AI Agent 自动化实战：从远程浏览器操控到 WordPress 全流程自动发文-NodeByte

当你拥有一个每天都要更新内容的技术博客，手动打开后台、写标题、传封面、填 SEO 字段、点发布，日复一日会消耗大量精力。这篇文章记录我把整个流程交给 AI Agent 自动化运行的完整实践：Agent 通过 WebRTC 远程桌面操控真实浏览器完成签到、浏览等日常任务，再通过 WordPress REST API 完成文章发布，全链路无需人工干预。

一、整体架构：两条自动化链路

整套系统由两条互补的链路组成，各司其职：

远程浏览器链路（GUI 层）：基于 Selkies-Gaming 的 WebRTC 远程桌面，Agent 以鼠标坐标点击 + 键盘注入的方式操控云端 Edge 浏览器，负责处理必须”真人环境”的任务——每日签到、积分任务、社区浏览等。
REST API 链路（数据层）：直接调用 WordPress REST API，负责结构化数据的读写——文章正文、分类标签、特色图片、SEO 字段、发布状态。可靠、快速、可幂等重试。

两条链路的分界线非常清晰：凡是需要绕过人机验证或依赖登录态 Cookie 的走 GUI，凡是纯数据操作的全部走 API。

二、远程浏览器操控的关键细节

远程桌面自动化最大的坑在键盘注入。Selkies 的画面渲染在 canvas 上，本地合成 KeyboardEvent 不会转发到远端，唯一可靠的方式是调用其内部 API：

// 按下并释放一个键（keysym 十进制字符串）
window.webrtcInput._sendKeyEvent('116', 'id1', true);   // t down
window.webrtcInput._sendKeyEvent('116', 'id1', false);  // t up

// 组合键必须严格按时序：down → down → up → up
_sendKeyEvent('65507', 'm1', true);  // Control down
_sendKeyEvent('97',  'm2', true);    // a down
_sendKeyEvent('97',  'm2', false);   // a up
_sendKeyEvent('65507', 'm1', false); // Control up

实践中沉淀出几条铁律：

修饰键释放必须冗余：组合键后额外补发一次 Ctrl/Shift 释放事件，否则远端 X 服务器会保持修饰键锁存，后续普通按键全部变成快捷键（Ctrl+N 开新窗口、Ctrl+Shift+N 开无痕窗口……）。
警惕按键自动重复：down 与 up 之间如果远端卡顿超过 500ms，X 会以约 30Hz 的频率自动重复，一行循环输入瞬间膨胀成上千字符。长文本输入务必走剪贴板。
导航优先用剪贴板：把 URL 写入 Selkies 侧边栏的 Server Clipboard，再右键地址栏”粘贴并转到”，比逐字符注入 URL 快十倍且不会出错。

三、REST API：发布环节的正解

WordPress 的 REST API 配合应用密码（Application Password）后，发文变成了一个 curl 的事。应用密码在后台 → 用户 → 个人资料底部生成，以 Basic Auth 方式携带：

# 创建文章
curl -u "user:xxxx xxxx xxxx xxxx xxxx xxxx" \
  -X POST https://example.com/wp-json/wp/v2/posts \
  -H "Content-Type: application/json" \
  -d '{"title":"文章标题","content":"HTML 正文","status":"draft",
       "categories":[56,36],"tags":[228,229]}'

# 上传特色图片（二进制直传）
curl -u "user:xxxx xxxx xxxx xxxx xxxx xxxx" \
  -X POST https://example.com/wp-json/wp/v2/media \
  -H "Content-Disposition: attachment; filename=cover.png" \
  -H "Content-Type: image/png" \
  --data-binary @cover.png

# 绑定封面并发布
curl -u "user:xxxx xxxx xxxx xxxx xxxx xxxx" \
  -X POST https://example.com/wp-json/wp/v2/posts/960 \
  -H "Content-Type: application/json" \
  -d '{"featured_media":964,"status":"publish"}'

相比前端表单 + 滑块验证码的提交方式，API 路径没有验证码、没有会话超时、没有编辑器加载等待，稳定性高出一个量级。子比（Zibll）主题的前端发文表单虽好，但腾讯拼图验证对自动化极不友好，把发布环节整体迁到 REST API 是本次实践收益最大的决策。

四、主题私有字段的兜底方案

REST API 并非万能：主题注册的自定义分类法（如子比的专题 zib_topic）和未注册到 REST 的 postmeta（如独立 SEO 三字段）无法直接通过标准接口写入。此时有两类兜底方案：

GUI 编辑器兜底：Agent 在 wp-admin 打开文章编辑页，定位到主题设置 metabox，通过剪贴板粘贴填入中文 SEO 标题、描述与关键词，最后点击”更新”。wp-admin 内部保存不触发验证码。
XML-RPC 通道：若主题未完全禁用，wp.editPost 支持自定义字段写入，可作为 REST 的补充。

五、AI 封面与内容质量

封面图由文生图模型按文章主题生成（1344×768 横幅比例），本地生成后经 REST 媒体接口直传，从生成到绑定特色图片不超过一分钟。文章正文则由 LLM 按站点既有风格撰写——本站前几篇 Docker 网络排障、OpenWebUI 部署的文章结构（问题引入 → 原理拆解 → 操作步骤 → 踩坑总结）就是很好的 few-shot 模板。