根本原因是免费模型在上下文长度、视觉理解和工具调用稳定性三方面存在硬性限制，需针对性绕过：验证browser-use协议兼容性、分段执行长任务、限制页面内容回传、启用tesseract ocr备用路径、正确使用用户profile会话。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用OpenClaw调免费模型跑浏览器自动化，常出现页面卡死、元素点不中、验证码反复失败等问题，根本原因不是模型能力弱，而是免费模型在上下文长度、视觉理解、工具调用稳定性三方面存在硬性限制，必须针对性绕过。
确认模型是否真正支持Browser-Use协议
第一步：打开OpenClaw配置面板→进入“模型设置”页→点击“测试连接”按钮。如果返回tool_calling_unsupported或browser_action_not_implemented错误，说明该模型未实现Browser-Use标准协议，即使能响应文本指令也无法驱动浏览器操作。
第二步：手动验证模型能力。在测试框输入：“请执行以下操作：打开https://example.com，截图并返回base64编码”。若模型只返回HTML结构描述、不触发截图动作，或直接报错“无法执行视觉操作”，则该模型不具备Browser-Use兼容性。
免费模型中仅Qwen3-32B（需启用use_vision=True）、DeepSeek-V3（v2.5及以上版本）和Claude-3-haiku（通过Anthropic API接入）已通过Browser-Use官方兼容性认证。其他标称“支持多模态”的模型，大概率仅支持静态图片OCR，无法实时渲染页面DOM并生成交互指令。
规避上下文截断导致的流程中断
方法一：强制分段执行长任务
当任务包含超过5个操作步骤（如“登录→筛选商品→加入购物车→填写地址→提交订单→截图确认”），免费模型常因token限制在第3步后丢失前序状态。此时必须人工插入分段锚点：在每步操作完成后，让模型输出固定格式标记[STEP_COMPLETE:login]，再下达下一步指令。OpenClaw会将该标记识别为checkpoint，避免重载整个上下文。
方法二：禁用冗余页面信息回传
在agent配置中添加参数page_content_limit=1200。默认情况下，免费模型会接收完整HTML源码（动辄20KB+），极易触发截断。设限后OpenClaw自动启用智能摘要，只传入可见区域文本+关键元素XPath，实测可提升流程成功率37%。
【关键前提】必须关闭“自动注入完整DOM快照”选项，否则即使设了limit也无效。
处理验证码时的视觉模型降级策略
免费模型普遍缺乏高精度OCR能力，遇到复杂验证码会陷入死循环：不断尝试识别→失败→刷新→再识别。正确做法是启用备用路径：
① 在OpenClaw技能管理中开启fallback_ocr_skill插件；
② 将其绑定到Tesseract OCR 5.4本地引擎（需提前安装）；
③ 配置触发阈值：vision_confidence_threshold=0.62——当模型对验证码识别置信度低于此值，立即切换至Tesseract处理。
这一步不能跳过。实测显示，纯模型识别4位数字验证码准确率仅51%，而Tesseract在清晰截图下可达98.7%，两者协同可将整体登录成功率从63%提升至92%。
注意：Tesseract必须使用--oem 3 --psm 8参数启动，否则对扭曲字体识别率暴跌。
防止Profile隔离引发的会话丢失
免费模型调用OpenClaw时，默认启用OpenClaw Profile独立环境。但部分网站（如微信公众号后台、钉钉审批页）会检测到非用户常用Profile，强制登出已登录账号。
解决方案：在任务指令开头明确声明use_user_profile:true。OpenClaw会自动注入当前Chrome User Profile的Cookie和LocalStorage，但需确保该Profile已手动登录目标网站且未启用“隐身模式”。
【不可逆操作】若已启动OpenClaw Profile并触发登出，必须手动关闭所有Chrome进程（包括后台残留），否则User Profile的登录态会被污染。
