店里每天要看库存、整理补货草稿，浏览器 Agent 可以替你读网页、填表，再把页面状态交给你核对。它通过浏览器工具读取页面结构，再按当前页面的控件引用点击或填写；网页更新后，旧引用可能失效。下面用一张本地虚构库存页练习，商品库存是 18 kg、提醒线是 20 kg。演示只生成当前页面里的预览，不会保存、下单或发送网络请求。

本地虚构页面显示咖啡豆补货预览已生成本地虚构页面显示咖啡豆补货预览已生成

你需要准备

准备 说明
OpenClaw 本次使用 2026.10.1；先按官方安装文档完成 Gateway 配置
模型 本次用 Ollama 0.35.1 在本机运行 Gemma4-12B Q4_K_M；需要支持工具调用的模型
电脑 实测为 Apple M1 Max、64GB 内存、macOS 27.0.1；模型文件和硬件要求因版本不同而异
练习页 下载文末的练习包，用 Python 自带的静态服务器即可打开
费用 本次推理走本机 Ollama，没有云端模型 API 费用；下载模型会占磁盘，也会消耗本机电力

已装好 OpenClaw 和模型后，练习约 10 分钟。第一次安装和下载模型的时间不算在内。

先用隔离环境

OpenClaw 默认的 openclaw 浏览器配置由它单独管理，使用自己的浏览器数据目录，不直接打开你平常登录的个人浏览器。练习时保留这个独立配置，不要导入个人 Chrome Cookie，也不要为了省步骤改用已登录的个人浏览器。

另外新建一个专门用于练习的 OpenClaw profile，并把 Agent 可用工具限制为 browser。本次 profile 只加载本地 Ollama 和浏览器插件，没有接入消息渠道。这样 Agent 能操作练习页，但不能调用发消息或文件读写工具。

如果你还没有单独的练习 profile，可以先建一个：

openclaw --profile web-demo setup --baseline \\
  --workspace "$HOME/.openclaw-web-demo/workspace"
openclaw --profile web-demo config set gateway.mode local
openclaw --profile web-demo config set gateway.bind loopback
openclaw --profile web-demo config set gateway.port 19270
openclaw --profile web-demo config set models.providers.ollama.baseUrl http://127.0.0.1:11434
openclaw --profile web-demo config set models.providers.ollama.api ollama
openclaw --profile web-demo config set models.providers.ollama.apiKey ollama-local
openclaw --profile web-demo config set models.providers.ollama.models '[{"id":"gemma4-12b:latest","name":"Gemma4 12B (local browser test)","reasoning":true,"input":["text"],"contextTokens":32768,"contextWindow":262144,"maxTokens":4096,"api":"ollama","params":{"num_ctx":32768,"thinking":false}}]' --strict-json
openclaw --profile web-demo config set agents.defaults.model.primary ollama/gemma4-12b:latest
openclaw --profile web-demo config set plugins.allow '["ollama","browser"]' --strict-json
openclaw --profile web-demo config set tools.allow '["browser"]' --strict-json

这组模型命令对应本次已安装的 gemma4-12b:latest 标签；如果你的 Ollama 模型名不同，替换列表中的 id 和 agents.defaults.model.primary。模型需要在本机已下载并支持工具调用。也可以按OpenClaw 的 Ollama 配置说明配置你已有的本地模型。

如果你使用本地 localhost 页面，OpenClaw 的浏览器 SSRF 策略可能会拦截它。可在这个临时 profile 的配置中，仅允许本机名：

openclaw --profile web-demo config set browser.defaultProfile openclaw
openclaw --profile web-demo config set browser.ssrfPolicy.allowedHostnames '["localhost"]' --strict-json

allowedHostnames 只为本地练习开放这个准确主机名；练习结束后删掉这条允许项。浏览器 SSRF 检查不是完整的网络防火墙，不能用它替代外部网络隔离或最小权限。

打开本地练习页

先下载并解压浏览器 Agent 本地练习包。在终端进入解压后的 site 目录，运行：

python3 -m http.server 19091 --bind 127.0.0.1

保持终端运行。再打开一个终端，启动这个 profile 的本机 Gateway，并让它保持运行：

openclaw --profile web-demo gateway run --port 19270 --bind loopback

在第三个终端检查并启动隔离 profile 的浏览器：

openclaw --profile web-demo browser doctor
openclaw --profile web-demo browser start --headless
openclaw --profile web-demo browser open http://localhost:19091/

如果你的练习 profile 名称不是 web-demo，把命令里的名字换成自己的。打开页面后先用 openclaw --profile web-demo browser snapshot 查看当前页面；快照会显示页面文字和可操作控件。Agent 的 act 操作也要使用当前快照里的控件引用。

让 Agent 读库存，再生成本地预览

在解压后的练习包根目录，把 test-prompt.txt 交给已配置好 browser 工具的 Agent：

openclaw --profile web-demo agent --message-file ./test-prompt.txt --timeout 600

提示词要求它只访问当前本地页面，找出低于补货线的商品，选择咖啡豆、填写 3，再点击“生成本地预览”。

实测中，Gemma4-12B 第一次没有顺利选中商品，并有两次无效的填写操作。它填入数量后点击预览，页面仍显示“请先选择商品并填写数量。”虽然 Agent 的文字回答提到了数量 3，页面证据表明任务没有完成。库存差额应表述为“比补货提醒线少 2 kg”，不要把 -2 kg 当作已经完成补货的证据。

随后由操作员在本地练习页选中“埃塞日晒咖啡豆”，并确认数量是 3；再让 Agent 只读取当前快照、点击预览按钮、重新读取页面。页面状态变成“本地预览已生成：埃塞日晒咖啡豆，3。请人工核对后再决定是否提交。”下图就是操作后页面；这次成功只验证了 Agent 点击本地按钮，选商品这步由人完成，Agent 最后也没有返回自然语言总结。

实测库存：咖啡豆 18 kg，补货提醒线 20 kg，低 2 kg；燕麦奶 12 盒，提醒线 8 盒。

操作前后各检查一次快照。也可以运行 openclaw --profile web-demo browser requests 查看浏览器记录的请求；本次练习页只有本机页面请求，没有表单提交或其他域名请求。命令和证据摘要放在练习包的 evidence/。

用在真实网页前，先停在这里核对

  • 网页上的文字和弹窗可能包含诱导 Agent 的内容。把网页当作外部输入，不要让网页内容覆盖你设置的边界。
  • 真实账号会让 Agent 接触登录态和个人数据。优先使用独立浏览器 profile；确实需要登录时由你本人完成，并重新确认该 profile 中保存了哪些 Cookie。
  • 预览和提交是两件事。发送消息、发布内容、付款、下单、删除、授权或修改账号设置，都先让 Agent 停下，由你检查收件人、金额、内容和页面状态，再亲手确认。
  • 浏览器工具的 SSRF 检查不能拦截所有重定向、弹窗、后台请求或页面脚本流量。不要把敏感账号与不受信任页面放在同一个浏览器会话里。

工具清单

工具 用途 入口
OpenClaw 在本机运行 Agent，并通过受控浏览器配置操作页面 官方文档
Ollama 在本机下载和运行模型 官方下载页
Gemma4-12B 本次用于演示的本机模型；需要支持工具调用的运行配置 Ollama 模型库

接下来可以做什么