Cách giải CAPTCHA trên Nanobot bằng CapSolver

Khi trợ lý AI của bạn tự động hóa các nhiệm vụ trên web, CAPTCHA là rào cản số một. Các trang được bảo vệ sẽ không gửi, quy trình đăng nhập bị treo, và toàn bộ chu trình tự động hóa dừng lại chờ người dùng.

Nanobot là khung phần mềm trợ lý AI cá nhân siêu nhẹ có thể chạy trên phần cứng của bạn. Nó kết nối với các kênh bạn đã sử dụng — WhatsApp, Telegram, Discord, Slack, Email và nhiều hơn nữa — và đi kèm với công cụ exec tích hợp cho phép trợ lý viết và chạy script tự động.

CapSolver cung cấp API giải CAPTCHA được hỗ trợ bởi AI. Bằng cách kết hợp khả năng thực thi script của Nanobot với API REST của CapSolver, trợ lý của bạn có thể phát hiện CAPTCHA, giải chúng, chèn token và gửi biểu mẫu — tất cả mà không cần can thiệp của con người.

Điều tuyệt nhất? Bạn chỉ cần nói với trợ lý điều bạn muốn thực hiện bằng ngôn ngữ thông thường. Nó sẽ viết script Playwright, trích xuất sitekey, gọi CapSolver, chèn token và gửi biểu mẫu — tất cả tự động.

Nanobot là gì?

Nanobot là khung phần mềm trợ lý AI cá nhân với khoảng 3.500 dòng mã Python cốt lõi. Nó được thiết kế để nhẹ, dễ mở rộng và tự lưu trữ.

Tính năng chính

• Hộp thư đa kênh: Giao tiếp với AI của bạn qua WhatsApp, Discord, Telegram, Slack, Email, QQ và nhiều hơn nữa
• Công cụ tích hợp: Trợ lý có thể đọc/viết tệp, thực thi lệnh shell, tìm kiếm trên web, truy xuất trang, gửi tin nhắn qua các kênh và khởi chạy tác vụ nền
• Không phụ thuộc nhà cung cấp: Hoạt động với Anthropic, OpenAI, DeepSeek, Gemini, Qwen, Moonshot, Zhipu, Groq, vLLM và các nhà cung cấp cổng như OpenRouter
• Tập trung vào dữ liệu địa phương: Chạy trên phần cứng của bạn — dữ liệu của bạn sẽ ở lại với bạn
• Hệ thống nhớ: Ghi chú hàng ngày và trí nhớ dài hạn được lưu giữ qua các cuộc trò chuyện
• Hệ thống kỹ năng: Mở rộng với các kỹ năng được tích hợp hoặc tùy chỉnh cho các nhiệm vụ chuyên biệt

Công cụ Exec

Công cụ exec của Nanobot là yếu tố khiến tự động hóa trình duyệt có thể thực hiện được. Trợ lý có thể chạy bất kỳ lệnh shell nào, bao gồm các script Node.js điều khiển trình duyệt không đầu. Khi bạn yêu cầu trợ lý tương tác với một trang web, nó:

1. Viết script Playwright
2. Chạy nó thông qua công cụ exec
3. Đọc đầu ra và hình ảnh chụp màn hình
4. Báo cáo kết quả lại cho bạn qua kênh trò chuyện

Hãy tưởng tượng bạn đang cấp quyền truy cập dòng lệnh đầy đủ cho trợ lý AI — nó có thể cài đặt công cụ, viết script và thực thi chúng, tất cả từ một chỉ định bằng ngôn ngữ tự nhiên.

CapSolver là gì?

CapSolver là dịch vụ giải CAPTCHA hàng đầu cung cấp các giải pháp được hỗ trợ bởi AI để vượt qua các thách thức CAPTCHA khác nhau. Với sự hỗ trợ cho nhiều loại CAPTCHA và thời gian phản hồi nhanh, CapSolver tích hợp liền mạch vào các quy trình tự động hóa.

Các loại CAPTCHA được hỗ trợ

• reCAPTCHA v2 (dựa trên hình ảnh & không hiển thị)
• reCAPTCHA v3 & v3 Enterprise
• Cloudflare Turnstile
• Cloudflare 5-second Challenge
• AWS WAF CAPTCHA
• Các cơ chế CAPTCHA và chống bot phổ biến khác

Tại sao Cách tiếp cận của Nanobot Khác Biệt?

Hầu hết các tích hợp giải CAPTCHA rơi vào hai loại: tích hợp API cấp mã nơi bạn viết một lớp dịch vụ chuyên dụng, hoặc mở rộng trình duyệt nơi một tiện ích mở rộng Chrome xử lý mọi thứ một cách vô hình. Nanobot chọn cách thứ ba: tích hợp API do trợ lý điều khiển.

Trợ lý AI tự mình điều phối toàn bộ quy trình giải CAPTCHA một cách tự động — viết script Playwright, trích xuất sitekey, gọi API CapSolver và chèn token giải pháp — tất cả thông qua các script mà nó viết và thực thi theo yêu cầu.

Điểm mấu chốt: Trợ lý của Nanobot không cần tiện ích mở rộng trình duyệt vì nó có thể gọi API CapSolver một cách chương trình, trích xuất sitekey từ DOM trang và chèn token giải pháp — tất cả thông qua các script Playwright mà nó thực thi qua công cụ exec. Điều này hoạt động trong môi trường hoàn toàn không đầu mà không cần thiết lập màn hình.

Yêu cầu tiên quyết

Lưu ý: Các ví dụ dưới đây được kiểm tra trên Ubuntu 22.04 / 24.04. Các lệnh sử dụng apt và bash — điều chỉnh cho phân phối của bạn nếu cần.

Trước khi thiết lập tích hợp, hãy đảm bảo bạn có:

1. Ubuntu 22.04+ (hoặc bất kỳ Linux dựa trên Debian nào — các phân phối khác hoạt động với các gói tương đương)
2. Python 3.11+ đã cài đặt (sudo apt install python3 python3-pip python3-venv)
3. Nanobot đã cài đặt và chạy (pip install nanobot-ai hoặc pip install -e ".[dev]")
4. Tài khoản CapSolver với khóa API (đăng ký tại đây)
5. Node.js 18+ đã cài đặt (để chạy script Playwright)
6. Playwright đã cài đặt trong không gian làm việc của bạn

Hướng dẫn Thiết lập Bước theo Bước

Bước 1: Cài đặt Nanobot

# Cài đặt từ PyPI
pip install nanobot-ai

# Hoặc cài đặt từ nguồn cho phát triển
git clone https://github.com/HKUDS/nanobot.git
cd nanobot
pip install -e ".[dev]"

# Khởi tạo cấu hình và không gian làm việc
nanobot onboard

Bước 2: Thiết lập Khóa API CapSolver

Thêm khóa API CapSolver của bạn dưới dạng biến môi trường:

export CAPSOLVER_API_KEY="CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"

Bạn có thể nhận khóa API từ bảng điều khiển CapSolver của mình (https://www.capsolver.com/?utm_source=official&utm_medium=blog&utm_campaign=nanobot).

Để cấu hình bền vững, thêm nó vào hồ sơ shell của bạn (~/.bashrc hoặc ~/.zshrc).

Bước 3: Cài đặt Công cụ Tự động Hóa Trình duyệt

Cài đặt Playwright và các phụ thuộc hệ thống trên Ubuntu:

# Cài đặt phụ thuộc trình duyệt Playwright (Ubuntu)
sudo apt install -y libnss3 libatk-bridge2.0-0 libdrm2 libxcomposite1 \
  libxdamage1 libxrandr2 libgbm1 libpango-1.0-0 libasound2t64

# Cài đặt Playwright trong không gian làm việc nanobot
cd ~/.nanobot/workspace
npm init -y
npm install playwright
npx playwright install chromium

Bước 4: Khởi động Cổng

# Khởi động dịch vụ kênh (Telegram, Discord, v.v.)
nanobot gateway

# Hoặc để kiểm tra tương tác
nanobot agent

Bước 5: Xác minh Cài đặt

Gửi một tin nhắn kiểm tra đến trợ lý của bạn qua bất kỳ kênh nào đã kết nối:

Bạn có những công cụ nào sẵn có?

Trợ lý nên liệt kê exec trong số các công cụ của nó — đây là cách nó chạy script tự động hóa trình duyệt.

Kỹ năng CapSolver Tích hợp Sẵn

Nanobot bao gồm một kỹ năng capsolver tích hợp sẵn mà luôn được tải vào prompt hệ thống của trợ lý. Điều này có nghĩa là mỗi lần người dùng gửi tin nhắn, trợ lý đã có tài liệu API CapSolver đúng, loại nhiệm vụ, mẫu mã code và hướng dẫn thực thi trong ngữ cảnh — nó không bao giờ phải đoán hoặc tra cứu.

Cách Kỹ năng Hoạt động trong Nanobot

Kỹ năng là các tệp markdown tại nanobot/skills/{name}/SKILL.md với phần frontmatter YAML. Khi always: true được đặt trong metadata, nội dung kỹ năng đầy đủ được chèn tự động vào prompt hệ thống của trợ lý. Trợ lý không cần gọi read_file — nó chỉ cần biết.

Tệp Kỹ năng (nanobot/skills/capsolver/SKILL.md)

Để cài đặt kỹ năng, tạo tệp nanobot/skills/capsolver/SKILL.md với nội dung sau:

---
name: capsolver
description: "Giải CAPTCHA bằng API REST của CapSolver với Playwright. Hỗ trợ reCAPTCHA v2, reCAPTCHA v3 và Cloudflare Turnstile. Sử dụng khi tự động hóa việc gửi biểu mẫu hoặc tương tác trang gặp phải thách thức CAPTCHA."
metadata: {"nanobot":{"emoji":"🔓","always":true,"requires":{"bins":["node"],"env":["CAPSOLVER_API_KEY"]}}}
---

# CapSolver

## LƯU Ý: THỰC THI BẮT BUỘC

Khi người dùng yêu cầu bạn giải CAPTCHA, bạn **phải gọi công cụ ngay lập tức**. Đừng trả lời bằng văn bản như "Đang chạy..." hoặc "Tôi sẽ bắt đầu..." hoặc "Tôi đã bắt đầu tự động hóa...".

Hành động đầu tiên của bạn phải là:
1. Gọi `write_file` để lưu script Node.js, sau đó gọi `exec` để chạy nó
2. Gọi `spawn` với mô tả nhiệm vụ chi tiết để thực thi nền

Nếu bạn chỉ trả lời bằng văn bản mà không có gọi công cụ, người dùng sẽ không thấy bất kỳ điều gì xảy ra. Luôn thực thi.

## Các điểm cuối API

- **Tạo nhiệm vụ**: `POST https://api.capsolver.com/createTask`
- **Lấy kết quả**: `POST https://api.capsolver.com/getTaskResult`

## Loại nhiệm vụ

| CAPTCHA | Loại nhiệm vụ | Vị trí sitekey |
|---|---|---|
| reCAPTCHA v2 | `ReCaptchaV2TaskProxyLess` | thuộc tính `data-sitekey` |
| reCAPTCHA v3 | `ReCaptchaV3TaskProxyLess` | cuộc gọi `grecaptcha.execute` hoặc nguồn trang |
| Cloudflare Turnstile | `AntiTurnstileTaskProxyLess` | `data-sitekey` trên div Turnstile |

Phiên bản doanh nghiệp: `ReCaptchaV2EnterpriseTaskProxyLess`, `ReCaptchaV3EnterpriseTaskProxyLess`.

## Quy trình làm việc

1. Điều hướng đến trang bằng Playwright (Chromium không đầu)
2. Trích xuất sitekey từ DOM (`[data-sitekey]` thuộc tính)
3. Gọi `createTask` với sitekey và URL trang
4. Lặp lại `getTaskResult` mỗi 2 giây cho đến khi `status: "ready"`
5. Chèn token vào trang (trường biểu mẫu ẩn)
6. Gửi biểu mẫu

## Mẫu mã cốt lõi

```javascript
const CAPSOLVER_API_KEY = process.env.CAPSOLVER_API_KEY;

// Bước 1: Tạo nhiệm vụ
const createRes = await fetch('https://api.capsolver.com/createTask', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',  // hoặc ReCaptchaV3TaskProxyLess, AntiTurnstileTaskProxyLess
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  })
});
const { taskId } = await createRes.json();

// Bước 2: Lặp lại để lấy kết quả
let token;
while (true) {
  await new Promise(r => setTimeout(r, 2000));
  const res = await fetch('https://api.capsolver.com/getTaskResult', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ clientKey: CAPSOLVER_API_KEY, taskId })
  });
  const result = await res.json();
  if (result.status === 'ready') { token = result.solution.gRecaptchaResponse || result.solution.token; break; }
  if (result.status === 'failed') throw new Error('Giải thất bại');
}

// Bước 3: Chèn token (reCAPTCHA)
await page.evaluate((t) => {
  document.querySelectorAll('textarea[name="g-recaptcha-response"]')
    .forEach(el => { el.value = t; el.innerHTML = t; });
}, token);
```

Đối với Turnstile, trường token thường là `input[name="cf-turnstile-response"]` và giải pháp nằm trong `result.solution.token`.

## Tài liệu API đầy đủ

Xem `{baseDir}/references/api.md` để có tài liệu tham khảo đầy đủ về tham số, trường tùy chọn và phản hồi ví dụ cho tất cả các loại nhiệm vụ.

Điểm chính:

• Cờ always: true đảm bảo kỹ năng này được tải vào mỗi cuộc trò chuyện — trợ lý luôn có tài liệu API trong ngữ cảnh
• Trường requires kiểm tra xem node có được cài đặt và CAPSOLVER_API_KEY có được thiết lập không
• Phần "Thực thi Bắt buộc" ngăn trợ lý chỉ mô tả những gì nó sẽ làm — nó buộc gọi công cụ thực tế

Tài liệu API (references/api.md)

Kỹ năng cũng bao gồm tài liệu API đầy đủ mà trợ lý có thể đọc khi cần để có tài liệu tham khảo chi tiết về tham số. Dưới đây là những gì nó bao gồm:

reCAPTCHA v2

Tham số bắt buộc: type, websiteURL, websiteKey

Tham số tùy chọn: isInvisible (Boolean), pageAction (String), recaptchaDataSValue (String), enterprisePayload (Object), apiDomain (String)

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "ReCaptchaV2TaskProxyLess",
    "websiteURL": "https://www.google.com/recaptcha/api2/demo",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-",
    "isInvisible": false
  }
}

Token phản hồi: solution.gRecaptchaResponse → chèn vào textarea[name="g-recaptcha-response"]

reCAPTCHA v3

Tham số bắt buộc: type, websiteURL, websiteKey

Tham số tùy chọn: pageAction (String — từ grecaptcha.execute(key, {action: "..."}), các giá trị phổ biến: login, submit, homepage), enterprisePayload (Object), apiDomain (String)

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "ReCaptchaV3TaskProxyLess",
    "websiteURL": "https://www.example.com",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_kl-",
    "pageAction": "login"
  }
}

Token phản hồi: solution.gRecaptchaResponse → chèn vào textarea[name="g-recaptcha-response"]

Cloudflare Turnstile

Tham số bắt buộc: type (AntiTurnstileTaskProxyLess), websiteURL, websiteKey

Tham số tùy chọn: metadata.action (String — từ thuộc tính data-action), metadata.cdata (String — từ thuộc tính data-cdata)

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "AntiTurnstileTaskProxyLess",
    "websiteURL": "https://www.example.com",
    "websiteKey": "0x4XXXXXXXXXXXXXXXXX",
    "metadata": {
      "action": "login",
      "cdata": "0000-1111-2222-3333-example-cdata"
    }
  }
}

Token phản hồi: solution.token → chèn vào input[name="cf-turnstile-response"]

Thời gian giải trung bình

Cách Hoạt động

Khi bạn yêu cầu Nanobot tương tác với trang web bị bảo vệ bởi CAPTCHA, đây là những gì xảy ra bên trong:

  Tin nhắn của bạn                    Trợ lý Nanobot
  ────────────────────────────────────────────────────
  "Đi đến trang đó,          ──►  Trợ lý nhận được tin nhắn
   điền biểu mẫu,                 │
   giải CAPTCHA,             ▼
   và gửi nó"            Trợ lý viết script tự động hóa
                                  │
                                  ▼
                             công cụ exec chạy script
                             ┌─────────────────────────────────┐
                             │  Chromium không đầu               │
                             │                                  │
                             │  1. Điều hướng đến trang đích      │
                             │  2. Trích xuất sitekey từ DOM     │
                             │     (thuộc tính data-sitekey)     │
│                                  │
                             │  3. Gọi API CapSolver REST:     │
                             │     POST /createTask             │
                             │     POST /getTaskResult (poll)   │
                             │                                  │
                             │  4. Chèn token vào các trường    │
                             │     textarea/input ẩn            │
                             │                                  │
                             │  5. Nhấn Submit                 │
                             │  6. Xác minh thành công         │
                             │  7. Chụp màn hình               │
                             └─────────────────────────────────┘
                                  │
                                  ▼
                             Agent đọc đầu ra + ảnh chụp màn hình
                                  │
                                  ▼
                             "Biểu mẫu đã được gửi thành công!
                              Trang hiển thị: Xác minh
                              Thành công... Hooray!"

### Luồng API của CapSolver

Nội dung cốt lõi của tích hợp là hai cuộc gọi API:

**1. Tạo một nhiệm vụ** — Gửi sitekey CAPTCHA và URL trang web đến CapSolver:

```javascript
const response = await fetch('https://api.capsolver.com/createTask', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  })
});

2. Kiểm tra kết quả — Kiểm tra mỗi 2 giây cho đến khi CapSolver trả về token đã giải:

const result = await fetch('https://api.capsolver.com/getTaskResult', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    taskId: taskId
  })
});
// result.solution.gRecaptchaResponse chứa token

3. Chèn token — Thiết lập nó vào trường biểu mẫu ẩn mà reCAPTCHA mong đợi:

await page.evaluate((token) => {
  const textarea = document.querySelector('textarea[name="g-recaptcha-response"]');
  if (textarea) {
    textarea.value = token;
    textarea.innerHTML = token;
  }
}, captchaToken);

Ví dụ Hoạt động Hoàn chỉnh

Đây là đoạn mã thực tế mà agent của Nanobot tạo ra và thực thi để giải CAPTCHA trên trang demo của Google. Agent viết đoạn mã này bằng write_file, sau đó chạy nó với exec — tất cả tự động từ một tin nhắn Discord:

const { chromium } = require('playwright');
const https = require('https');

const CAPSOLVER_API_KEY = process.env.CAPSOLVER_API_KEY;
const PAGE_URL = 'https://www.google.com/recaptcha/api2/demo';

function httpsPost(url, data) {
  return new Promise((resolve, reject) => {
    const req = https.request(url, {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' }
    }, (res) => {
      let body = '';
      res.on('data', chunk => body += chunk);
      res.on('end', () => resolve(JSON.parse(body)));
    });
    req.on('error', reject);
    req.write(JSON.stringify(data));
    req.end();
  });
}

async function solveRecaptcha(siteKey, pageUrl) {
  console.log('Tạo nhiệm vụ Capsolver...');

  const createRes = await httpsPost('https://api.capsolver.com/createTask', {
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  });

  const { taskId } = createRes;
  console.log(`ID nhiệm vụ: ${taskId}`);

  let token;
  while (true) {
    await new Promise(r => setTimeout(r, 2000));

    const res = await httpsPost('https://api.capsolver.com/getTaskResult', {
      clientKey: CAPSOLVER_API_KEY,
      taskId
    });

    if (res.status === 'ready') {
      token = res.solution.gRecaptchaResponse;
      console.log(`Token nhận được! Độ dài: ${token.length}`);
      break;
    }
    if (res.status === 'failed') {
      throw new Error('Nhiệm vụ Capsolver thất bại');
    }
  }

  if (!token) throw new Error('Không thể nhận token');
  return token;
}

async function main() {
  const browser = await chromium.launch({ headless: true });
  const page = await browser.newPage();

  console.log('Đang điều hướng đến trang...');
  await page.goto(PAGE_URL, { waitUntil: 'domcontentloaded', timeout: 30000 });

  console.log('Trích xuất sitekey...');
  const siteKey = await page.locator('[data-sitekey]').getAttribute('data-sitekey');
  console.log(`Sitekey: ${siteKey}`);

  console.log('Giải CAPTCHA bằng Capsolver...');
  const token = await solveRecaptcha(siteKey, PAGE_URL);

  console.log('Chèn token...');
  await page.evaluate((t) => {
    document.querySelectorAll('textarea[name="g-recaptcha-response"])
      .forEach(el => { el.value = t; el.innerHTML = t; });
  }, token);

  console.log('Gửi biểu mẫu...');
  await page.locator('input[type="submit"]').click();

  console.log('Chờ kết quả...');
  await page.waitForTimeout(3000);

  const successText = await page.textContent('body');
  if (successText.includes('Thành công') || successText.includes('Xác minh')) {
    console.log('\n✅ THÀNH CÔNG! CAPTCHA đã được giải và biểu mẫu đã được gửi!');
    console.log('Thông báo thành công:', successText.slice(0, 200));
  } else {
    console.log('\n❌ Kết quả không rõ ràng. Nội dung trang:', successText.slice(0, 300));
  }

  await page.screenshot({ path: 'recaptcha_result.png' });
  console.log('Ảnh chụp màn hình được lưu tại recaptcha_result.png');

  await browser.close();
}

main().catch(console.error);

Chạy nó:

CAPSOLVER_API_KEY=CAP-XXX node solve_recaptcha.js

Cách Sử dụng với Nanobot

Sau khi cài đặt xong, sử dụng CapSolver với Nanobot đơn giản chỉ cần gửi một tin nhắn.

Ví dụ 1: Giải CAPTCHA Demo

Gửi tin nhắn này đến agent của bạn qua Telegram, Discord, WhatsApp, hoặc bất kỳ kênh nào đã kết nối:

Truy cập https://www.google.com/recaptcha/api2/demo và giải CAPTCHA
bằng API CapSolver, sau đó gửi biểu mẫu
và cho tôi biết liệu nó có thành công không.

Các bước thực hiện:

1. Agent tạo một đoạn mã Playwright
2. Đoạn mã điều hướng đến trang và trích xuất sitekey CAPTCHA từ DOM
3. Gọi API createTask của CapSolver với sitekey
4. Kiểm tra getTaskResult mỗi 2 giây cho đến khi token sẵn sàng (~18 giây)
5. Chèn token vào trường g-recaptcha-response ẩn
6. Nhấn Submit và kiểm tra thành công
7. Agent báo cáo lại: "Biểu mẫu đã được gửi thành công! Trang hiển thị: Xác minh
   Thành công... Hooray!"

Ví dụ 2: Đăng nhập vào trang được bảo vệ

Truy cập https://example.com/login, điền email là
"[email protected]" và mật khẩu là "mypassword", phát hiện và
giải bất kỳ CAPTCHA nào trên trang,
sau đó nhấn Đăng nhập và cho tôi biết điều gì xảy ra.

Ví dụ 3: Gửi biểu mẫu liên hệ

Mở https://example.com/contact, điền vào các trường tên, email và
nội dung, giải CAPTCHA, gửi biểu mẫu và cho tôi biết
thông báo xác nhận.

Tại sao điều này hoạt động

Vì agent của Nanobot có:

• Công cụ exec — chạy bất kỳ lệnh shell nào, bao gồm cả các đoạn mã Node.js
• Công cụ web_fetch — truy xuất nội dung trang để hiểu cấu trúc trang
• Công cụ tệp — có thể ghi, chỉnh sửa và đọc các đoạn mã tự động hóa
• Bộ nhớ — ghi nhớ các phương pháp làm việc cho các nhiệm vụ tương lai
• Kỹ năng tích hợp capsolver — luôn được nạp vào ngữ cảnh của agent (xem Kỹ năng CapSolver tích hợp phía trên), bao gồm các loại nhiệm vụ, mẫu mã, tài liệu tham khảo API và hướng dẫn thực thi đảm bảo agent tạo và chạy các đoạn mã thay vì chỉ mô tả những gì nó sẽ làm

Cơ chế Thử lại khi bị ảo tưởng: Đảm bảo agent thực hiện hành động

Một thách thức với các agent dựa trên LLM là một số mô hình trả lời bằng văn bản như "Đang chạy tự động hóa ngay bây giờ..." mà không thực sự gọi bất kỳ công cụ nào. Người dùng thấy một tin nhắn dường như tiến triển, nhưng không có hành động nào xảy ra phía sau.

Nanobot giải quyết vấn đề này bằng cơ chế thử lại khi bị ảo tưởng được tích hợp vào vòng lặp agent. Khi LLM trả lời bằng văn bản trong lần lặp đầu tiên và nội dung đó chứa các cụm từ hành động như "đang chạy ngay bây giờ", "tôi đã bắt đầu", hoặc "đang thực thi" — nhưng không thực hiện bất kỳ cuộc gọi công cụ nào, Nanobot phát hiện điều này và tự động gửi một tin nhắn sửa đổi:

"Bạn đã mô tả bắt đầu một nhiệm vụ nhưng không gọi bất kỳ công cụ nào. Người dùng không thể thấy tiến trình của bạn trừ khi bạn sử dụng các công cụ như exec, write_file hoặc spawn. Vui lòng gọi công cụ phù hợp ngay bây giờ để thực hiện nhiệm vụ."

LLM sau đó thử lại và gọi công cụ thực tế (ví dụ: spawn để khởi chạy một nhiệm vụ tự động hóa nền). Điều này xảy ra một cách tự động — người dùng chỉ thấy kết quả xuất hiện vài giây sau.

Đây là tính năng chung của Nanobot giúp cải thiện độ tin cậy cho tất cả các nhiệm vụ sử dụng công cụ, không chỉ riêng giải CAPTCHA.

Thay đổi Mã Đề xuất

Để kích hoạt cơ chế thử lại khi bị ảo tưởng và các cải tiến độ tin cậy khác, áp dụng ba thay đổi sau vào cài đặt Nanobot của bạn:

1. Thử lại khi bị ảo tưởng (nanobot/agent/loop.py)

Trong phương thức _process_message, thay nhánh else xử lý các phản hồi không gọi công cụ:

            else:
                # Không có cuộc gọi công cụ — nhưng kiểm tra xem LLM có mô tả hành động mà không gọi công cụ không
                if iteration == 1 and self._seems_like_hallucinated_action(response.content):
                    logger.warning("LLM mô tả hành động mà không gọi công cụ — đang thử lại với thông báo sửa đổi")
                    messages.append({"role": "assistant", "content": response.content})
                    messages.append({
                        "role": "user",
                        "content": (
                            "[Hệ thống: Bạn đã mô tả bắt đầu một nhiệm vụ nhưng không gọi bất kỳ công cụ nào. "
                            "Người dùng không thể thấy tiến trình của bạn trừ khi bạn sử dụng các công cụ như exec, "
                            "write_file hoặc spawn. Vui lòng gọi công cụ phù hợp ngay bây giờ để "
                            "thực hiện nhiệm vụ.]"
                        ),
                    })
                    continue
                final_content = response.content
                break

Và thêm phương thức phát hiện này vào lớp AgentLoop:

    @staticmethod
    def _seems_like_hallucinated_action(content: str | None) -> bool:
        """Phát hiện xem LLM có mô tả bắt đầu một hành động mà không gọi công cụ không."""
        if not content:
            return False
        lower = content.lower()
        phrases = [
            "đang chạy ngay bây giờ", "tôi đã bắt đầu", "tôi sẽ bắt đầu", "bắt đầu nhiệm vụ",
            "tôi đã bắt đầu", "tôi sẽ bắt đầu", "đang thực thi", "tôi đang xử lý",
            "hãy để tôi chạy", "đang chạy", "tôi đã khởi động", "đã khởi chạy",
            "tôi đã khởi tạo", "đang xử lý",
        ]
        return any(phrase in lower for phrase in phrases)

2. Kỹ năng trong Subagent (nanobot/agent/subagent.py)

Không có thay đổi này, các subagent được khởi chạy qua công cụ spawn sẽ không có kỹ năng capsolver trong ngữ cảnh của chúng. Thêm import và chèn kỹ năng luôn được nạp vào prompt subagent:

# Thêm import
from nanobot.agent.skills import SkillsLoader

# Trong __init__, thêm:
self._skills = SkillsLoader(workspace)

# Cuối cùng của _build_subagent_prompt(), trước khi return:
        always_skills = self._skills.get_always_skills()
        if always_skills:
            skills_content = self._skills.load_skills_for_context(always_skills)
            if skills_content:
                prompt += f"\n\n## Tài liệu tham khảo\n\n{skills_content}"
        return prompt

3. Thời gian chờ exec (nanobot/config/schema.py)

Các đoạn mã tự động hóa trình duyệt cần nhiều hơn 60 giây mặc định — việc kiểm tra API CapSolver có thể mất 20 giây trở lên. Tăng thời gian chờ:

class ExecToolConfig(BaseModel):
    """Cấu hình công cụ exec shell."""
    timeout: int = 120  # trước đây là 60

Sau khi áp dụng các thay đổi này, khởi động lại Nanobot (pm2 restart nanobot hoặc chạy lại dịch vụ.

Kết quả Hiệu suất

Chúng tôi đã kiểm tra tích hợp này trên trang demo reCAPTCHA v2 của Google. Dưới đây là các kết quả thực tế từ lần chạy thử nghiệm của chúng tôi:

Agent đã lưu một ảnh chụp màn hình cuối cùng (recaptcha_result.png) hiển thị trang thành công sau khi gửi biểu mẫu.

Xử lý Sự cố

"Không thể tìm thấy module 'playwright'"

Playwright chưa được cài đặt trong không gian làm việc. Chạy:

cd ~/.nanobot/workspace && npm install playwright && npx playwright install chromium

Thư viện trình duyệt bị thiếu trên Ubuntu

Nếu Chromium không thể khởi chạy với các lỗi về thư viện chia sẻ bị thiếu, cài đặt các thư viện hệ thống:

sudo apt install -y libnss3 libatk-bridge2.0-0 libdrm2 libxcomposite1 \
  libxdamage1 libxrandr2 libgbm1 libpango-1.0-0 libasound2t64

Thời gian chờ giải CAPTCHA

• Kiểm tra xem khóa API CapSolver của bạn có hợp lệ không
• Kiểm tra số dư tài khoản CapSolver tại capsolver.com/dashboard
• Đoạn mã kiểm tra mỗi 2 giây cho đến khi CapSolver trả về ready hoặc failed — nếu nó treo, kiểm tra khóa API và số dư của bạn

sitekey không tìm thấy

Đoạn mã trích xuất sitekey từ thuộc tính data-sitekey trên phần tử DOM reCAPTCHA. Nếu không tìm thấy phần tử nào có data-sitekey, trang có thể nhúng khóa theo cách khác — agent có thể viết một đoạn mã sửa đổi để trích xuất nó từ URL iframe hoặc nguồn trang khi cần.

Trình duyệt bị treo trong Docker/containers

Thêm các cờ này vào tùy chọn khởi chạy Playwright:

chromium.launch({
  headless: true,
  args: ['--no-sandbox', '--disable-setuid-sandbox', '--disable-dev-shm-usage']
});

Agent không sử dụng CapSolver

Đảm bảo biến môi trường CAPSOLVER_API_KEY được thiết lập trước khi khởi chạy Nanobot. Agent kiểm tra nó khi chạy script.

Nguyên Tắc Tốt

1. Thiết lập khóa API dưới dạng biến môi trường

Không nên ghi cứng khóa trong script. Sử dụng process.env.CAPSOLVER_API_KEY để agent có thể tự động nhận được.

2. Sử dụng chế độ không đầu (headless) trên máy chủ

Cách tiếp cận API của Nanobot hoạt động trong môi trường hoàn toàn không đầu — không cần Xvfb hoặc màn hình ảo. Đây là lợi thế lớn so với các cách tiếp cận dựa trên tiện ích mở rộng.

3. Giám sát số dư CapSolver

Mỗi lần giải CAPTCHA sẽ tiêu tốn tín dụng. Hãy kiểm tra số dư của bạn thường xuyên tại capsolver.com/dashboard.

4. Cập nhật Playwright

Các nhà cung cấp CAPTCHA liên tục phát triển. Hãy cập nhật Playwright và Chromium để tránh các vấn đề phát hiện:

cd ~/.nanobot/workspace && npm update playwright && npx playwright install chromium

Kết luận

Tích hợp Nanobot + CapSolver tiếp cận vấn đề CAPTCHA theo cách hoàn toàn khác so với các giải pháp dựa trên tiện ích mở rộng. Thay vì tải tiện ích mở rộng Chrome, trí tuệ nhân tạo (AI) sẽ điều phối toàn bộ quy trình giải CAPTCHA:

1. Truy cập trang đích bằng Playwright
2. Trích xuất sitekey từ thuộc tính data-sitekey
3. Giải bằng cách gọi API REST của CapSolver trực tiếp
4. Chèn mã giải vào trường ẩn
5. Gửi biểu mẫu và xác minh thành công

Điều này mang lại cho bạn:

• Không cần phụ thuộc vào tiện ích mở rộng Chrome — hoạt động với bất kỳ trình duyệt không giao diện nào
• Hỗ trợ máy chủ không giao diện — không cần màn hình hoặc Xvfb
• Kiểm soát bằng ngôn ngữ tự nhiên — chỉ cần nói với trợ lý điều bạn muốn thực hiện

Sẵn sàng bắt đầu? Đăng ký CapSolver và sử dụng mã thưởng NANOBOT để nhận thêm 6% thưởng cho lần nạp đầu tiên!

Câu hỏi thường gặp

Nanobot giải CAPTCHA khác gì so với tiện ích mở rộng trình duyệt?

Nanobot sử dụng trực tiếp API REST của CapSolver. Trí tuệ nhân tạo viết và thực thi các tập lệnh gọi createTask và getTaskResult để nhận mã giải, sau đó chèn chúng vào DOM trang. Không cần tiện ích mở rộng trình duyệt.

Bạn có cần phiên bản Chrome đặc biệt không?

Không. Khác với các phương pháp dựa trên tiện ích mở rộng yêu cầu Chrome for Testing (vì Chrome có thương hiệu 137+ đã vô hiệu hóa việc tải tiện ích mở rộng), Nanobot hoạt động với bất kỳ bản Chromium nào — bao gồm Chromium được tích hợp trong Playwright, các gói Chromium tiêu chuẩn, hoặc thậm chí Chrome không giao diện.

CapSolver hỗ trợ loại CAPTCHA nào?

CapSolver hỗ trợ reCAPTCHA v2 (hộp kiểm và ẩn), reCAPTCHA v3, Cloudflare Turnstile, AWS WAF CAPTCHA, và nhiều loại khác. Chúng tôi đã kiểm tra tích hợp Nanobot với reCAPTCHA v2 sử dụng loại nhiệm vụ ReCaptchaV2TaskProxyLess. Đối với các loại CAPTCHA khác, trí tuệ nhân tạo có thể viết tập lệnh sử dụng loại nhiệm vụ CapSolver phù hợp — xem tài liệu CapSolver để xem danh sách đầy đủ.

Bạn có thể sử dụng điều này trên máy chủ không giao diện không?

Có — và đây chính là điểm mạnh của cách tiếp cận Nanobot. Vì không có tiện ích mở rộng trình duyệt, bạn không cần Xvfb hoặc màn hình ảo. Playwright chạy ở chế độ không giao diện hoàn toàn.

Chi phí của CapSolver là bao nhiêu?

CapSolver cung cấp giá cả cạnh tranh dựa trên loại CAPTCHA và khối lượng. Truy cập capsolver.com để xem giá hiện tại.

Nanobot có miễn phí không?

Nanobot là mã nguồn mở và miễn phí để chạy trên phần cứng của bạn. Bạn sẽ cần khóa API từ nhà cung cấp mô hình AI bạn chọn và, để giải CAPTCHA, một tài khoản CapSolver với tín dụng.

Thời gian giải CAPTCHA mất bao lâu?

Trong thử nghiệm với reCAPTCHA v2, API CapSolver trả về kết quả trong khoảng 20 giây. Trí tuệ nhân tạo kiểm tra mỗi 2 giây và tiếp tục ngay khi mã token sẵn sàng. Thời gian thực thi tập lệnh tổng thể (truy cập + giải + chèn + gửi) là khoảng 34 giây, và thời gian toàn bộ từ tin nhắn đến phản hồi là khoảng 45 giây bao gồm cả việc trí tuệ nhân tạo viết tập lệnh.