我遇到的浏览器智能体最大问题不是幻觉，而是假性成功

我发现浏览器智能体有一个非常恼人的失败模式。从智能体自身的视角来看，它把一切都做对了： - 找到了正确的页面 - 点击了正确的按钮 - 填写了正确的字段 - 没有出现明显的报错 - 告诉你任务已完成 但实际上，任务并没有真正发生。例如，网站可能悄悄拒绝了表单提交，会话可能已过期，某个操作可能没有持久化，或者 UI 在视觉上发生了变化，而后端其实并没有接受这个操作。 所以智能体的推理看起来完全合理： “我点击了提交 → 页面发生了变化 → 所以提交成功了。” 但它唯一真正验证到的东西，只是 UI 层面的状态切换而已。 我开始觉得，浏览器智能体需要一个更接近“完成证明”的概念。问题不应该是“这个动作执行了吗？”，而应该是“我有什么证据可以证明预期的状态现在已经成立？” 例如： “动作 → 预期状态 → 独立验证 → 继续” 其他人有遇到过这个问题吗？你们在自己的智能体中是怎么处理验证的？因为为了这个问题，我已经试过用 Playwright 搭配 Claude、GPT 和 Codex 等方案了。