在真实网页任务中测试浏览器智能体后，我认为我们责怪模型找错了问题

我一直在测试Claude Code / Codex风格的智能体处理超越“打开这个页面并总结”的网页任务。这些任务故意设计得无聊且真实： * 从某个X账户拉取最近的帖子，并按浏览量/参与度排序 * 使用Redfin筛选条件，打开一个房源，更新按揭计算器 * 在Expedia上搜索航班，选择一个有效选项，填写乘客信息，在付款前停止 我反复看到的模式是：智能体经常知道计划。但浏览器会出问题。它没有干净的工作场所。它会与你的活动标签页冲突。登录会话很尴尬。截图变得过时。多步骤流程变成“点击，等待，观察，点击，等待，观察”的循环。如果发生任何意外，恢复过程一团糟。 常见的说法是：“AI智能体依然不够擅长使用网站。”我开始认为更好的说法是：“网页浏览器从未为智能体设计过。” 浏览器假设一个人、一个光标、一个前台任务。但**智能体需要一个不同的环境**：隔离的工作空间、持久的登录状态、并行执行，以及用代码编写复杂网页流程的能力。 好奇这里大家的看法。浏览器智能体失败是因为模型弱，还是因为我们强迫它们使用面向人类的界面？