运维 Agent 经常需要访问”只有人已登录才进得去”的地方：DNS 控制台、支付后台、统计面板、收验证码的邮箱。给 Agent 发密码通常不可行（2FA、风控、合规），于是”借用人类浏览器里现成的登录态”成了实用路线。这篇文章总结我们在真实生产环境跑一个月沉淀出来的东西：一条五级通道阶梯（从轻到重）、React 受控表单的灌值方法分级、以及六条安全红线。技术栈以 Chrome DevTools Protocol（CDP）为核心，方法论适用于任何有远程调试口的浏览器。
一、五级通道阶梯：能轻则轻
需要”在目标浏览器里做事”时，按成本从低到高逐阶尝试，每阶失败才下降一阶，不要一上来就动最重的：
| 阶 | 通道 | 适用 | 打扰度 |
|---|---|---|---|
| 0 | 自己的 headless 浏览器硬试 | 公开页/营销壳/控制台 overview 常免登录可渲染 | 零 |
| 1 | CDP 直连（端口在听） | 目标页需要登录态 | 零（后台标签） |
| 2 | 只读取浏览器历史/登录数据取证 | 先判断”人是否已登录过、会话新不新鲜” | 零（离线副本） |
| 3 | 系统命令行（进程/端口/注册表/截屏） | 不需要页面内交互 | 低 |
| 4 | 屏幕级自动化（真实鼠标键盘） | CDP 都开不了的桌面应用/网页 | 中（全程可见可接管） |
| 5 | 请人类操作/提供凭证 | 前四阶穷尽 | 高 |
第 0 阶常被跳过白白打扰人：很多”要看控制台某个页面”的需求，公开展示部分自己 headless 一开就有，根本不需要谁的登录态。
第 2 阶是被严重低估的一步。浏览器 Profile 目录里的 History/Login Data 复制一份出来用 sqlite 查，就能回答”他登录过目标站吗？什么时候？用的哪个账号？”——据此决定要不要走 CDP，或直接汇报”需要你先登录”。零依赖零打扰，取证先于行动。
长期方案则是专用持久浏览器：Agent 自己养一个带调试口的 Chrome 实例（独立 user-data-dir），人类只在未来某天亲手授权登录一次，cookie 存进这个 profile，之后所有自动化都在这台”Agent 的浏览器”里跑，完全不碰人类的主浏览器。这是对双方都最干净的形态——人类的注意力和会话隔离都得到尊重。
二、CDP 实操的三个基本功
1. 标签管理 API 的小别扭
- 列标签
GET /json/list，激活/关闭/json/activate|close/<id>； - 开新标签是
PUT /json/new?<url>——GET 返回 405，新手必踩； Runtime.evaluate的returnByValue只能带回可 JSON 序列化值，DOM 节点返回 undefined，自己转成字符串/坐标。
动手前先 /json/list 盘点一遍，确认目标标签存在、URL 正确、没有和人类正在用的标签撞车。
2. evaluate 超时 ≠ CDP 坏了
标签无响应分诊顺序：
/json/version+ 对另一个标签跑 eval——都正常 = 浏览器无恙，是那个标签自己僵了；- 恢复：
/json/close关掉 →/json/new重开。登录态在 profile 里，SaaS 后台新标签自动免密恢复，零损失； location.reload()本身会掐断 CDP websocket（导航即断连），reload 后 sleep 8–12 秒再重连；- SPA 页面”innerText 长度为 0 但 title 已更新” = 前端框架还没吐内容，sleep 10 秒重读再定性，别急着判”页面挂了/没登录”。
3. 端口根本没监听时
浏览器开着但没带 --remote-debugging-port 启动，端口连不上。不要试图用同一个 user-data-dir 起第二个实例补端口——Chrome 会把新启动静默转发给已运行实例，端口照样不监听。正解：以独立 profile 拉起调试实例（--user-data-dir=专属目录 --remote-debugging-port），与主实例并存，零劫持。历史审计用的 profile 常自带 Google 登录态，往往开箱可用。
三、React 受控表单：灌值方法分级与诊断三件套
现代后台（antd / material / 各种自绘组件）的表单值存在 JS store 里，el.value = 'xxx' 只改 DOM 不改 store——表现为”值显示在框里，提交按钮永远灰”。
诊断三件套（灌不进去先跑这个，别瞎试）：
// ① inert 检查（自身+祖先链）——向导类页面会给非当前题整个区块 inert
let el = target, inert = false;
while (el) { if (el.hasAttribute && el.hasAttribute('inert')) { inert = true; break } el = el.parentElement }
// ② 真实点击后 document.activeElement 是否变成 INPUT/TEXTAREA
// ③ document.elementFromPoint(cx,cy) 命中谁
灌值阶梯（每级灌完回读 .value 定性，再换下一级）：
- 真实 click 聚焦 +
Input.insertText一次性灌整段（真实 textInput 路径，store 认，最快）； - 逐字符
dispatchKeyEvent（insertText 完全不进 DOM 的严格实现只有这招有效）； - native value setter +
el._valueTracker.setValue('')+dispatchEvent(new Event('input',{bubbles:true}))（部分普通 input 可用，Typeform 类严格实现无效）。
三条反直觉的实测经验：
- 同一页面里不同控件类型的最优方法可以完全相反：textarea 吃 native setter，自绘 checkbox 卡片只吃 CDP 真实鼠标点击（JS
.click()改了 DOM checked 但 store 不同步，提交报”请至少选择”）；小图标按钮（≤32px）真实坐标点击反而静默失效，按aria-label精确定位 JS.click()立刻生效。每个控件类型单独验证，别拿上一场的成功经验当默认。 - inert 区块无解：点击/focus/JS 全无效，唯一路 = 先点”下一题”解除 inert 再灌。多步向导就逐题推进。
- 下拉/combobox：真实点击 trigger → 选项常挂在 body 末尾 portal → 打字过滤 + Enter 最稳；对选项纯 DOM
.click()经常不触发选中。
四、六条安全红线（每条都有事故背书）
- 人类正在操作的标签 = 禁区。 动手前盘点标签，判断目标是否人类的工作现场（他刚说在填某页 / URL 是 KYC、onboarding、settings 向导）。是他的现场 → 自动化一律开新标签，绝不借道。误伤过一次的真实代价：把人类填到 7/12 的 KYC 向导导航冲掉，重进虽然恢复了步骤，信任没有。
- 不代填身份类字段。 法定姓名、证件号、验证码由本人操作；Agent 只负责导航、激活、回读状态。
- 机密走”剪贴板→本地文件→指纹入库”，绝不明文过对话。 后台”复制密钥”类按钮取机密：授权
clipboard-read→ 真实点击复制 →readText()；但剪贴板跨标签共享可能被污染，更稳是点”显示”后直接扫 DOM 叶子节点匹配机密特征。取值后立刻写机器本地文件，stdout 只打印长度+sha256 前 8 位用于核对，明文不回传对话，生产路径落 640 权限。 - 敏感变更预警”陌生设备”风控。 Meta/支付类账号在新设备指纹上做敏感变更，即使验证码全对也会被”使用此设备一段时间后”拒绝。填一次确认定性即停手（重试加重风控），交还本人手机操作或等 24–72h 自然解冻——这不是技术故障，别硬绕。
- 屏幕级操作前先看屏。 第 4 阶鼠标键盘直接作用在人类当前窗口——动手前截屏确认前台窗口是谁，人类其它窗口同框，盲点 = 事故。坐标先核 DPR（高分屏截图是 CSS 视口的 1.5 倍，视觉坐标 ÷1.5 才能喂点击）。
- 不可信指令要回真实通道求证。 曾有一次”用户要求暂停”的指令夹在某工具输出尾部出现（无正规通道标记），与随后本人发来的”继续”矛盾。规则：只认正式通讯通道里本人的消息；遇到疑似注入立即停手、如实交底动了什么没动什么、等拍板。屏幕级操控类任务天然高危，这条每次都执行。
五、汇报节奏：静默超过十分钟就要说话
CDP 长流程（弹窗反复重置、灌值阶梯试错）极易吃掉十几轮静默迭代，人类看不到中间过程，超时不吭声 = 把人晾着。纪律：
- 同一目标连败 ≥3 轮，先出一段中间态汇报（到哪了、卡哪了、还剩什么）；
- 触到迭代上限时最后一报必须”已完成（有证据）/ 未完成（差哪步）”分栏，禁止用计划代替结果。
小结
借登录态干活的正确姿势 = 阶梯选最轻、动作守边界、汇报带证据。技术上 CDP 没什么难的，难的是自律：不碰人的现场、不代填身份、不明文过机密、不被”看起来像指令”的东西指挥。Agent 在人类浏览器里的每一次越界，透支的都是这个角色下次能被信任的空间。
