2026-05-30 02:17:57 +08:00

6.1 KiB

Raw Blame History

name	description	argument-hint
web-page	网页内容读取和截图工具。当用户提供网页链接并希望了解页面内容、总结页面讲了什么，或需要截取整个网页/可视区域/指定元素/指定区域时使用。	需要 url；mode 可为 content 或 screenshot；截图可选 screenshot_mode、selector、x、y、width、height。

Web Page Skill

描述

这是一个本地网页读取和截图技能。它使用基础镜像中的 Chromium 以 headless 模式打开网页，通过 Chrome DevTools Protocol 在本地完成页面渲染、正文抽取和截图，不调用外部 AI 接口。

技能脚本位于 scripts/web_page.js，依赖基础镜像提供的 Node.js 24+ 和 Chromium。基础镜像中已配置 CHROME_BIN=/usr/bin/chromium 和 CHROME_PATH=/usr/bin/chromium 时，无需额外安装浏览器。

触发条件

用户发来网页链接，并问「这个网页说了什么」「帮我看看这个链接」「总结一下这个页面」。
用户要求读取网页正文、标题、描述、主要内容或页面中的链接。
用户要求「截图这个网页」「截整个页面」「截当前可视区域」「截页面里某个区域」。
用户提供 CSS 选择器并要求截取对应元素，例如「截取 .article 这一块」。

入参规范

{
  "type": "object",
  "properties": {
    "url": {
      "type": "string",
      "description": "需要打开的网页链接，必须是 http 或 https 地址。"
    },
    "mode": {
      "type": "string",
      "enum": ["content", "screenshot"],
      "description": "content 表示抽取网页内容；screenshot 表示截图。默认 content。",
      "default": "content"
    },
    "screenshot_mode": {
      "type": "string",
      "enum": ["full", "viewport", "selector", "region"],
      "description": "截图模式。full 截整个页面，viewport 截当前可视区域，selector 截指定 CSS 选择器元素，region 截指定页面坐标区域。默认 full。",
      "default": "full"
    },
    "selector": {
      "type": "string",
      "description": "当 screenshot_mode 为 selector 时必填，表示要截图的 CSS 选择器。"
    },
    "x": {
      "type": "number",
      "description": "当 screenshot_mode 为 region 时必填，区域左上角 x 坐标，单位为 CSS 像素，相对于页面左上角。"
    },
    "y": {
      "type": "number",
      "description": "当 screenshot_mode 为 region 时必填，区域左上角 y 坐标，单位为 CSS 像素，相对于页面左上角。"
    },
    "width": {
      "type": "number",
      "description": "region 截图宽度，或浏览器视口宽度。截图区域必须大于 0。"
    },
    "height": {
      "type": "number",
      "description": "region 截图高度，或浏览器视口高度。截图区域必须大于 0。"
    },
    "max_chars": {
      "type": "integer",
      "description": "content 模式下最多输出的正文字数，默认 16000。"
    },
    "wait_ms": {
      "type": "integer",
      "description": "页面 load 之后额外等待的毫秒数，默认 1500。遇到前端渲染较慢的网站可调大。"
    }
  },
  "required": ["url"],
  "additionalProperties": false
}

对应命令行参数：

--url <网页链接> 必填，必须是 http 或 https 地址
--mode <content|screenshot> 可选，默认 content
--screenshot_mode <full|viewport|selector|region> 可选，默认 full
--selector <CSS选择器> 可选，selector 截图模式必填
--x <数字> --y <数字> --width <数字> --height <数字> 可选，region 截图模式必填
--max_chars <数字> 可选，默认 16000
--wait_ms <毫秒> 可选，默认 1500
--output <本地PNG路径> 可选，仅截图模式使用
--send <auto|true|false> 可选，仅截图模式使用，默认 auto

执行步骤

读取网页内容

当用户想了解网页内容、总结页面、回答页面相关问题时，使用 content 模式。
在该技能目录执行脚本，例如：

node scripts/web_page.js --url 'https://example.com' --mode content

脚本会输出页面标题、最终 URL、meta 描述、主要标题、正文文本和主要链接。
智能体必须基于脚本输出回答用户问题；如果用户要求总结，不要把原始抽取过程当成最终回复。

截图网页

当用户要求截图时，使用 screenshot 模式。
截整个页面：

node scripts/web_page.js --url 'https://example.com' --mode screenshot --screenshot_mode full

截当前可视区域：

node scripts/web_page.js --url 'https://example.com' --mode screenshot --screenshot_mode viewport --width 1365 --height 900

截指定元素：

node scripts/web_page.js --url 'https://example.com' --mode screenshot --screenshot_mode selector --selector 'main'

截指定页面区域：

node scripts/web_page.js --url 'https://example.com' --mode screenshot --screenshot_mode region --x 0 --y 300 --width 800 --height 600

在机器人环境中，脚本默认会调用客户端接口 POST http://127.0.0.1:{ROBOT_WECHAT_CLIENT_PORT}/api/v1/robot/message/send/image/local 发送截图；如果缺少机器人环境变量，则只输出本地截图路径。

校验规则

url 不能为空，且必须是 http 或 https 地址。
mode 只能是 content 或 screenshot。
screenshot_mode 只能是 full、viewport、selector 或 region。
selector 截图模式必须传 selector。
region 截图模式必须传 x、y、width、height，并且宽高必须大于 0。
wait_ms、max_chars、视口宽高必须大于 0。
Chromium 路径优先读取 CHROME_BIN，其次读取 CHROME_PATH，再回退到常见系统路径。

回复要求

content 模式成功时，智能体应基于脚本输出给用户总结、解释或回答问题。
screenshot 模式成功且已发送图片时，脚本输出「页面截图已发送」。
screenshot 模式成功但未发送图片时，脚本输出本地 PNG 路径，智能体可继续用 send-local-image 技能发送。
失败时，返回脚本输出的具体错误信息。

6.1 KiB Raw Blame History Unescape Escape