Tasker是一款开源AI浏览器自动化工具，通过录制或描述任务，让AI智能执行并适应页面变化，支持多模型、变量参数化与YAML导出，适用于数据抓取、表单处理等场景。
一款让AI替你打工的神器：Tasker开源项目深度拆解
每天重复点击网页、填写表单、复制粘贴数据而感到筋疲力尽？市面上的宏工具太死板，网页一改就彻底失效？
现在，一款真正智能的浏览器自动化神器横空出世——Tasker。这不是普通的脚本录制器，而是一个融合了大语言模型与浏览器控制能力的AI代理构建平台。
它不仅能理解你“想要做什么”，还能在网页结构变化、弹窗干扰、动态加载等复杂场景下灵活应对，真正实现“一次录制，智能执行”。
Tasker由开发者pitalco打造，完全开源，支持多种主流AI模型，包括GPT-4、Claude、Gemini，让你用自然语言或可视化操作定义任务，交给AI去执行。
彻底拆解这款被誉为“下一代自动化代理引擎”的神奇工具，看看它如何把枯燥的重复劳动变成AI的日常任务单。
开源智能代理：Tasker的诞生背景与作者pitalco
Tasker的背后是一位对AI自动化充满热情的开发者——pitalco。虽然目前公开资料中关于pitalco的个人背景不多，但从项目的设计理念和代码质量可以看出，他深谙现代Web自动化痛点，也对大语言模型的实际应用有深刻理解。
他没有选择走传统RPA（机器人流程自动化）的老路，而是大胆地将AI作为执行核心，让自动化不再依赖死板的XPath或CSS选择器堆砌，而是赋予Agent“理解任务意图”的能力。
这种设计哲学与当前AI Agent浪潮高度契合——Agent不仅要会执行，更要会思考、会适应、会容错。Tasker的命名也颇具意味，“Tasker”既指代任务执行者，也暗示了其作为任务构建平台的双重身份。在GitHub上，该项目以MIT许可证开源，意味着任何人可以自由使用、修改甚至商用，这无疑为中小企业、独立开发者和自动化爱好者打开了一扇通往高阶自动化的门。
不是宏，是AI同事：Tasker如何颠覆传统浏览器自动化
传统宏工具如Selenium IDE或AutoHotKey，本质上只是动作回放器——你点哪里，它就点哪里；你输什么，它就输什么。一旦网页改版、元素ID变更、出现意外弹窗，整个流程就会崩溃。而Tasker完全跳出了这一范式。它的核心思想是：录制的动作只是提示（hints），不是指令（commands）。
当你在Chrome中完成一次操作录制后，Tasker会将其转化为一个结构化的任务描述，其中包含导航、输入、点击、提取等语义步骤。
但当AI实际执行时，它会先“看”当前页面的真实DOM结构，理解页面状态，再结合任务目标自主决策下一步该做什么。比如，如果原本要点击的“搜索”按钮因为A/B测试变成了“Find”文字，AI仍能通过语义理解识别出这是搜索触发按钮并正确点击。甚至遇到验证码、登录弹窗、Cookie同意框等干扰项，Tasker内置的AI也能尝试跳过、关闭或按预设逻辑处理，而不会像传统脚本那样直接报错退出。
这种“意图驱动+感知执行”的模式，让自动化真正具备了鲁棒性和泛化能力。
多模型支持：Claude、GPT-4、Gemini任你调度
Tasker的另一个强大之处在于其对多AI提供商的原生支持。你可以在设置中分别配置Anthropic、OpenAI和Google的API密钥，系统会自动激活对应模型选项。
目前支持的模型包括：Anthropic的Claude Sonnet 4和Claude Haiku 4.5；OpenAI的GPT-4o和GPT-4o-mini；Google的Gemini 2.5 Flash、Gemini 2.5 Pro以及Gemini 3 Pro。
这意味着你可以根据任务复杂度、成本、响应速度等因素灵活选择执行引擎。
例如，对于需要高精度网页理解的复杂数据提取任务，可以选择Claude Sonnet 4；
而对于简单的表单填写，用GPT-4o-mini就能兼顾速度与成本。
更酷的是，Tasker通过统一的genai crate抽象了各模型接口，开发者无需关心底层调用差异。这种多模型策略不仅提升了任务成功率，也为未来集成更多AI能力（如视觉模型、本地模型）预留了扩展空间。
可视化录制+YAML定义：低代码与高灵活性的完美平衡
Tasker兼顾了普通用户和开发者的需求。对于非技术用户，它提供了直观的“录制”功能：只需点击“创建工作流”，启动录制，在浏览器中完成一次真实操作，Tasker就会自动捕获你的动作序列，并生成初步的任务框架。
整个过程无需写一行代码，连CSS选择器都不用记。而对于开发者或高级用户，Tasker支持完整的YAML任务文件（Taskfile）导出与导入。一个典型的Taskfile如下所示：
taskfile: "1.0" |
这种YAML格式不仅结构清晰，还支持变量注入（如{{search_term}}）、步骤超时、最大执行步数等高级控制。你可以将Taskfile作为配置即代码（Configuration as Code）的一部分，纳入版本管理、CI/CD流程，甚至在团队间共享复用。这种设计让Tasker既适合个人快速自动化，也适合企业级部署。
动态变量与智能停止：让自动化真正“活”起来
Tasker的变量系统让工作流具备了参数化能力。你可以在创建任务时定义输入变量，如搜索关键词、最大结果数、日期范围等，运行时只需传入不同值即可复用同一套流程。
更重要的是，Tasker支持“停止条件”（Stop When），这是传统自动化工具极少具备的功能。例如，你可以设置“当提取到10条商品数据后停止”或“当页面出现‘无更多结果’提示时结束”。
AI在每一步执行后都会检查这些条件，一旦满足就主动终止任务，避免无效循环。配合“最大步骤数”（默认50步）和“超时时间”（默认300秒）的全局限制，Tasker能有效防止因AI误判导致的无限执行或资源耗尽，确保自动化安全可控。
全栈Rust+Svelte架构：高性能与跨平台的桌面级体验
从技术栈看，Tasker是一个典型的现代桌面应用：
前端基于Tauri 2框架，使用SvelteKit构建响应式UI，配合Tailwind CSS实现美观界面；
后端核心则是用Rust编写的Sidecar服务，通过Axum和tokio处理HTTP请求与异步任务；
浏览器控制层采用chromiumoxide库，直接对接Chrome DevTools Protocol（CDP），实现对Chromium内核的精细操控。
整个架构分为三层：
Tauri主应用负责窗口管理、设置存储和Sidecar生命周期；
Sidecar服务作为独立HTTP服务器（默认端口8765），处理任务录制、AI执行、运行历史等核心逻辑；
而浏览器管理器则在底层与Chrome实例通信，执行点击、输入、截图等原子操作。
这种分离式设计不仅提升了稳定性（即使AI执行崩溃也不会导致主应用退出），还便于未来扩展Web版或移动端。SQLite作为本地数据库，存储所有工作流定义和执行日志，确保数据私密性——所有敏感信息（除API密钥外）均保留在用户设备上。
调试利器：执行历史与实时日志回溯
自动化最头疼的不是写脚本，而是调试。Tasker深谙此道，提供了详尽的“运行历史”功能。每次任务执行后，你都可以查看完整的步骤日志，包括每一步的操作类型、目标元素、AI决策理由，甚至附带该时刻的网页截图。如果任务失败，系统会高亮出错步骤，并显示AI当时的页面理解快照，帮助你快速定位是选择器失效、模型误判还是网络问题。
此外，在开发模式下，Tasker还通过WebSocket实时推送执行进度，让你在UI上看到AI“思考”和“操作”的全过程，仿佛有一个透明的AI同事在你面前工作。这种可观测性极大降低了自动化维护成本，也让非技术人员能参与流程优化。
实战场景：从电商爬虫到表单自动化
Tasker的适用场景远不止技术演示。
想象一下：你是一家小型电商公司的运营，每天需要从三个竞品网站抓取最新价格和库存状态。过去你可能要维护三套Selenium脚本，每周因网页改版而加班修复。现在，你只需在Tasker中为每个网站录制一次搜索-提取流程，设置变量为商品SKU，再配置“当获取到价格字段后停止”。之后，无论竞品网站如何调整按钮位置、增加反爬弹窗，Tasker的AI都能自适应处理。
另一个典型场景是HR批量处理求职表单：你定义一个流程，自动登录招聘系统、筛选未读简历、提取候选人姓名和邮箱、发送面试邀请邮件。
Tasker不仅能处理标准表单，还能应对“您有新消息”弹窗、“验证码验证”等干扰，真正解放人力。甚至个人用户也能用它自动抢限量商品、批量下载课程资料、监控航班价格变动——只要能用浏览器完成的任务，Tasker都能尝试自动化。
安装与配置：手把手带你跑起来
要体验Tasker，你需要基本的开发环境。首先确保已安装Node.js（推荐使用Bun以获得更快构建速度）、Rust工具链（rustup）和Git。然后执行以下步骤：
git clone https://github.com/pitalco/tasker.git |
首次启动后，进入设置页面，填入你的Anthropic、OpenAI或Google API密钥（至少一个）。接着创建新工作流，选择“录制”或“描述任务”。录制模式会启动一个专用Chrome窗口，你在此完成操作后点击停止，Tasker自动生成任务草稿。你还可以手动编辑步骤、添加变量、设置停止条件。一切就绪后，点击“运行”，选择AI模型，Tasker就会启动AI代理执行任务。如需打包为独立应用，运行bun run tauri build，生成的可执行文件位于src-tauri/target/release/目录下，可直接分发给团队成员使用。
AI Agent生态的基石工具
Tasker的野心显然不止于浏览器自动化。从其架构设计看，Sidecar服务中的tools目录和llm目录已为扩展更多AI能力预留接口。未来，Tasker可能支持：调用本地模型（如Llama 3）以保护隐私；集成OCR工具处理图片验证码；连接数据库或API实现跨系统自动化；甚至支持多Agent协作——一个Agent负责爬取，另一个负责分析。
更长远看，Tasker可能成为个人AI代理的操作系统，让用户通过自然语言指挥AI完成从购物比价到旅行规划的全链路任务。正如项目README所言：“这不是宏播放器”，而是一个让AI真正理解并执行人类意图的桥梁。
总结：自动化已死，智能代理当立
Tasker代表了自动化工具的范式转移：从“机械复现”走向“智能代理”。它不再要求用户精确指定每一步操作，而是通过AI理解任务目标，在动态环境中自主决策。这种设计不仅大幅降低了自动化门槛，更显著提升了流程的健壮性和适应性。
对于每天被重复性网页操作折磨的职场人、需要快速抓取数据的研究者、或是希望构建个人AI助手的极客，Tasker都值得一试。
开源、免费、跨平台、多模型支持——这些特性让它在众多商业RPA工具中脱颖而出。随着大模型能力持续进化，