Posts
操控浏览器，让 OpenClaw 解锁超能力

操控浏览器，让 OpenClaw 解锁超能力

February 28, 2026

1. 配置：OpenClaw 浏览器模式

在上一篇文章《OpenClaw 写公众号，3步就够了 》中，我提到了 OpenClaw 收集信息的 4 种方案，当时对 方案2：通过 OpenClaw Browser Relay 控制浏览器 的评价是"比较繁琐"。

但最近 OpenClaw 官方文档更新了中文版 ，浏览器章节写得挺清楚。加上有些场景确实需要浏览器（比如 Gemini Deep Research、受反爬虫限制的网页），于是决定把这坑填上。

1.1. 安装 GUI

我的 OpenClaw 安装环境是腾讯云轻量服务器，OpenCloudOS 9 操作系统，没有 GUI。

在无 GUI 的环境中，OpenClaw 只能使用 headless 模式，有几个硬伤：

  • 遇到验证码直接卡死
  • 无法登录需要账号密码的系统
  • 容易被反爬虫系统拦截
  • 很多现代网页 JS 渲染异常

所以需要先安装 GUI，并安装桌面版浏览器，让 OpenClaw 来操作。

1.2. 安装 GNOME

GNOME 是 Linux 主流的桌面环境之一，提供完整的图形界面支持。

参考《OpenCloudOS 桌面安装指南 》：

# 查看可用包组
dnf group list

# 安装 GUI
dnf group install "Server with GUI" -y

# 设置为图形模式并重启
systemctl set-default graphical.target
reboot

# 验证显示服务
systemctl status gdm.service

1.3. 配置 XRDP

XRDP 是开源的远程桌面协议实现，让 Windows/Mac 的远程桌面客户端能连接到 Linux 服务器。

# 安装并启动
dnf install -y xrdp
sudo systemctl start xrdp
sudo systemctl enable xrdp

# 权限修复：解决证书读取失败
sudo chown root:xrdp /etc/xrdp/cert.pem /etc/xrdp/key.pem
sudo chmod 640 /etc/xrdp/cert.pem /etc/xrdp/key.pem

# 会话配置：解决 root 登录闪退
cat <<EOF > ~/.Xclients
#!/bin/bash
export GNOME_SHELL_SESSION_MODE=classic
exec gnome-session
EOF
chmod +x ~/.Xclients

systemctl restart xrdp

1.4. 安装 Brave 浏览器

Brave 是基于 Chromium 的隐私保护浏览器，OpenClaw 官方推荐使用。

curl -fsS https://dl.brave.com/install.sh | sh

装好后用 Windows 远程桌面（mstsc）或 Mac（Microsoft Remote Desktop）登录服务器，打开 Brave 登录常用账号（Gemini、Kimi 等）。

1.5. 配置 OpenClaw

修改 ~/.openclaw/openclaw.json：

"browser": {
    "enabled": true,
    "defaultProfile": "openclaw",
    "color": "#FF4500",
    "headless": false,
    "noSandbox": true,
    "attachOnly": false,
    "executablePath": "/usr/bin/brave-browser"
}

两个关键配置：

  • headless: false — GUI 环境必需
  • noSandbox: true — root 用户运行必需，否则 Brave 拒绝启动

配置完成后重启 Gateway：

openclaw gateway restart

2. 实战：让 OpenClaw 学会 Gemini Deep Research

配好环境后，立刻测试一个之前无法完成的场景：用 Gemini Deep Research 做深度调研。

2.1. 第一次翻车

指令：“使用 Brave 访问 Gemini，用 Deep Research 调研 OpenClaw”。

结果 OpenClaw 直接把"深度研究模式"当成提示词发给 Gemini，完全没理解 Deep Research 是个需要先启用的工具。

2.2. 纠正方法

告诉它正确流程：

“不要直接发提示词，而是在 Gemini 里先切换「工具」为「Deep Research」，再把问题发给它。”

2.3. 固化成 Skill

让 OpenClaw 把这套操作写成 Skill，提示词：

将刚才你使用 Gemini Deep Research 的方法总结成 Skill，并在以后处理相同的场景中使用

后续只需说"使用 Gemini Deep Research 研究 xxx"，它就会自动：

  1. 打开 Gemini
  2. 启用 Deep Research 模式
  3. 输入研究主题
  4. 获取并汇总报告

最终成功产出完整的 OpenClaw 调研报告，涵盖项目演进、架构设计、安全事件等维度。

3. 越灵活，越危险

浏览器模式解锁了很多原本做不到的事：

  • 直接操作网页版邮箱（省掉 IMAP/SMTP 配置）
  • 访问反爬虫保护的网页（如 GZ 号）
  • 通过网页操作内部业务系统

理论上，只要是你在浏览器里能完成的操作，OpenClaw 现在都能替你自动化。

但安全问题必须引起重视。浏览器模式下，OpenClaw 拥有和操作你本地电脑几乎同等的权限：

  • 只让它登录必要的网页
  • 绝不登录包含核心数据的系统
  • 遇到验证码等验证，仍需人工介入登录服务器完成

说白了，你给了它操控浏览器的能力，就等于给了它你的"数字身份"。方便是真方便，但风险也是真风险。

当你要获得更多灵活性时，就势必会失去一些安全性和稳定性。怎么权衡，需要慎重考虑。

最后更新于
OpenClaw 写公众号，3步就够了