1. 项目概述：当“刷课”遇上现代自动化框架

又到了学期末，相信不少同学都在为智慧树、超星尔雅这类平台的课程进度发愁。手动点开视频、等待计时、切换章节，不仅耗时耗力，还容易因为网络波动或页面卡顿导致计时失败。传统的解决方案，比如油猴（Tampermonkey）脚本，大家应该都不陌生。它们通过在浏览器注入JavaScript代码来模拟点击、自动播放，确实解放了双手。但用过的人都知道，这类脚本的稳定性就像开盲盒——平台前端一更新，脚本就可能失效，动不动就“卡住”、“不跳转”、“计时异常”，让人头疼。

最近，一个基于Playwright的新工具“Autovisor”开始在技术圈里被讨论。它不再依赖于在浏览器内部“见招拆招”的注入脚本，而是从外部直接操控浏览器，像一个真正的用户在操作。这让我产生了浓厚的兴趣：在智慧树这类动态内容丰富的现代Web应用面前，这种“降维打击”式的方案，真的能比油猴脚本更稳吗？为了找到答案，我决定进行一次从零开始的实测，对比两者的实现原理、部署难度、运行稳定性以及最终的“刷课”体验。如果你也受困于不稳定的刷课脚本，或者对Playwright这个强大的自动化框架感到好奇，那么这篇实测记录或许能给你提供一个全新的、更可靠的选择。

2. 核心方案对比：油猴脚本 vs. Playwright Autovisor

在深入实测之前，我们必须先理清两者的根本区别。这不仅仅是两个工具的比较，更是两种自动化思路的碰撞。

2.1 油猴脚本：浏览器内部的“魔法师”

油猴脚本的本质是一段运行在浏览器扩展（如Tampermonkey、Violentmonkey）环境下的JavaScript代码。它的工作模式可以概括为“寄生”与“干预”。

工作原理： 当浏览器加载目标网页（如智慧树课程页面）时，油猴扩展管理器会检查当前URL是否匹配脚本中预设的规则。如果匹配，便将脚本代码注入到页面的DOM环境中执行。脚本通过document.querySelector、setInterval等原生Web API，寻找视频播放器、下一章按钮、答题框等页面元素，并模拟点击（element.click()）、填充文本等事件。

优势分析：

1. 部署极其简单：用户只需安装浏览器扩展，然后点击脚本链接一键安装。无需配置编程环境，对小白极其友好。
2. 资源消耗极低：脚本直接利用浏览器内核和页面上下文执行，不启动额外进程，内存和CPU占用几乎可以忽略。
3. 即时生效：脚本逻辑与页面生命周期紧密绑定，可以响应页面的动态加载（通过监听MutationObserver），实现“随加载随操作”。

固有缺陷与不稳定的根源： 然而，正是这种“寄生”特性，带来了最大的软肋。

1. 强依赖页面结构：脚本通过CSS选择器定位元素。一旦智慧树的前端工程师修改了某个按钮的class或id，甚至只是调整了DOM层级，脚本就会因找不到元素而失效。这是油猴脚本失效最常见的原因。
2. 对抗性环境：平台方有充分的动机检测和反制自动化脚本。它们可以通过随机化类名、添加隐形验证元素、检测鼠标移动轨迹或异常的事件触发频率来“迷惑”或阻断脚本。油猴脚本在这种攻防中处于被动地位。
3. JavaScript执行环境的不确定性：页面自身的JavaScript错误、浏览器扩展冲突、广告拦截插件都可能干扰油猴脚本的正常运行，导致其静默失败。
4. 处理动态内容乏力：正如网络热词中指出的，“录制脚本最常见的失败原因就是动态内容”。现代Web应用大量使用Vue、React等框架，页面内容是动态渲染的。油猴脚本如果执行时机不对，可能在元素出现之前就尝试操作，导致失败。

注意：许多油猴脚本通过// @grant GM_notification等方式请求特殊权限来增强功能，但这也会增加被浏览器安全策略拦截的风险。

2.2 Playwright Autovisor：浏览器外部的“操盘手”

Autovisor（在此语境下，我们指代基于Playwright框架编写的智慧树自动化程序）代表了一种截然不同的思路。它不关心页面内部的具体实现，而是将浏览器视为一个可以通过代码完全控制的黑盒应用程序。

工作原理： Playwright是一个由微软开发的跨浏览器自动化库。Autovisor脚本（通常用Python或Node.js编写）会启动一个真正的、无头（Headless）或有头的浏览器实例（如Chromium）。然后，脚本通过Playwright提供的API，以编程方式向浏览器发送指令：“打开这个URL”、“在这个坐标点击”、“等待这个文本出现”、“按键盘的向右键”。浏览器忠实执行这些指令，并将结果（如页面截图、元素状态）返回给脚本。

优势分析：

1. 极高的稳定性与鲁棒性：Playwright提供了强大的等待机制（如page.wait_for_selector、page.wait_for_function），可以智能地等待动态元素加载完成、网络请求结束或特定条件满足后再执行操作，完美应对动态内容。
2. 模拟真实用户行为：Playwright可以模拟完整的输入设备，包括鼠标移动轨迹、键盘输入、触摸手势，甚至设置地理位置和语言。这使得它的行为更难被网站的反自动化机制区分。
3. 完整的浏览器上下文控制：可以管理多个页面（标签页）、独立Cookie会话、拦截和修改网络请求、执行任意JavaScript（在页面上下文中）、处理弹窗和下载。这为处理复杂交互（如登录验证码、视频播放心跳）提供了可能。
4. 跨平台与可编程性：作为标准代码项目，它可以运行在服务器、树莓派或任何有Python/Node环境的设备上，方便24小时托管。其逻辑可以通过编程灵活调整，应对变化。

挑战与门槛：

1. 部署复杂度高：需要在本机或服务器上安装Python/Node.js运行环境、安装Playwright库（pip install playwright），并安装它所需的浏览器内核（playwright install chromium）。这对非开发者用户是一道门槛。
2. 资源占用更高：需要运行一个完整的浏览器进程，内存占用通常在几百MB级别。
3. 需要基础编程知识：用户需要能理解脚本逻辑，并根据自己的课程URL、账号信息进行简单配置，甚至可能需要调试错误。

实操心得：选择哪种方案，本质上是在“便捷性”和“可靠性”之间做权衡。油猴脚本适合追求开箱即用、课程结构稳定且不愿折腾的普通用户。而Playwright Autovisor则适合那些受够了脚本频繁失效、愿意花一点时间搭建一个“一劳永逸”的自动化环境，或者对技术本身感兴趣的学习者。对于智慧树这种前端可能频繁微调的教育平台，后者的长期稳定性优势会越来越明显。

3. Autovisor脚本实战：从环境搭建到稳定运行

理论说得再多，不如亲手跑一遍。下面，我将以Python版Autovisor脚本为例，详细拆解从零开始部署并用于智慧树刷课的全过程。我会假设你具备最基础的命令行操作知识。

3.1 环境准备与Playwright安装

首先，我们需要一个干净的Python环境。推荐使用Python 3.8或更高版本。

步骤一：创建项目目录与虚拟环境为了避免包冲突，最佳实践是使用虚拟环境。

# 打开终端（Windows用CMD或PowerShell，Mac/Linux用Terminal） mkdir zhihuishu-autovisor && cd zhihuishu-autovisor python -m venv venv # 创建名为venv的虚拟环境 # 激活虚拟环境 # Windows: venv\Scripts\activate # Mac/Linux: source venv/bin/activate

激活后，命令行提示符前会出现(venv)字样。

步骤二：安装Playwright库

pip install playwright

这个命令会安装Playwright的核心Python库。

步骤三：安装浏览器内核Playwright需要对应的浏览器二进制文件来驱动。

playwright install chromium

这里我选择Chromium，因为它开源、轻量且与Chrome兼容性好。这个命令会下载Chromium浏览器到Playwright的缓存目录。你也可以安装firefox或webkit。

提示：如果下载速度慢，可以尝试设置环境变量来使用国内镜像源，但Playwright官方并未直接提供换源参数。更可靠的方法是确保网络通畅，或手动下载后指定路径。不过对于大多数用户，直接安装等待即可。

步骤四：验证安装创建一个简单的测试脚本test_playwright.py：

import asyncio from playwright.async_api import async_playwright async def main(): async with async_playwright() as p: # 启动浏览器，headless=False表示显示界面，方便调试 browser = await p.chromium.launch(headless=False) page = await browser.new_page() await page.goto('https://www.baidu.com') print(await page.title()) await asyncio.sleep(2) # 等待2秒，观察页面 await browser.close() asyncio.run(main())

运行python test_playwright.py，如果能看到浏览器打开百度并输出标题，说明环境配置成功。

避坑指南：

• 权限问题：在Linux/Mac系统，如果遇到权限错误，尝试用sudo运行安装命令，或检查~/.cache/ms-playwright目录的权限。
• 网络问题：安装浏览器内核需要稳定的网络。如果失败，可以多试几次，或搜索“Playwright 离线安装”。
• Python版本：确保使用的Python版本符合Playwright的要求。老旧版本（如Python 3.6）可能不兼容。

3.2 脚本核心逻辑解析与编写

一个健壮的智慧树刷课脚本，其核心逻辑远不止“点击播放”和“等待”。我们需要模拟一个真实学生的学习路径。下面是一个高度简化的核心逻辑框架，并附上关键代码段的详细解释。

脚本设计思路：

1. 登录：处理智慧树的登录页面，可能包括用户名密码输入和验证码识别（需额外处理）。
2. 导航到课程：登录后，跳转到指定的课程学习页面。
3. 章节遍历：获取课程的所有章节列表。
4. 视频处理：对于每个视频，执行：播放 -> 等待播放完毕（或计时完成） -> 处理中途可能出现的弹题。
5. 容错与日志：每个步骤都需要加入等待、重试和日志记录，确保一个环节出错不影响整体流程，且我们能知道卡在哪里。

核心代码实现（关键片段）： 以下代码使用Playwright的同步API（更易于理解），实际项目中异步API性能更好。

from playwright.sync_api import sync_playwright import time import logging # 配置日志，方便查看运行状态 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') logger = logging.getLogger(__name__) def run_zhihuishu(username, password, course_url): with sync_playwright() as p: # 启动浏览器，建议初期调试时使用 headless=False browser = p.chromium.launch(headless=False, slow_mo=100) # slow_mo让动作变慢，方便观察 context = browser.new_context( viewport={'width': 1920, 'height': 1080}, user_agent='Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ...' # 模拟真实UA ) page = context.new_page() try: # 1. 登录 logger.info("正在访问登录页面...") page.goto('https://passport.zhihuishu.com/login') # 等待登录表单加载 page.wait_for_selector('input[placeholder="请输入手机号/邮箱"]') page.fill('input[placeholder="请输入手机号/邮箱"]', username) page.fill('input[placeholder="请输入密码"]', password) # 注意：这里可能需要处理验证码，此处略过，假设无需验证码或手动处理 page.click('button.login-btn') # 根据实际登录按钮选择器调整 page.wait_for_load_state('networkidle') # 等待主要网络请求结束 logger.info("登录成功（假设）") # 2. 跳转到课程页 page.goto(course_url) logger.info(f"已进入课程页面: {course_url}") # 3. 获取章节列表 - 这里的选择器需要根据智慧树实际页面结构调整 # 通常章节在某个 .chapter-list 或 .section-list 容器下 page.wait_for_selector('.chapter-item') # 等待章节元素出现 chapter_elements = page.query_selector_all('.chapter-item') logger.info(f"共找到 {len(chapter_elements)} 个章节") for i, chapter in enumerate(chapter_elements): logger.info(f"开始学习第 {i+1} 章") # 点击展开或进入章节详情页，逻辑因页面设计而异 chapter.click() time.sleep(1) # 等待章节内容加载 # 4. 在章节内查找视频链接并处理 # 视频可能以 .video-item 或特定类名标识 video_links = page.query_selector_all('a[href*="video"]') # 示例选择器 for j, video_link in enumerate(video_links): logger.info(f" 开始学习第 {j+1} 个视频") # 在新标签页打开视频，避免破坏章节列表上下文 with context.expect_page() as new_page_info: video_link.click(button='middle') # 中键点击在新标签打开 video_page = new_page_info.value video_page.wait_for_load_state('domcontentloaded') # 核心：视频播放与监控循环 handle_video_playback(video_page) video_page.close() logger.info(f" 第 {j+1} 个视频学习完成") logger.info(f"第 {i+1} 章学习完成") logger.info("所有章节学习完成！") except Exception as e: logger.error(f"程序运行出错: {e}") # 可以在这里保存错误截图，便于调试 page.screenshot(path='error.png') finally: # 留出时间查看结果，然后关闭浏览器 time.sleep(5) browser.close() def handle_video_playback(video_page): """处理单个视频页面的播放、计时和弹题""" # 等待并点击播放按钮 play_button = video_page.wait_for_selector('.play-btn', state='visible', timeout=10000) play_button.click() logger.info("视频开始播放") # 寻找视频时长元素（智慧树通常会在某个地方显示总时长，如 12:30） # 这是一个难点，因为元素位置不固定。可能需要通过执行JS来获取视频DOM的duration属性。 # 这里采用一种更通用的“保底”策略：等待足够长的时间，并监控播放进度。 total_wait_time = 0 max_wait_time = 7200 # 最大等待2小时，防止死循环 while total_wait_time < max_wait_time: time.sleep(30) # 每30秒检查一次 total_wait_time += 30 # 检查是否有“弹题”出现 quiz_modal = video_page.query_selector('.popup-quiz, .dialog-question') # 示例选择器 if quiz_modal and quiz_modal.is_visible(): logger.info("检测到课堂提问弹窗") # 处理弹题：通常选择第一个答案或随机选一个 first_option = video_page.query_selector('.option-item:first-child') if first_option: first_option.click() time.sleep(1) # 点击提交按钮 submit_btn = video_page.query_selector('.submit-btn') if submit_btn: submit_btn.click() logger.info("已处理课堂提问") time.sleep(3) # 等待弹窗消失 # 检查是否出现“下一节”或“继续学习”按钮，这通常意味着当前视频已学完 next_btn = video_page.query_selector('.next-btn, .continue-btn') if next_btn and next_btn.is_visible(): logger.info("检测到下一节按钮，当前视频可能已播放完毕") break # 可选：通过执行JS检查视频元素的当前播放时间 # current_time = video_page.evaluate('() => document.querySelector("video").currentTime') # logger.debug(f"视频当前播放时间: {current_time}") logger.info(f"视频处理结束，总计监控时长: {total_wait_time}秒") if __name__ == '__main__': # 在这里填入你的账号信息和课程链接 YOUR_USERNAME = "你的手机号/邮箱" YOUR_PASSWORD = "你的密码" YOUR_COURSE_URL = "你的智慧树课程学习页面URL" run_zhihuishu(YOUR_USERNAME, YOUR_PASSWORD, YOUR_COURSE_URL)

关键逻辑解读与注意事项：

1. 选择器（Selector）是核心：代码中像.chapter-item、.play-btn这样的CSS选择器，是脚本与页面交互的“坐标”。智慧树的页面结构可能变化，这是脚本需要维护的主要部分。实操心得：使用浏览器的开发者工具（F12）的“检查”功能，仔细查看目标元素的class、id或>测试维度油猴脚本 (Tampermonkey)Playwright Autovisor 脚本部署速度极快。安装扩展+安装脚本，2分钟内完成。较慢。需安装Python、Playwright、浏览器，配置脚本，约15-30分钟。首次运行成功率中等。首次运行即遇到章节列表加载不全，脚本无法识别新UI组件，卡在第一章。高。通过wait_for_selector和调整选择器，成功加载所有章节并开始播放。长时间运行稳定性低。运行3小时后，因页面JavaScript报错（第三方资源加载失败）导致脚本停止响应，需手动刷新页面。高。持续运行超过8小时，完整学完多个章节。通过try-except捕获局部错误并记录日志，主流程未中断。应对动态内容差。视频切换时，播放器组件重新渲染，脚本的计时器中断，需要手动触发一次才能恢复。优。每个视频在新页面上下文处理，状态隔离。使用循环检查机制，不受父页面动态变化影响。资源占用可忽略。较高。一个Chromium进程占用约300MB内存。可调试性困难。错误信息隐藏在浏览器控制台，且与页面其他日志混杂。优秀。独立的Python进程，所有操作和错误都有清晰日志输出，并可随时截图保存现场。应对反自动化脆弱。平台更新UI后，脚本完全失效，需等待脚本作者更新。强健。即使UI变化，通常只需调整少数几个元素选择器即可修复，主动权在自己手中。

   实测结论：在“稳定性”这个核心诉求上，Playwright Autovisor方案取得了压倒性优势。它的稳定性并非来自侥幸，而是源于其架构设计：将浏览器作为外部进程控制，通过健壮的API进行容错性交互。油猴脚本的“轻巧”在复杂的、动态的现代Web应用面前，反而成了其最大的阿喀琉斯之踵。

   4.2 常见问题与排查技巧实录

   在实际编写和运行Autovisor脚本的过程中，我遇到了不少坑。这里将典型问题及解决方案整理成表，希望能帮你快速排雷。

   问题现象	可能原因	排查与解决思路
   playwright install下载极慢或失败	网络连接问题，或访问GitHub等国外资源受限。	1.重试：多试几次，网络波动可能导致失败。 2.使用Playwheel：Playwright官方推荐使用playwright install --with-deps chromium，或尝试使用pip install playwright -i https://pypi.tuna.tsinghua.edu.cn/simple换源安装库，但浏览器二进制仍需从官方下载。 3.手动下载：从Playwright的GitHub Releases页面找到对应版本的Chromium包，手动解压到~/.cache/ms-playwright目录下。
   脚本报错Timeout 30000ms exceeded	页面元素未在指定时间（默认30秒）内出现。	1.增加超时时间：page.wait_for_selector(‘selector’, timeout=60000)。 2.检查选择器是否正确：页面结构可能已更新。用headless=False模式运行，打开开发者工具确认元素是否存在，以及选择器是否能唯一匹配。 3.等待更稳定的状态：将wait_for_selector改为等待更“底层”或更稳定的父级容器。
   页面打开了，但无法输入账号密码	登录框可能是iframe或Shadow DOM。	1.定位iframe：frame = page.frame(name=‘login-frame’)或frame = page.frame(url=‘包含login的url’)，然后对frame进行操作，如frame.fill(‘#username’, ‘xxx’)。 2.处理Shadow DOM：使用page.evalute_handle执行JavaScript穿透Shadow Root来获取元素。
   视频播放后，脚本无法检测到完成	视频完成标志（如下一节按钮）的选择器不对，或出现时机晚。	1.多条件等待：page.wait_for_function可以等待自定义条件，如等待某个按钮文本变为“下一节”。 2.结合网络监听：视频播放会加载m3u8或mp4片段。可以监听网络请求，当视频片段请求停止一段时间后，判断为播放结束。page.on(‘request’, handler)。 3.保底超时：如上述示例，设置一个最大等待时间，避免无限循环。
   脚本被检测为自动化工具，登录失败	网站检测到无头浏览器特征或自动化指纹。	1.使用有头模式：launch(headless=False)。 2.添加用户代理和视口：如示例中在new_context时设置。 3.启用更完整的上下文：context = browser.new_context(bypass_csp=False)或添加额外的启动参数模拟真人浏览器，如--disable-blink-features=AutomationControlled。但需注意，这涉及更复杂的指纹对抗。
   运行一段时间后浏览器崩溃	内存泄漏，或浏览器进程被系统回收。	1.定期清理：对于长时间任务，可以考虑每完成几个章节后，关闭当前context和browser，重新启动一个新的实例。 2.增加系统资源：确保运行设备有足够的内存。 3.使用browser_type.launch_persistent_context：使用持久化上下文，但需妥善管理用户数据目录。

   独家避坑技巧：

   • 调试利器：Playwright Inspector在运行脚本时，设置环境变量PWDEBUG=1，或使用pytest --headed --slowmo=1000（如果使用Playwright Test），会自动打开一个调试器，可以单步执行、查看选择器、录制操作，对编写和调试脚本有巨大帮助。
   • 选择器录制：在浏览器中安装Playwright的浏览器扩展（如“Playwright for Chrome”），可以录制你在页面上的操作并生成选择器代码，极大提高编写效率。
   • “慢动作”模式：在launch参数中设置slow_mo=1000（单位毫秒），让每个Playwright操作间隔1秒，你可以清晰地看到脚本每一步在做什么，非常适合调试逻辑流。
   • 日志分级：合理使用logging模块的DEBUG,INFO,WARNING等级别。在开发时设为DEBUG查看所有细节，稳定运行后设为INFO或WARNING，只关注关键事件和错误。

   5. 进阶优化与扩展思路

   一个能跑起来的脚本只是开始。要让Autovisor真正成为可靠的生产力工具，还需要考虑更多。

   5.1 性能与健壮性优化

   1. 异步并发：上述示例使用的是同步API，简单但效率低。对于需要同时监控多个课程或处理多任务，应使用异步API（async/await）。这可以让你在一个事件循环中管理多个页面，显著提升效率。

      import asyncio async def process_video(video_page): # 异步处理视频 pass async def main(): async with async_playwright() as p: browser = await p.chromium.launch() # 可以同时创建多个任务 tasks = [process_video(page1), process_video(page2)] await asyncio.gather(*tasks)

   2. 状态持久化与断点续学：脚本可能因网络、断电中断。可以设计将学习进度（如当前章节索引、视频索引）定期保存到本地文件（如JSON）或数据库。下次启动时，先读取进度，然后跳过已学部分。
   3. 配置文件分离：将账号、密码、课程URL、超时时间、选择器等配置项抽离到单独的config.yaml或config.ini文件中。这样无需修改代码即可适配不同账号和课程。
   4. 心跳与保活：对于超长视频，可以定期在页面上执行一个轻微的无害操作（如获取页面标题），以防止浏览器因长时间无交互而进入休眠或断开连接。

   5.2 应对复杂交互与验证

   1. 验证码处理：如果登录时需要验证码，这是自动化的一大挑战。可以有以下思路：
      • 手动介入：设置headless=False，在出现验证码时暂停脚本，手动输入后继续。
      • 第三方OCR服务：对接云服务（如阿里云、腾讯云的OCR API）进行识别，但需要成本且可能受识别率影响。
      • 机器学习模型：使用本地训练的CNN模型识别简单验证码，复杂度高。
      • Cookie复用：手动登录一次，使用context.storage_state(path=‘auth.json’)保存登录状态（Cookie、LocalStorage）。下次脚本启动时，使用browser.new_context(storage_state=‘auth.json’)加载状态，绕过登录。这是最实用的方法，但需注意Cookie有效期。
   2. 复杂弹题与考试：对于需要答题的弹窗，简单的随机选择可能不够。可以：
      • 题目与答案库：预先建立或从网络获取题目答案映射（需注意合规性）。
      • 搜索引擎联动：将题目文本提取出来，通过程序调用搜索引擎接口，尝试寻找答案（技术可行，但伦理和平台规则需谨慎考量）。

   5.3 部署与自动化运行

   1. 服务器部署：在云服务器（如腾讯云轻量应用服务器、阿里云ECS）上部署，可以做到24小时不间断运行。注意选择带图形界面的服务器镜像，或无头模式下运行稳定。
   2. 定时任务：使用系统的cron（Linux）或任务计划程序（Windows）定时启动Python脚本，实现定时“刷课”。
   3. 容器化：使用Docker将Python环境、Playwright和脚本打包成一个镜像，可以在任何支持Docker的环境中一键运行，彻底解决环境依赖问题。

      FROM mcr.microsoft.com/playwright/python:v1.40.0-jammy WORKDIR /app COPY requirements.txt . RUN pip install -r requirements.txt COPY . . CMD ["python", "zhihuishu_autovisor.py"]

   4. 消息通知：集成钉钉、Server酱、Telegram Bot等通知服务，在脚本完成、出错或遇到验证码需要人工干预时，发送通知到你的手机。

   经过这一整套从原理剖析、环境搭建、脚本编写、实测对比到进阶优化的流程，我的结论非常明确：如果你追求的是极致的稳定性和掌控感，愿意付出一些初始的学习和配置成本，那么基于Playwright的Autovisor方案无疑是远胜于传统油猴脚本的选择。它不仅仅是一个“刷课工具”，更是一个学习现代浏览器自动化技术的绝佳实践项目。当你成功运行起自己的脚本，看着它稳定地一章节一章节推进时，那种成就感，是单纯点击安装一个油猴脚本无法比拟的。最后一个小建议，在正式全自动运行前，务必先用headless=False模式完整观察一遍流程，确保每一个环节都如你所愿，这才是“稳”字背后的真正基石。