Dhruv Batra：看屏幕像素的 web agent 能适应网站改版
Responsible-Grass452 · reddit · 2026-09-16
知名机器人/研究者 Dhruv Batra 解释了 web agent 如何靠视觉信息而非固定 API 或硬编码的网站结构来导航：agent 直接看屏幕上的像素、执行动作，并从与真实网站的持续交互中学习。当页面布局变化时，它们基于新数据自行调整，而不需要人工逐个改动程序。
他还表示，在一些设计糟糕的网站上，这些 agent 有时导航得比他自己还顺畅。
「编程与Agent」频道最新
- Zapier 到期后他让 AI Agents 逆向自建一套自动化应用 — NathanWilbanks_ · 2026-09-16
- 他开源自建自动化系统 AGNT：复用已有 AI 订阅省 98% 成本 — NathanWilbanks_ · 2026-09-16
- Compound Engineering v3.26 发布：多模型方案对决与可标注原型 — kieranklaassen · 2026-09-16
- ChatGPT 语音卡顿、Codex 报错,AGI 前的可靠性短板凸显 — koltregaskes · 2026-09-16
- Vercel 正式推出 Vercel Labs，公开旗下 AI Agent 实验项目 — cramforce · 2026-09-16
- Codex 遇 API 限速直接改用 computer use 滚动浏览 Slack,比 API 还快 — Yuchenj_UW · 2026-09-16