DoAnything

DoAnything 是开放式浏览器任务 API，也是 WebAgent 的主要执行入口。你给出自然语言目标，agent 在真实浏览器里自主决定如何打开页面、搜索、点击、填写和读取结果，并把执行过程和最终结果回传。本页先介绍它解决的问题和核心能力，再给出当前调用方式。

它解决什么问题

• 步骤写不死的网页任务：目标跨多个页面、路径随页面结构变化，传统脚本一改版就断。DoAnything 由 agent 在运行时规划和调整执行路径，你只维护目标，不维护选择器。
• 登录后的操作没有 API：很多后台系统和会员页面只有网页入口。DoAnything 在受控浏览器里复用 Profiles 的登录态，直接在页面上完成读取和操作。
• 关键动作需要人参与：执行中的确认请求以 interaction 事件回传，人确认后任务继续，不必在"全自动"和"全人工"之间二选一。
• 执行过程要可观察、可追溯：每一步通过 SSE 事件流回传，可开启截图留证；失败的 run 可以取消、重连或在同一浏览器上下文继续。

核心能力

能力	说明
自主执行	一句 instruction 创建 run，agent 自主规划浏览器动作序列
真实浏览器	打开、搜索、点击、填写、读取都发生在受控的真实浏览器中
上下文复用	session 复用浏览器上下文，profileId 复用登录态
事件流	SSE 回传 progress、message、interaction、screenshot、done
人工确认	interaction 事件携带确认请求，通过 interactionHandle 响应
过程留证	capture.screenshots 开启截图，事件流保留执行轨迹
运行控制	limits.maxDurationMinutes 设时长上限；支持取消、暂停、恢复和重连

典型场景

• 登录内部系统或 SaaS 后台，查询、核对并把结果带回业务系统（见 合规风险智能体）。
• 在需要登录的站点上完成多页读取与整理（见 行程规划智能体）。
• 按既定口径逐页检查站点内容并输出报告（见 品牌一致性智能体）。

什么时候用

• 目标跨多个页面，步骤不适合写死。
• 需要复用登录态、浏览器上下文或人工确认。
• 结果形态不固定，接受 agent 根据目标组织输出。

需要固定结构的搜索结果或研究报告时，使用 WebSearch 或 DeepResearch；需要按计划长期盯守页面变化时，使用 Track。

当前调用方式

Node.js / TypeScript

const { token } = (await qoni.delegateToken({
  user: { id: process.env.QONI_USER_ID! },
  products: ["doAnything"],
})).data;

const run = await qoni.doAnything.run({
  token,
  prompt: "打开 Hacker News，列出首页前五条故事的标题和链接。",
  capture: { screenshots: true },
  limits: { maxDurationMinutes: 10 },
  profileId: "prof_alice",
});

const result = await run.wait();
console.log(result.status, result.output);

run() 返回 RunHandle，使用 run.id 取 ID；不要按旧示例使用 run["run_id"]、client.sessions 或 runAsync()。

原生 HTTP

POST /api/v1/projects/{pid}/do_anything/runs
Authorization: Bearer wa_...
Content-Type: application/json

{
  "instructions": "打开 Hacker News，列出首页前五条故事。",
  "max_duration_minutes": 10,
  "profile_id": "prof_alice"
}

不传 session_id 时，后端为本次 run 创建 session；传入已有 session_id 可以在同一浏览器上下文继续执行。创建响应是 202 和 run envelope。

生命周期

当前后端的 run 状态是：pending、running、awaiting_input、succeeded、failed、canceled。terminal_reason 可能是 done、failed、canceled 或 expired。Node SDK 用 wait() 等待终态，用 status() 刷新状态，用 cancel() 取消。

事件流

GET /api/v1/projects/{pid}/do_anything/runs/{run_id}/events
Authorization: Bearer wa_...

Node SDK 把事件归一为 progress、message、interaction、screenshot 和 done；需要底层 wire 事件时通过 event.raw.event 查看。断线后带 Last-Event-ID 重连。

for await (const event of run.events()) {
  switch (event.type) {
    case "progress":
    case "message":
      console.log(event.data);
      break;
    case "interaction": {
      const interaction = run.interactionHandle(event.data);
      if (interaction.can("confirm")) await interaction.confirm();
      break;
    }
    case "done":
      console.log("finished", event.data);
      break;
  }
}

继续执行与重连

const next = await qoni.doAnything.run({
  token,
  prompt: "继续打开第一条链接，整理评论区的主要观点。",
  session: run.sessionRef,
});

const reattached = await qoni.doAnything.attach(run.id, { token });

同一 session 的前一条 run 未结束时，后端会拒绝并发 follow-up；先等待终态再继续。

原生 HTTP 的控制端点

单 run 路径还提供 GET .../{run_id}、POST .../{run_id}/cancel、POST .../{run_id}/intervene、POST .../{run_id}/messages、GET .../{run_id}/screenshots、POST .../{run_id}/pause 和 POST .../{run_id}/resume。这些端点的请求体以 OpenAPI 为准；Node 高层 SDK 不把它们伪装成不存在的 client.messages 方法。