GPT-3.5 Turbo 跑真浏览器任务:每个修复靠代码而非提示词
tejaskumarlol · reddit · 2026-09-14
作者在 AI Engineer Europe 演讲后复盘:让 GPT-3.5 Turbo 驱动 Playwright 浏览器给 Hacker News 头条点赞,且全程不改提示词,只改 harness,逐步演进:
- v0 裸循环:模型撞上登录墙仍宣称成功——循环只信模型说的"done";
- v1 护栏:代码强制迭代/消息上限,配合粗暴的上下文裁剪,只止损不解决;
- v2 确定性验证:纯代码读 tool call 轨迹判断任务是否真的完成,最多重试 3 次——仍失败但不再撒谎;
- v3 harness 侧登录:检测到登录页时由 harness 用环境变量里的凭据登录(模型看不到),6 次迭代内成功。
核心结论:模型说"完成"只是声明不是证据,要在代码里验证;秘密和脆弱的确定性步骤放 harness 而非提示词;harness 是围绕模型循环之外的一切,有时甚至是"循环外的循环"。
所属事件:IBM 工程师详解 Agent Harness：不改提示词让 GPT-3.5 真干活(3 条相关)→
「编程与Agent」频道最新
- Gym-Anything 引入审计 Agent,专门用合法动作破坏环境找错 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- Cloudflare 不肯做,开发者自研工具实现 Durable Objects 零停机迁出 — samgoodwin89 · 2026-10-30
- 两分钟面试法：用一条 prompt 让 Grok 帮你搭两个定制 bot — nateliason · 2026-10-30
- Cursor、Harvey 为何自训专用模型：多数细分市场养不起专属大脑 — MartinGTobias · 2026-10-30
- Scenario 开源 3D OS：80 项技能让编码 Agent 直通 Blender 和 Unreal — Scobleizer · 2026-10-30