别再说“Agent 能爬全网”：真正可靠的联网自动化，是从最轻访问一路升级到浏览器动作

“爬全网”是一个很诱人的说法，也最容易把完全不同的事情混在一起。

源素材把 Agent-Reach、Scrapling、Browser-use、Claude for Chrome、Web-access 放在同一套工具链里，并总结成“从轻到重，够用就停”。这个方向本身很有价值，但其中“破反爬”“接管日常 Chrome”“把课程后台文档和视频扒下来”这些描述，如果直接当教程发布，会同时忽略平台条款、版权、登录态、Cookie、隐私和提示注入风险。

真正值得沉淀的是一个访问阶梯。

Level 1：Search / 官方 API

这是最优先的入口。

如果公开搜索、RSS、官方 API、导出功能能回答问题，就不应该先开浏览器。

优势是：

• 权限小；
• 结构稳定；
• 可审计；
• 更少把 Cookie 和登录状态暴露给 Agent；
• 更容易遵守平台规则。

Agent-Reach 的意义更接近“把多个渠道的读取方式封成统一入口”，而不是拿到一张“全网访问许可证”。它当前仍活跃，MIT License，而且 release 历史里已经出现过渠道增删和 Windows 修复，这本身说明：平台能力会漂移。

Level 2：HTTP Fetch / 结构化抓取

当 API 不够，才进入网页抓取。

Scrapling 的能力确实强：静态请求、浏览器渲染、自适应选择器、爬取框架都能做；但它自己的 README 同样明确提醒使用者遵守本地法律、网站条款和 robots.txt。

这说明一个很重要的编辑原则：

> 工具支持 stealth，不等于你获得规避规则的权利。

“能绕 Cloudflare”不能被 alphahole 翻译成“教你绕平台风控”。

Level 3：Authenticated Read

如果内容确实属于用户自己有权访问的数据，例如：

• 自己的后台；
• 自己购买且允许导出的资料；
• 企业内部系统；
• 自己的 CRM / Docs / Dashboard；

才进入登录态读取。

这时要新增四个 Gate：

Identity / Data Rights / Cookie Scope / Export Permission

“浏览器里已经登录”不是权限证明。

Level 4：Browser Action

这是最重的一层。

Browser-use、Claude for Chrome 这类能力不仅能读，还能点、填、提交。风险也从“读错”升级成“做错”。

Anthropic 对 Claude for Chrome 的官方说明直接把 prompt injection 列为浏览器 Agent 的核心风险：网页里的恶意隐藏指令可能诱导 Agent 泄露数据、删除文件或执行非预期操作。官方还会屏蔽金融、交易、成人、加密交易所等高风险站点，并对某些发布/购买动作要求确认。

所以 Browser Action 必须再加：

Prompt Injection Gate / Reversible Action / Human Confirmation / Domain Allowlist / Data Boundary / Audit Log

“课程网站全流程扒下来”为什么不能原样保留

这里不是技术问题，而是权利问题。

如果课程允许下载、用户拥有许可，当然可以做个人知识整理；如果平台明确禁止批量抓取或内容受版权保护，就不能把“技术上能拿到”变成“可复制 SOP”。

安全版应该写成：

有权访问 → 有权导出/处理 → 最小范围读取 → 记录来源 → 不再分发未经授权内容。

五个工具应该怎么选

不要装全家桶。

• 公开搜索/社媒检索：优先 Search/API 或 Agent-Reach；
• 普通网页结构化：HTTP fetch / Scrapling；
• JS 页面但只需读取：浏览器读模式；
• 登录后台：明确授权后 authenticated read；
• 必须点击/提交：最后才上 browser action。

真正的优化目标不是“成功率最高”，而是：

在完成任务的前提下，用最低权限、最少状态、最小攻击面。

Research Access Contract

以后 alphahole 研究工具统一记录：

Target / Right-to-access / Preferred API / Authentication / Data Sensitivity / Action Level / Prompt Injection Risk / Rate Limit / ToS / Audit / Fallback。

这套合同比“2026 五大爬虫 Skill”更耐用。

最后

一个 Agent 能读到某个页面，并不意味着：

• 你有权抓；
• 你有权保存；
• 你有权二次分发；
• 你有权让它自动提交动作。

真正成熟的联网 Agent，不是“能爬全网”。

而是知道什么时候不该开浏览器。