如何通过 NanoClaw 和 CapSolver 自动解决验证码

使用 NanoClaw 和 CapSolver 解决 CAPTCHAs

当你的AI助手在安全容器内浏览网页时，CAPTCHAs 仍然是最大的障碍。受保护的页面会阻止代理，表单无法提交，任务会因等待人工干预而停滞——即使代理是沙盒化的。

NanoClaw 是一个轻量级的AI助手框架，它在隔离的Linux容器中运行Claude代理。每个代理都有自己的文件系统、自己的浏览器和自己的工具——完全与主机和其他代理隔离。但像任何浏览器自动化一样，CAPTCHAs 会彻底阻止它。

CapSolver 完全改变了这一点。通过将 CapSolver Chrome 扩展加载到容器的 Chromium 浏览器中，CAPTCHAs 可以在后台自动且不可见地解决。无需代码。无需从你的侧调用API。无需更改与AI助手的交互方式。

最棒的是？你甚至不需要向AI提及CAPTCHAs。 你只需告诉它在提交前等待片刻——等到它点击提交时，CAPTCHA 已经被解决了。

而且因为 NanoClaw 在每个容器中运行每个代理，每个代理都有自己的隔离浏览器和自己的 CapSolver 实例——没有冲突，没有共享状态，代理之间不会互相干扰。

什么是 NanoClaw？

NanoClaw 是一个轻量级的AI助手框架，专为安全性和简洁性而设计。它在隔离的Linux容器中运行Claude代理——为每个代理提供真正的操作系统级隔离，而不是应用级权限检查。

核心功能

• 容器隔离：每个代理都在自己的Docker或Apple Container沙盒中运行，拥有隔离的文件系统
• 多渠道消息：通过WhatsApp、Telegram、Discord、Slack和Gmail与你的AI交流
• 内置浏览器：每个容器包含Chromium和agent-browser工具用于网页自动化
• 基于技能的自定义：通过Claude Code技能添加功能——无需配置蔓延
• 最小代码库：一个进程，少量文件，易于理解和自定义
• 计划任务：设置定期运行的作业，并让Claude运行后向你发送结果

容器内的浏览器

每个 NanoClaw 容器都包含 Debian Chromium 和 agent-browser 命令行工具。代理可以：

• 打开并导航到任何URL
• 读取页面内容并进行快照
• 点击按钮、填写表单、选择下拉框
• 截图
• 管理浏览器会话

可以把它想象成给每个AI代理一个隔离的浏览器窗口，位于一个受限制的沙盒中。

什么是 CapSolver？

CapSolver 是一个领先的CAPTCHA解决服务，提供AI驱动的解决方案来绕过各种CAPTCHA挑战。支持多种CAPTCHA类型，并且响应速度快，CapSolver 可以无缝集成到自动化流程中。

支持的CAPTCHA类型

• reCAPTCHA v2（基于图像和不可见）
• reCAPTCHA v3 & v3 企业版
• Cloudflare Turnstile
• Cloudflare 5秒挑战
• AWS WAF CAPTCHA

为什么这个集成不同

大多数CAPTCHA解决集成需要你编写代码——创建API调用、轮询结果、将令牌注入隐藏表单字段。这就是与Crawlee、Puppeteer或Playwright等工具的工作方式。

NanoClaw + CapSolver 从根本上不同：

关键洞察：CapSolver Chrome扩展在容器的Chromium浏览器中运行。当代理导航到包含CAPTCHA的页面时，扩展会检测到它，在后台解决它，并注入令牌——在代理甚至尝试提交表单之前就已经完成。

你只需要给它时间。 不需要告诉AI“解决CAPTCHA”，你只需说：

“去那个页面，等待70秒，然后点击提交。”

就这样。AI根本不需要知道CapSolver的存在。

容器优势

由于 NanoClaw 为每个代理运行独立的容器，你将获得一个独特的优势：每个代理都有自己的Chromium实例和自己的CapSolver扩展。这意味着：

• 多个代理可以同时解决CAPTCHA而不会发生冲突
• 每个代理的浏览器状态完全隔离
• 代理之间没有共享的cookies、缓存或扩展状态
• 如果一个代理的浏览器崩溃，其他代理不受影响

前提条件

在设置集成之前，请确保您已：

1. 安装并运行 NanoClaw (设置指南)
2. 注册 CapSolver 账户 并获取API密钥 (在这里注册)

不需要Chrome进行测试

好消息：NanoClaw 容器使用 Debian Chromium（通过 apt-get install chromium 安装），它没有品牌标识，并完全支持 --load-extension 标志。与品牌版Google Chrome 137+不同，后者在2025年中旬悄然移除了扩展加载支持，Debian Chromium 可以开箱即用。

你不需要安装Chrome for Testing、Playwright的捆绑Chromium或任何替代浏览器。容器中已有的Chromium就足够了。

分步设置

步骤1：下载 CapSolver Chrome 扩展

将 CapSolver Chrome 扩展下载到你的 NanoClaw 项目目录中：

1. 前往 CapSolver扩展的GitHub发布页面
2. 下载最新的 CapSolver.Browser.Extension-chrome-vX.X.X.zip
3. 解压zip文件：

mkdir -p assets/capsolver-extension
unzip CapSolver.Browser.Extension-chrome-v*.zip -d assets/capsolver-extension/

4. 验证解压是否成功：

ls assets/capsolver-extension/manifest.json

你应该能看到 manifest.json —— 这表明扩展已放置在正确的位置。

步骤2：设置你的 CapSolver API 密钥

打开扩展的配置文件 assets/capsolver-extension/assets/config.js，并将 apiKey 值替换为你的API密钥：

export const defaultConfig = {
  apiKey: 'CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX',  // ← 在这里放你的密钥
  useCapsolver: true,
  // ...其余配置
};

你可以在你的 CapSolver仪表板 上获取API密钥。

步骤3：将扩展挂载到容器中

NanoClaw 在 Docker 容器中运行代理。扩展目录需要在容器内位于 /opt/capsolver-extension。

选项A：通过容器运行器自动挂载（推荐）

将扩展放在 NanoClaw 项目目录的 assets/capsolver-extension/ 中。然后在 src/container-runner.ts 中添加一个卷挂载：

// 如果存在，挂载CapSolver扩展
const capsolverPath = path.join(process.cwd(), 'assets', 'capsolver-extension');
if (fs.existsSync(capsolverPath)) {
  mounts.push({
    hostPath: capsolverPath,
    containerPath: '/opt/capsolver-extension',
    readonly: true,
  });
}

选项B：将扩展打包到容器镜像中

在你的 container/Dockerfile 中添加：

# 添加CapSolver扩展
COPY ../assets/capsolver-extension/ /opt/capsolver-extension/

然后重新构建容器镜像。

步骤4：配置 agent-browser 加载扩展

NanoClaw 使用 agent-browser CLI 工具在容器内进行浏览器自动化。它通过环境变量支持加载Chrome扩展。

在 src/container-runner.ts 的容器中添加这些环境变量：

if (fs.existsSync(capsolverPath)) {
  args.push('-e', 'AGENT_BROWSER_EXTENSIONS=/opt/capsolver-extension');
  args.push('-e', 'DISPLAY=:99');
  args.push('-e', 'AGENT_BROWSER_ARGS=--no-sandbox,--disable-gpu,--disable-blink-features=AutomationControlled,--disable-background-timer-throttling');
  args.push('-e', 'AGENT_BROWSER_HEADED=true');
}

步骤5：在容器中设置Xvfb

Chrome扩展需要显示，即使在容器中也是如此。在你的 container/Dockerfile 中添加 xvfb 并在入口点自动启动它：

# 将xvfb添加到apt-get安装列表中
RUN apt-get update && apt-get install -y \
    chromium \
    xvfb \
    # ...其他依赖项
    && rm -rf /var/lib/apt/lists/*

# 使非root用户可以运行Xvfb
RUN chmod u+s /usr/bin/Xvfb

# 创建会话目录（agent-browser需要这个）
RUN mkdir -p /home/node/.claude/session-env && chown -R node:node /home/node/.claude

更新入口点以自动启动Xvfb：

#!/bin/bash
set -e
# 为浏览器扩展启动Xvfb
if [ -n "$DISPLAY" ]; then
  Xvfb $DISPLAY -screen 0 1280x720x24 &
  sleep 0.5
fi
# ...其余入口点

步骤6：重启 NanoClaw

# 重启NanoClaw以应用更改
npm run dev
# 或者如果作为服务运行：
pm2 restart nanoclaw

步骤7：验证设置

通过任何连接的渠道（Discord、WhatsApp、Telegram）向你的 NanoClaw 代理发送测试消息：

前往 https://www.google.com/recaptcha/api2/demo，等待70秒，
然后点击提交并告诉我页面上显示的文本。

如果 CapSolver 正常工作，代理应该报告：“验证成功... 太好了！”

如何使用

这是最重要的部分。一旦设置完成，使用 CapSolver 与 NanoClaw 是非常简单的。

黄金法则

不要向AI提及CAPTCHAs或CapSolver。 在提交表单前给它一点时间。

AI代理不需要知道CAPTCHAs的存在。扩展会在后台处理一切。你只需要在指令中包含一个等待时间，这样扩展就有时间在表单提交前解决挑战。

示例1：reCAPTCHA演示

将以下内容发送给你的 NanoClaw 代理（通过Discord、WhatsApp、Telegram或任何渠道）：

前往 https://example.com，等待70秒，
然后点击提交并告诉我页面上显示的文本。

幕后发生的事情：

1. 代理的容器接收到消息
2. 代理启动Chromium（加载CapSolver扩展）
3. Chromium 导航到页面
4. CapSolver 的内容脚本检测到 reCAPTCHA 小部件
5. 扩展调用 CapSolver API 并解决挑战（通常在10-20秒内）
6. 令牌被注入到隐藏的表单字段中
7. 等待70秒后，代理点击提交
8. 页面显示：“验证成功... 太好了！”

示例2：登录受保护网站

前往 https://example.com/login，将电子邮件字段填写为
"me@example.com"，密码字段填写为"mypassword123"，
然后等待30秒并点击登录按钮。
告诉我登录后的页面内容。

示例3：提交Turnstile后面的表单

打开 https://example.com/contact，填写联系表单：
- 姓名："John Doe"
- 邮箱："john@example.com"
- 消息："你好，我有关于你们服务的问题。"
等待45秒，然后点击发送消息。出现什么确认信息？

推荐的等待时间

提示：如果不确定，使用70秒。等待更久比过早提交更好。额外的等待时间不会影响结果。在我们的测试中，60秒对于 reCAPTCHA v2 是临界值——70秒可以可靠工作。

有效自然语言模式

以下是一些经过验证的表达方式：

• "前往[URL]，等待70秒，然后提交表单"
• "导航到[URL]，填写[字段]，等待30秒，然后点击[按钮]"
• "打开[URL]，大约一分钟后点击提交并告诉我结果"
• "访问[URL]，在页面完全加载后等待片刻，然后提交"

不要这样说

避免这些表达——它们可能让AI困惑或触发拒绝：

• "等待CAPTCHA被解决"（AI不知道CAPTCHA）
• "使用CapSolver解决验证"（AI无法控制扩展）
• "点击reCAPTCHA复选框"（扩展会处理这个——点击可能会干扰）

背后的工作原理

对于技术爱好者，以下是当 CapSolver 扩展加载到 NanoClaw 容器中时发生的情况：

  你的消息                    NanoClaw 服务器
  ───────────────────────────────────────────────────
  "前往页面，          ──►  消息路由器接收消息
   等待60秒，提交"         │
                              ▼
                         为代理生成容器
                         ┌─────────────────────────────────┐
                         │  隔离的Docker容器       │
                         │                                  │
                         │  Claude代理（通过代理SDK）    │
                         │       │                          │
                         │       ▼                          │
                         │  agent-browser：导航到URL  │
                         │       │                          │
│       ▼                          │
                         │  Chromium + CapSolver 扩展  │
                         │  ┌───────────────────────────┐   │
                         │  │ 包含 reCAPTCHA 的页面       │   │
                         │  │                           │   │
                         │  │ CapSolver 扩展:      │   │
                         │  │ 1. 内容脚本检测页面上的 reCAPTCHA │   │
                         │  │ 2. 服务工作者调用 CapSolver API          │   │
                         │  │ 3. 接收令牌         │   │
                         │  │ 4. 将令牌注入隐藏表单字段      │   │
                         │  └───────────────────────────┘   │
                         │       │                          │
                         │       ▼                          │
                         │  代理等待 70 秒...       │
                         │       │                          │
                         │       ▼                          │
                         │  agent-browser: 点击 提交     │
                         │       │                          │
                         │       ▼                          │
                         │  "验证成功！"         │
                         └─────────────────────────────────┘
                              │
                              ▼
                         通过 Discord/WhatsApp 等发送响应

扩展如何加载

NanoClaw 使用 agent-browser CLI 工具，该工具通过 AGENT_BROWSER_EXTENSIONS 环境变量支持加载 Chrome 扩展。当设置此变量时，agent-browser 会自动将 --load-extension 传递给 Chromium。

1. 容器启动 时设置 AGENT_BROWSER_EXTENSIONS=/opt/capsolver-extension
2. 代理调用 agent-browser open <url> — Chromium 会加载扩展启动
3. 扩展激活 — 其服务工作者启动，内容脚本被注入到每个页面
4. 在包含 CAPTCHA 的页面上 — 内容脚本检测小部件，调用 CapSolver API，并将解决方案令牌注入页面

由于 NanoClaw 使用 Debian Chromium（非品牌 Google Chrome），--load-extension 标志可以可靠地工作而无需任何变通方法。并且由于 agent-browser 在内部处理该标志，您无需自己管理 Chrome 启动参数。

故障排除

扩展未加载

症状: 代理导航并提交但 CAPTCHA 未被解决。

可能原因:

1. 扩展未挂载 — 验证卷挂载是否正确: ls /opt/capsolver-extension/manifest.json 容器内
2. AGENT_BROWSER_EXTENSIONS 未设置 — 确保容器内的 AGENT_BROWSER_EXTENSIONS 环境变量设置为 /opt/capsolver-extension
3. 缺少显示 — Chrome 扩展需要显示上下文。确保 Xvfb 以 DISPLAY=:99 运行

浏览器权限错误 (session-env)

症状: 代理报告 "无法在 /home/node/.claude/session-env 创建会话目录"

原因: agent-browser 工具需要可写的会话目录。如果主机挂载的 .claude 目录中没有它，工具会失败。

修复: 确保目录在 Dockerfile 和主机上都存在:

# 在 Dockerfile 中:
RUN mkdir -p /home/node/.claude/session-env && chown -R node:node /home/node/.claude

# 在主机上（对于挂载的卷）:
mkdir -p data/sessions/main/.claude/session-env
chmod -R 777 data/sessions/main/.claude

CAPTCHA 未解决（表单失败）

可能原因:

1. 等待时间不足 — 增加到 70 秒
2. 无效的 API 密钥 — 检查您的 CapSolver 仪表板
3. 余额不足 — 为您的 CapSolver 账户充值
4. 扩展未加载 — 参见“扩展未加载”部分

容器中的显示问题

症状: Chromium 崩溃或扩展在容器内无法工作。

修复: 确保在 Chromium 启动前运行 Xvfb:

Xvfb :99 -screen 0 1280x720x24 &
export DISPLAY=:99

将这些添加到容器的入口点脚本中以自动运行。

替代方案：CapSolver Skills（基于 API 的解决）

除了 Chrome 扩展方法外，NanoClaw 还支持使用 CapSolver Skills 的第二种集成方法 —— 一个 Python CLI 工具，通过 CapSolver API 直接解决 CAPTCHA。

工作原理

与扩展在后台不可见地解决 CAPTCHA 不同，代理会显式地:

1. 从页面中提取 CAPTCHA 网站密钥
2. 通过 python3 /opt/capsolver-skills/scripts/solver.py 调用 CapSolver API
3. 接收解决方案令牌
4. 将令牌注入页面的隐藏表单字段
5. 提交表单

设置

将 capsolver-skills 仓库 克隆到您的 NanoClaw 项目中:

git clone https://github.com/capsolver/capsolver-skills.git assets/capsolver-skills

在 container/Dockerfile 中添加 python3 和依赖项:

RUN apt-get update && apt-get install -y python3 python3-pip \
    && pip3 install --break-system-packages requests python-dotenv

挂载技能目录并在 src/container-runner.ts 中传递 API 密钥:

// 挂载 capsolver-skills
const capsolverSkillsPath = path.join(process.cwd(), 'assets', 'capsolver-skills');
if (fs.existsSync(capsolverSkillsPath)) {
  mounts.push({
    hostPath: capsolverSkillsPath,
    containerPath: '/opt/capsolver-skills',
    readonly: true,
  });
}

// 传递 API 密钥
args.push('-e', `API_KEY=${capsolverApiKey}`);

在 .env 文件中设置 CAPSOLVER_API_KEY:

CAPSOLVER_API_KEY=CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

使用示例

@OpenCrawl 访问 https://www.google.com/recaptcha/api2/demo，
使用 capsolver 技能解决 reCAPTCHA，
然后点击提交并告诉我结果。

支持的 CAPTCHA 类型

CapSolver Skills 解决器通过 CLI 支持所有主要的 CAPTCHA 类型:

扩展与技能：何时使用每种方法

提示: 您可以同时使用这两种方法。扩展在后台自动处理 CAPTCHA，而技能解决器在需要时为代理提供显式控制。

最佳实践

1. 始终使用较长的等待时间

更长的等待时间总是更安全。CAPTCHA 通常在 10-30 秒内解决，但网络延迟、复杂挑战或重试可能增加时间。60-70 秒 是最佳选择。

2. 保持消息自然

避免使用:

"导航到 URL，等待验证码解决器，然后提交"

使用:

"访问 URL，等待大约一分钟，然后提交表单"

自然的措辞对 AI 更有效，并避免触发安全拒绝。

3. 监控您的 CapSolver 余额

每次 CAPTCHA 解决都会消耗积分。定期检查您的余额 capsolver.com/dashboard 以避免中断。

4. 使用卷挂载方法

将扩展卷挂载（而不是将其烘焙到镜像中）使更新扩展变得容易，而无需重新构建容器镜像。只需下载新版本并重启 NanoClaw。

结论

NanoClaw + CapSolver 集成将 CAPTCHA 解决方案带入容器化 AI 代理 —— 两种方式:

1. Chrome 扩展（零代码）: 挂载扩展，设置您的 API 密钥，CAPTCHA 在后台自动解决。只需告诉您的 AI 在提交前等待。
2. CapSolver 技能（基于 API）: 代理显式调用 CapSolver API 生成令牌并将其注入页面。更多控制，无需等待。

这两种方法都经过验证且有效。对于简单的“浏览和提交”工作流使用扩展，当需要细粒度控制时使用 CapSolver 技能。

得益于 NanoClaw 的容器架构，每个代理都有其自己的隔离浏览器和 CapSolver 实例 —— 没有冲突，没有共享状态，真正的多代理 CAPTCHA 解决方案。

这就是拥有容器化 AI 助手时 CAPTCHA 解决方案的样子: 不可见、自动、隔离且零代码。

准备好了吗？ 注册 CapSolver 并使用优惠码 NANOCLAW 在首次充值时获得额外 6% 的奖励！

FAQ

我需要告诉 AI 关于 CapSolver 吗？

不需要。 实际上，您应避免在消息中提及 CAPTCHA 或 CapSolver。扩展在后台不可见地工作。只需在指令中包含等待时间（例如，“等待 70 秒，然后提交”）以给扩展时间解决页面上的任何 CAPTCHA。

为什么 NanoClaw 不需要 Chrome 进行测试？

NanoClaw 容器使用通过 apt-get 安装的 Debian Chromium，这是非品牌的。与 Google Chrome 137+（在 2025 年中旬无声地移除了 --load-extension 支持）不同，Debian Chromium 完全支持扩展加载。无需变通方法。

CapSolver 支持哪些 CAPTCHA 类型？

CapSolver 支持 reCAPTCHA v2（复选框和不可见）、reCAPTCHA v3、Cloudflare Turnstile、AWS WAF CAPTCHA 等。Chrome 扩展会自动检测 CAPTCHA 类型并相应解决。

CapSolver 的费用是多少？

CapSolver 提供基于 CAPTCHA 类型和数量的有竞争力的价格。访问 capsolver.com 查看当前价格。使用优惠码 NANOCLAW 在首次充值时获得额外 6% 的奖励。

NanoClaw 是免费的吗？

NanoClaw 是开源的（MIT 许可证），可在自己的硬件上免费运行。您需要 AI 模型的 API 密钥 —— 可以是 Anthropic API 密钥，也可以是 OpenRouter API 密钥（通过单个账户访问 Claude 和其他模型）。对于 CAPTCHA 解决，您需要具有积分的 CapSolver 账户。

我应该告诉 AI 等待多久？

对于大多数 CAPTCHA，60-70 秒足够。实际解决时间通常为 10-30 秒，但添加额外的缓冲时间可确保可靠性。如果不确定，使用 70 秒 —— 在我们的测试中，60 秒对于 reCAPTCHA v2 是边缘情况。

容器隔离如何帮助 CAPTCHA 解决？

每个 NanoClaw 代理都在其自己的 Docker 容器中运行，拥有自己的 Chromium 浏览器和 CapSolver 扩展实例。这意味着多个代理可以同时解决 CAPTCHA 而不会发生冲突 —— 没有共享 cookie，没有共享浏览器状态，没有干扰。如果一个代理的浏览器会话出现问题，它不会影响任何其他代理。

我可以在无头服务器上使用吗？

是的。您需要 Xvfb（X 虚拟帧缓冲区）来提供显示，因为 Chrome 扩展需要显示上下文。设置 DISPLAY=:99 并在容器内后台运行 Xvfb :99。