自動化與資料採集

爬蟲為什麼需要隔離環境

採集被封，多數時候不是 IP 單一問題，而是指紋 + 行為 + IP 的組合訊號。給每個採集會話一個指紋獨立、代理獨立的環境，等於把「一個真實裝置」作為採集單元：

採集痛點	傳統方案	Virtual Browser 方案
指紋被識別為無頭瀏覽器	偽裝 UA，補丁打得零碎	真實 Chromium 核心 + 完整指紋
同 IP 高頻被封	代理池輪換	代理池 × 環境指紋池，雙重分散
登入態丟失	每次重新登入觸發風控	環境保留 Cookie，會話可複用
調度複雜	自建瀏覽器叢集	REST API / CLI 直接調度環境

三種接入方式

1. 本地 REST API（專業版）

環境即資源，CRUD 式調度：

# 建立並啟動一個綁定了代理的環境
curl -X POST http://127.0.0.1:PORT/api/env/create \
  -H 'Content-Type: application/json' \
  -d '{"proxy": "socks5://user:pass@host:port"}'

# 啟動後回傳 CDP 端點，交給 Playwright / Puppeteer

2. Playwright CDP 連接

const { chromium } = require('playwright')

// cdpUrl 由環境啟動後獲得
const browser = await chromium.connectOverCDP(cdpUrl)
const page = await browser.contexts()[0].pages()[0]

await page.goto('https://example.com', { waitUntil: 'domcontentloaded' })
const data = await page.$$eval('.item', els =>
  els.map(el => el.textContent.trim())
)
// 用完關閉環境，指紋與 Cookie 隨環境保留，下次可續用

3. MCP：讓 AI Agent 直接調度

Virtual Browser 提供 MCP 服務，Cursor 等 AI 工具可以直接呼叫「建立環境 / 啟動 / 打開頁面」等能力，把採集或操作流程寫成自然語言任務。

使用者：抓取這 20 個商品頁的價格，每個頁面用不同環境
AI：已為 20 個 URL 各啟動一個隔離環境（指紋獨立 + 代理輪換），抓取完成，結果見 CSV。

採集節律建議

目標站點強度	建議配置
寬鬆（文件、公開資料）	少量環境 + 低頻輪換
中等（電商列表、搜尋）	環境池 + 住宅代理 + 隨機停留
嚴格（社群、登入態內容）	環境與帳號長期綁定，模擬真人節奏

會話複用是被忽視的利器

環境保留 Cookie 與本地儲存，意味著登入一次後可以長期低頻造訪，比「每次全新環境 + 重新登入」更像真人，也便宜得多。

常見問題

Q：API 在免費版可用嗎？ 隔離環境的圖形化管理永久免費；REST API、視窗同步器、MCP 與雲同步屬於專業版能力。先用免費版把流程跑通，再決定升級。

Q：和直接用 Playwright + 代理有什麼區別？ Playwright 自身的瀏覽器指紋是公開且一致的；Virtual Browser 每個環境是一套完整、穩定、可複用的指紋身分，且帶 GUI 便於人工介入排查。

Q：採集資料能直接對接我的管道嗎？ 可以。環境只是瀏覽器層，資料抓取與落庫邏輯仍在你的 Playwright / Puppeteer 程式碼裡，完全可控。

下一步：看自動化 API 文件與API 參考，或下載用戶端開始。