[企业AI落地] Agent 操作浏览器不只一种方式：无头浏览器、Playwright 和真实 Chrome 怎么选？

做本地 Agent 的浏览器自动化时，最容易遇到的不是“能不能打开网页”，而是浏览器到底应该是否需要看见。

比如在 Hermes 里，Agent 自己控制的浏览器默认可以在后台运行。它适合抓取页面、验证公开链接、保存草稿、读取后台数据，用户不需要一直盯着。但问题也很明显：一旦遇到 CSDN、Dify、Steamworks 这类后台的登录、扫码、验证码或风控，后台浏览器里发生了什么，用户肉眼看不到，登录态也不一定能顺利留下来。

这时就需要启动一个用户能看见的真实 Chrome。用户可以在里面扫码、输入验证码、确认登录状态，Agent 再接管后续流程。但如果每次日常操作都弹出一个真实 Chrome，又会打断用户正在做的事：窗口抢焦点、页面闪来闪去、鼠标键盘被自动化流程占用，体验很差。

所以真正的问题不是“无头浏览器、Playwright、真实 Chrome 哪个更高级”，而是：登录时需要可见，运行时最好无感；调试时需要证据，稳定后应该后台执行；人工介入时要给用户窗口，自动流程里又要尽量不打扰用户。

这篇就从这个实际场景出发，拆清楚三种浏览器通道该怎么分工：Hermes 自己控制的无头浏览器、Playwright 自动化浏览器，以及带登录态的真实 Chrome。选对之后，很多后台发布、资源上传、数据抓取和本地工具测试流程都会稳定很多。

先从一个真实操作流程看问题

以 CSDN 后台操作为例，一个完整流程通常会经历三种