我帮你试了下，直接安装就可以用了，就是这个模型好像只能用国外的

1. 安装

pip install stagehand
python -m playwright install  #playWright相关依赖
pip install python-dotenv

2.设置环境变量，项目文件夹里创建.env 文件

# 前面这两个配置呢，是如果你要用云端Browserbase调试，就配置
export BROWSERBASE_API_KEY="your_browserbase_api_key"
export BROWSERBASE_PROJECT_ID="your_browserbase_project_id"

# 这个是你要用的大模型密钥
export MODEL_API_KEY="your_model_api_key"  # OpenAI, Anthropic, etc.

3.本地创建文件，如 demo.py

import asyncio
import os
from stagehand import Stagehand, StagehandConfig
from dotenv import load_dotenv

#读取.env配置文件
load_dotenv()

async def main():
    config = StagehandConfig(
        env="LOCAL",    #你这里想要用本地浏览器就local，如果是云的就用"BROWSERBASE"

       # 这两个配置是云端调试时使用，如果是本地就可以注释掉了
        api_key=os.getenv("BROWSERBASE_API_KEY"),       
        project_id=os.getenv("BROWSERBASE_PROJECT_ID"),

       #填写你要用的模型，密钥在.env文件配置
        model_name="gpt-4o",
        model_api_key=os.getenv("MODEL_API_KEY")

      # 这里你可以做这些配置
             headless=True,   #打开调试窗口
             verbose=3,
             debug_dom=True
    )

    stagehand = Stagehand(config)

    try:
        await stagehand.init()
        page = stagehand.page

        await page.goto("填写你要跳转的网页地址")
        await page.act("自然语言写明你要的操作")

        result = await page.extract("extract the main heading of the page")

        print(f"Extracted: {result}")

    finally:
        await stagehand.close()

if __name__ == "__main__":
    asyncio.run(main())

4 运行 python demo.py 即可

5 相关流程顺序：

1. 页面导航page.goto(url)
2. 页面观察observe()
3. 页面执行操作act()
4. 页面数据提取extract()

eg:
# 1. 使用 observe() 找到元素
search_box = await page.observe("找到页面顶部的搜索框")

# 2. 使用 act() 执行操作
await page.act("在搜索框中输入'人工智能发展'并按下回车键")

# 3. 等待页面加载完成
await page.wait_for_load_state("networkidle")

# 4. 使用 extract() 提取数据
introduction = await page.extract("提取关于deepseek的全部文章链接")

6 核心方法
observe() 方法用于分析当前页面，根据自然语言指令识别和定位特定的页面元素。它不会执行任何操作，只是返回关于找到元素的信息。

# 查找页面上的登录按钮
login_button = await page.observe("找到登录按钮")

# 查找特定的文章链接
article_link = await page.observe("找到关于AI的最新文章链接")

# 查找搜索框
search_box = await page.observe("找到页面顶部的搜索输入框")

act() 方法用于在页面上执行具体的操作，如点击、输入文本、导航等。它接受自然语言指令并将其转换为具体的浏览器操作。

# 点击按钮
await page.act("点击登录按钮")

# 输入文本
await page.act("在搜索框中输入'人工智能'")

# 导航操作
await page.act("点击第一篇文章链接")

# 复合操作
await page.act("填写用户名为'user123'，密码为'password123'，然后点击登录")

extract() 方法用于从页面中提取信息。如果不指定特定的数据格式，它可以返回自然语言描述的内容。

# 直接用自然语言提取信息
content = await page.extract("提取页面的主要内容")
print(content)

# 提取特定信息
title = await page.extract("提取文章标题")
author = await page.extract("提取作者姓名")
summary = await page.extract("提取文章摘要")

就这个模型我用 deepseek 整不了，只能用 gpt 的，貌似没有兼容

。你是直接新建了个 python 项目去跑这个脚本的吗？我目前也卡壳在这个配置国内模型上边。它的文档和 github 上都没有明确说明这个配置国内模型的地方。但是说支持自定义 llm

我看官方文档上是支持 deepseek 的

Nice! 我找到配置自定义大模型的方式了。在官方文档上边https://docs.stagehand.dev/examples/custom_llms
之前白走了好多弯路》谢谢大佬的灵感提供！！

看官方文档说只支持 TypeScript 配置自定义模型。试了一下 Python 也能够设置自己的模型，只是有点 hacky

config = StagehandConfig(
        env="LOCAL",
        model_name="litellm_proxy/custom_deepseek_model_name",
        model_api_key=os.getenv("MODEL_API_KEY")
    )

    stagehand = Stagehand(config)
    stagehand.llm = LLMClient(
        stagehand_logger=stagehand.logger,
        api_key=stagehand.model_api_key,
        default_model=stagehand.model_name,
        metrics_callback=stagehand._handle_llm_metrics,
        api_base="https://opt.mydeepseek-inc.com/deepseek/v1/",
        **stagehand.model_client_options,
    )

大佬，你那边可以用吗？
我用 deepseek 做调试时，一直给我返回 deepseek api 目前不支持 Stagehand 所需的特定 response_format 类型的报错

大佬成功了吗？ 我之前试了千问和 deepseek 都不行，这个配置那个时候我看到了，但是一直返回这个报错

{"error":{"message":"This response_format type is unavailable now","type":"invalid_request_error","param":null,"code":"invalid_request_error"}} 

Stagehand 会将网页的 dom 结构发送给 llm 进行分析，这可能包含页面上的敏感信息, 你这是公司要用，还是自己调研的？

为啥这样说？

这是他文档里面写的。这里指的是自己部署的模型，不是各个官方渠道的公共模型

我是自己部署的 deepseek，跑起来没问题的

你是用 deepseek 官方的 api，还是自己部署的 deepseek 哦？我看 stagehand 底层用的 litellm，可以参考这个配置使用官方 api： https://docs.litellm.ai/docs/providers/deepseek

如果是自己的部署的，模型名字前面加 litellm_proxy/

我没配置 deepseek.我以为你的意思是直接不能配置呢.我用的是 qwen3-14b。你可以先通过 curl 命令获取 deepseek 模型返回的数据结构。然后再一步步调整成 stagehand 适配的结构。最后应该就正常了。我之前是这样的。但是我发现我把模型直接写道那个用例.ts。没配置那些什么 strem，enale_thinking 这些参数就能正常使用

要调研使用的。这个的话。自己本地化部署模型应该就能解决你说的那个敏感信息问题吧

你能发下你的代码看下吗？

我主要是遇到:

1. enable_thinking=False
2. 使用结构化输出 (response_format) 时，【dashscope 要求消息中必须包含 "json" 关键词
3. 这框架把千问模型的地址默认为国际地址，换成国内的需要自己设置下

这三个问题，在我各种瞎调下，是可以跑了，就是这个 token 的消耗还挺大，感觉实用程度有待商榷

import asyncio
import os
from stagehand import Stagehand, StagehandConfig
from dotenv import load_dotenv
import litellm

# 保存原始completion函数
original_completion = litellm.completion

# 创建一个新的completion函数，确保总是包含enable_thinking=False，并修复Dashscope的json要求
def patched_completion(*args, **kwargs):
    # 确保extra_body存在并且包含enable_thinking=False
    if "extra_body" not in kwargs or kwargs["extra_body"] is None:
        kwargs["extra_body"] = {}
    kwargs["extra_body"]["enable_thinking"] = False


    # 修复Dashscope的json要求 - 确保messages中包含"json"关键词
    if "response_format" in kwargs and kwargs["response_format"] is not None:
        # 检查是否是json_schema格式
        if hasattr(kwargs["response_format"], '__dict__') or isinstance(kwargs["response_format"], dict):
            # 确保系统消息中包含json关键词
            if "messages" in kwargs and len(kwargs["messages"]) > 0:
                system_message = kwargs["messages"][0]
                if system_message["role"] == "system" and "json" not in system_message["content"].lower():
                    # 添加json关键词到系统消息中
                    system_message["content"] += " Respond in JSON format."

    try:
        result = original_completion(*args, **kwargs)
        return result
    except Exception as e:
        raise

# 替换litellm.completion
litellm.completion = patched_completion

load_dotenv()

async def main():
    # 确保环境变量正确设置
    os.environ['DASHSCOPE_API_BASE'] = "https://dashscope.aliyuncs.com/compatible-mode/v1"

    # 检查API密钥
    api_key = os.getenv("DASHSCOPE_API_KEY")
    if not api_key:
        print("错误: 未找到DASHSCOPE_API_KEY环境变量")
        return

    # 配置 Stagehand 使用 DashScope 的 Qwen 模型
    config = StagehandConfig(
        env="LOCAL",
        model_name="dashscope/qwen3-14b",
        model_api_key=os.getenv("DASHSCOPE_API_KEY"),
        headless=False,              # 显示浏览器窗口
        verbose=3,                   # 最详细的日志输出
        debug_dom=True,              # 启用DOM调试
        dom_settle_timeout_ms=60000, # 增加DOM稳定超时时间
        wait_for_network_idle_ms=5000, # 等待网络空闲的时间
        local_browser_launch_options={  # 本地浏览器启动选项
            "slow_mo": 100,          # 减慢操作速度以便观察
            "devtools": True,        # 打开开发者工具
            "args": [
                "--window-size=1920,1080",  # 设置窗口大小
                "--disable-web-security",   # 禁用网络安全限制
                "--disable-features=IsolateOrigins,site-per-process"  # 禁用某些隔离功能
            ]
        }
    )

    # 初始化 Stagehand
    stagehand = Stagehand(config)

    try:
        await stagehand.init()
        page = stagehand.page

        print("=== 必应搜索测试任务 ===")

        # 1. 访问必应
        print("1. 正在访问必应...")
        await page.goto("https://cn.bing.com/")
        print("   已访问必应")

        # 等待页面加载完成
        await asyncio.sleep(3)

        # 2. 输入搜索词
        print("2. 正在输入搜索词...")
        await page.act("在搜索框中输入搜索词'天气'")
        print("   已输入搜索词")

        # 等待输入完成
        await asyncio.sleep(2)

        # 3. 点击搜索
        print("3. 正在点击搜索按钮...")
        await page.act("点击搜索按钮")
        print("   已点击搜索按钮")

        # 等待搜索结果页面加载
        await asyncio.sleep(5)

        # 验证操作结果
        print("4. 正在验证搜索结果...")
        title = await page.title()
        print(f"   当前页面标题: {title}")

        # 获取页面URL验证是否跳转
        current_url = page.url
        print(f"   当前页面URL: {current_url}")

        # 提取页面主要内容
        print("5. 正在提取搜索结果...")
        content = await page.extract("提取页面中与天气相关的主要信息", schema=None)
        print(f"   搜索结果: {content}")

        # 保持浏览器打开一段时间以便观察
        print("6. 保持浏览器打开10秒钟以便观察...")
        await asyncio.sleep(10)

        print("=== 必应搜索测试完成 ===")

    except Exception as e:
        print(f"发生错误: {e}")
        import traceback
        traceback.print_exc()

    finally:
        input("按回车键关闭浏览器...")
        await stagehand.close()

if __name__ == "__main__":
    asyncio.run(main())

确实，体验下来，感觉这类大模型的自动化始终存在两个问题不适合在 CICD 中使用

1. 不稳定性：就算这里拆成单步操作，但也会存在不确定性
2. 时间长：执行时间远比直接用 playwright 长

process.env.PYTHONIOENCODING = "utf-8";
import { Stagehand } from "@browserbasehq/stagehand";
import StagehandConfig from "./stagehand.config.js";
import { CustomOpenAIClient } from "./llm_clients/customOpenAI_client.js";
import OpenAI from "openai";
import dotenv from "dotenv";
import assert from "assert";

// 加载环境变量
dotenv.config();
assert(process.env.DASHSCOPE_API_KEY, "DASHSCOPE_API_KEY must be set in environment variables"); // [1]

async function performSearch(stagehand: Stagehand) {
const page = stagehand.page;

// 断言页面导航成功
const response = await page.goto("https://www.baidu.com");
assert(response?.ok(), Failed to load Baidu homepage. Status: ${response?.status()}); // [2]

// 断言搜索框存在并可输入
const typeResult = await page.act('type "Stagehand" into the search box');
assert(typeResult.success, Failed to type into search box: ${typeResult.message}); // [3]

// 断言搜索按钮点击成功
const clickResult = await page.act("click the search button");
assert(clickResult.success, Failed to click search button: ${clickResult.message}); // [4]

// 可选：断言搜索结果页面包含预期内容
await page.waitForSelector("#content_left", { timeout: 5000 });
const searchResults = await page.$eval("#content_left", el => el.textContent);
assert(searchResults?.includes("Stagehand"), "Search results did not contain expected term"); // [5]
}

(async () => {
let stagehand: Stagehand | null = null; // 显式声明类型并初始化为 null
try {
stagehand = new Stagehand({
...StagehandConfig,
llmClient: new CustomOpenAIClient({
modelName: "Qwen3-14B",
client: new OpenAI({
apiKey:"xxxxxxxxxxxxxxxxxxxxx",
baseURL: "http://xx.xx.x.xx:xx/v1/chat/completions",

}),
}),
});

await stagehand.init();
await performSearch(stagehand);
} catch (error) {
console.error("Test failed:", error);
process.exit(1);
} finally {
// 安全清理资源
try {
if (stagehand) await stagehand.close();
} catch (closeError) {
console.error("Failed to close Stagehand:", closeError);
}
}
})();

我这个控制台目前一直提示这样
ERROR: API key for openai not found in environment variable OPENAI_API_KEY
category: "init"
[2025-08-18 15:06:17.878 +0800] INFO: Custom LLM clients are currently not supported in API mode
category: "init"
我看和模型对话了。但是就执行了打开页面操作。那个 goto 又是 playwright 的。那个 act 也没执行

playwright 用起来咋样。比 selenium

我有自己部署 qwen 的

请问大佬是直接用了一个 python 项目。然后去安装 stagehand 去进行验证使用的吗？

我安装了 stagehand 的库，然后 python 直接调用库来用就行了。但是感觉这个工具不太靠谱，粗看原理就是把 dom 结构全部发给语言大模型，然后让大模型把关键信息找出来再返回，一方面像上面那个大佬说的：不太稳定和执行缓慢。另一方面我是觉得 token 的消耗有点大，本地部署估计挺悬，非满血的大模型出来的效果更难保证。所以感觉这工具有点像坤肋