Browser Agent 实测分享，结果会追到这个threads里： 结合最新的 WebVoyager、Online-Mind2Web 评测与我们自己的工… · @Stephen4171127 · TwKit

@Stephen4171127

Browser Agent 实测分享，结果会追到这个threads里： 结合最新的 WebVoyager、Online-Mind2Web 评测与我们自己的工程实践，目前浏览器 Agent 真正的“死亡重灾区”其实非常集中： 1️⃣ 读写断层（Read vs. Write Gap）：只读提取容错率极高，但一旦涉及“写操作”（填表、加购、改设置），成功率直接腰斩。 2️⃣ 长轨迹指数级衰减：超过 11 步的任务，每一步微小的 DOM 解析偏差都会累积成灾难。 3️⃣ 非智能因素占一半：高达 30%–50% 的失败根本不是模型不够聪明，而是死在 Cloudflare 验证、Shadow DOM、跨 Tab 失明、以及前端静默报错后的“幻觉完成（以为自己点成功了）”。 4️⃣ 流派盲区：纯 DOM 派遇到 Google Sheets 这种 Canvas 画布直接变瞎；纯视觉派遇到复杂动态下拉框又容易坐标漂移。 为了摸清 Agent 的真实边界，我整理了一套《12 个生产级 Browser Agent 极限测试任务（含标准 Prompt、测试靶场与 Pass/Fail 验收标准）》。 覆盖了：多站点邮编对齐比价、OS 级文件上传、虚拟列表边滚边记、抗 Indirect Prompt Injection 劫持、高风险支付急停、以及前端红字报错自我纠错等最吃硬功夫的场景。 —— 12 个任务详细提示词： https://docs.google.com/document/d/1JBHMu1IlP5I-GgsSmP2yrmgdo6F7HqZdCKOiQkMnK48/edit?usp=sharing

曝光 69 · 评论 0 · 点赞 0 · 书签 0