生弹窗的默认处理方式（默认自动确认） |
get_modals | DOM 弹窗清单：标题、按钮文本、× 与各按钮的坐标 |
close_modal | 关掉 DOM 弹窗（用真实鼠标点，并校验数量真的减少了） |
十四、控制台日志（2）
| 方法 | 用途 |
|---|---|
get_console_logs | 读页面控制台日志 |
clear_console_logs | 清空记录 |
十五、网络（5）
| 方法 | 用途 |
|---|---|
route / unroute | 请求拦截与解除（阻止、放行或模拟响应） |
get_requests | 请求元数据列表（requestId、URL、方法、状态、耗时、failure，有请求体时附 postData） |
wait_for_response | 等某个响应到达 |
get_response_body | 按 requestId 取响应体 |
同一个 URL 被重复请求时，用 requestId 精确匹配，否则可能把上一次的响应当成本次结果。请求体与响应体都可能被截断，必须检查 postDataTruncated / truncated 这类标记。
十六、页面读取与差异（9）
| 方法 | 用途 |
|---|---|
get_page_snapshot | 页面快照（可选带控制台信息） |
diff_dom_text | 重新做一次快照并与上一次按行做差集，判断「页面到底动没动」比重新读整页省 |
get_interactive_map | 可交互元素映射 |
get_form_state | 表单实时状态：value、checked、selected、readonly / disabled / editable，密码值脱敏 |
extract_structured_data | 读取页面正文并可附链接；query 不会触发大模型抽取。回执带 length/truncated/limit |
extract_markdown | 页面（或选择器命中的元素）转 Markdown，表格按 GFM 表格输出；命中多个用 nth 指定；见 17 |
find_text | 在页面文本里找词或正则，只回命中 + 前后文 + 行号；想找一行时用它，别把整页拉回上下文 |
list_tables | 列出页面上所有表格（行列数、class、预览、是否含图），并给出可直接填进 extract_markdown 的选择器 |
download_image | 把页面上的图片原始文件存到服务端（data/<id>/），回 path/url/size/sha256；path 可直接交给 ocr_image |
十七、脚本（1）
| 方法 | 用途 |
|---|---|
execute_js | 在页面里执行 JavaScript，支持指定 frame、vars 注入与 bodyFile。见 09 |
十八、自省与维护（7）
| 方法 | 用途 |
|---|---|
list_methods | 方法清单 |
get_config | 服务端生效配置 |
list_tasks | 当前任务与共享浏览器状态 |
cleanup | 清理运行期产物（默认只预演） |
get_page_diagnostics | 一次回答“页面为什么没渲染”：findings、failedRequests、httpErrors、consoleErrors、pageErrors、cspViolations |
get_diagnostics | CLI 为 dsb diagnose；只读内存，不进入浏览器事件循环，长命令执行期间也能调用，返回 data.active 和 data.last |
cancel_command | CLI 为 dsb cancel；参数 commandId，只取消这一条命令，详见 40 |
十九、站点配方（2）
| 方法 | 用途 |
|---|---|
list_recipes | 列出可用配方及其参数说明 |
run_recipe | 按名字显式执行一个配方。见 10 |
二十、后台作业（3）
| 方法 | 用途 |
|---|---|
list_jobs | 列出后台批次 |
get_job | 取某个批次的结果 |
cancel_job | 取消某个批次（在下一步之前生效） |
二十一、人机协作（4）
| 方法 | 用途 |
|---|---|
request_human_input | 创建求助请求，可带元素 index / selector 取验证图片 |
ask_user | 向用户要一个值（银行卡号 / 身份证号 / 验证码），或让他在选项里挑；不截图、不抢焦点，形态与宿主侧的同名提问工具一致 |
get_human_input | 查询请求状态与用户答复 |
submit_human_input | 由宿主或用户提交答复（按 stepId / 问题的 id 逐条回填，多选题的值给数组） |
request_human_input 只是创建请求记录，接口成功不等于用户已经收到通知 —— 宿主必须真的把求助信息展示出来。见 04 第五节。 「请人去页面上做一件事」与「向用户要一个值」是两件事：前者用 request_human_input，后者用 ask_user，参数形态与答复结构见 25。
二十二、图像识别（1）
| 方法 | 用途 |
|---|---|
ocr_image | 对图片（服务端路径或页面元素）做 OCR，参数、语言包与结果判断见 Windows OCR |
二十三、profile 管理（3）
| 方法 | 用途 |
|---|---|
list_profiles | 返回 data.profiles 类型化列表；CLI 为 dsb profiles 或 dsb profile list |
clone_profile | 参数 name、sourceUserDataDir、sourceProfileDirectory；返回 data.profile、copiedFiles、copiedBytes、warning |
delete_profile | 参数 name；删除命名 profile 及其中的登录状态，使用中的 profile 会被拒绝 |
列表字段、启动选择与安全限制见 39。两条管理方法不启动浏览器。
二十四、按场景查方法
| 想做的事 | 用哪些 |
|---|---|
| 看页面有什么、能点什么 | get_browser_state（读 data.text），必要时 get_interactive_map |
| 快照里找不到某元素 | 先看 pixels_above / pixels_below，再按 06 第八节处理 |
| 异步表格点完读不到新数据 | wait_for_stable 或 wait_for_count |
| 原生点击点不动 | 先检查遮挡及页面状态，避免重复提交；模式选择见点击排障 |
| 元素只读 / 被禁用 | 属页面语义，换控件用，别重试（见 04 错误码表） |
| 页面被弹窗挡住 | get_modals 确认当前弹窗，先完成必要验证；仅关闭确实需要关闭的弹窗 |
| 需要 cookie / 登录态 | get_cookies / set_cookie；跨任务复用靠 profile（见 05） |
| 要跨域 iframe 里的内容 | list_frames 定位 frame，再在 execute_js 里带 frame |
| 要读页面上的表格（数字别配错列） | extract_markdown（表格转 GFM 表格）；只要某张表就传 selector |
| 要弄清页面到底动没动 | diff_dom_text |
| 遇到验证码 / 登录 | request_human_input（见 04 第五节） |