浏览器智能体最难的是会话状态
Alyosha2020 · reddit · 2026-07-15
作者在尝试让 AI 代理执行普通浏览器任务时发现，模型通常能理解目标，真正不稳定的部分是动作链路周边：登录会话是否保持、页面布局是否变化、重复控件里能否点到正确目标，以及提交后能否确认真的成功。 他总结出一个更稳的流程：先让代理自由研究和准备；在最后的外部动作前暂停；动作完成后重新打开目标页面做结果验证。这样会降低自治程度，但可大幅提升可信度。
Alyosha2020 · reddit · 2026-07-15
作者在尝试让 AI 代理执行普通浏览器任务时发现，模型通常能理解目标，真正不稳定的部分是动作链路周边：登录会话是否保持、页面布局是否变化、重复控件里能否点到正确目标，以及提交后能否确认真的成功。 他总结出一个更稳的流程：先让代理自由研究和准备；在最后的外部动作前暂停；动作完成后重新打开目标页面做结果验证。这样会降低自治程度，但可大幅提升可信度。