为AI网络代理设计支持代理的网站：面向机器可读性、可操作性和决策可靠性的框架

# 1 引言
来源：https://arxiv.org/html/2607.12056
面向AI网页智能体的适配性网站设计：机器可读性、可操作性与决策可靠性框架¹¹¹复现包：https://github.com/rashidiff/AIAgentReadWebSites

###### 摘要

在线购物正日益转向一种新模式，即AI智能体独立搜索产品、比较选项、评估约束条件，并代表用户执行部分购买流程。网站设计现在必须同时支持人类交互和智能体中介交互。本文提出了“智能体就绪型网站”这一设计框架，旨在增强电子商务平台对AI智能体的可读性、可解释性、可验证性和可操作性。现有的网页设计、搜索引擎优化（SEO）与生成式引擎优化（GEO）指标并未完全评估网站支持智能体中介交互的能力。所提出的框架围绕三个维度构建：智能体可解释性、智能体可执行性和智能体决策可靠性，并由机器可读性、语义清晰性、智能体可操作性及情境化决策可靠性信号等特性提供支持。该框架通过一项受控实验进行评估，实验比较了同一网站原型的一个面向人类的基线版本和一个智能体就绪版本，两者拥有相同的目录、定价、库存和购物流程。评估涉及五项任务、三种浏览器智能体模型（GPT-4.1、Gemini-2.5 Flash 和 Grok-4 Fast）以及300次运行，测量了通过/部分通过/失败结果、严格成功率和功能成功率、错误模式、步骤次数和令牌消耗。智能体就绪型网站在150次运行中实现了134次通过，而基线版本为150次中74次通过（严格成功率分别为89.3%和49.3%），其中在产品详情提取、比较和多约束选择方面改进最大。它还将部分通过结果从43次减少到3次，并将平均步骤次数从9.31降低到6.49。这些结果提供了初步证据，表明增强的结构清晰性、操作提示、证据信号和时间有效性指示器可以显著提高AI浏览器智能体的可靠性和效率。

CCS概念：• 智能体 • 基于Web的交互 • 电子商务

关键词：AI网页智能体，AI增强型电子商务，智能商务系统

随着AI智能体的兴起，用户与网站的交互正从直接的人机互动转向AI智能体与网站的交互。在这种范式中，AI智能体处理诸如搜索、比较、决策和在网站上执行操作等任务，实际上取代了人类用户。迄今为止，网站开发者主要针对人类用户进行设计，强调图形用户界面、页面清晰性以及经过SEO优化且加载快速的网站。因此，网络商务和电子商务专业人士优先考虑SEO排名、可见性和网站流量。然而，对人类访客的可发现性并不能天然确保网站对AI智能体是可读、可解释或可操作的。目前，用户将搜索、比较、验证和执行在线操作等活动委托给AI智能体[21 (https://arxiv.org/html/2607.12056#bib.bib4),5 (https://arxiv.org/html/2607.12056#bib.bib1),9 (https://arxiv.org/html/2607.12056#bib.bib2),17 (https://arxiv.org/html/2607.12056#bib.bib3),31 (https://arxiv.org/html/2607.12056#bib.bib5),33 (https://arxiv.org/html/2607.12056#bib.bib6)]。这一转变表明，以往以人类友好性和SEO为中心的传统网页开发标准已不足以满足AI智能体的需求。因此，开发者必须调整他们的网站，以适应AI智能体，就像他们使其网站与人类用户对齐一样[1 (https://arxiv.org/html/2607.12056#bib.bib7),8 (https://arxiv.org/html/2607.12056#bib.bib8),23 (https://arxiv.org/html/2607.12056#bib.bib9)]。

最近的研究表明，AI智能体在网页环境中的性能不仅取决于底层AI模型的能力，还取决于网站本身的特性。要完成基于网页的任务，网站必须具备可解释的结构、透明的信息、可识别的交互元素以及定义明确的执行路径。尽管如此，研究表明，AI智能体在理解页面结构、识别用户界面元素以及跨不同网站执行多步骤交互方面仍然面临重大挑战[5 (https://arxiv.org/html/2607.12056#bib.bib1),17 (https://arxiv.org/html/2607.12056#bib.bib3),46 (https://arxiv.org/html/2607.12056#bib.bib12),48 (https://arxiv.org/html/2607.12056#bib.bib10),49 (https://arxiv.org/html/2607.12056#bib.bib11)]。下一节将回顾有关网页智能体架构、失效模式以及现有网页设计范式局限性的相关文献，这些正是本文提出框架的动机所在。

## 2 背景与概念基础

### 2.1 网页智能体与交互范式

AI网页智能体在实时网络环境中运行，通过顺序执行点击、提交表单和导航等操作来完成用户定义的任务，从而消除人类直接与网站交互的需要。网页环境中的AI智能体遵循感知-推理-行动循环：它们捕获当前页面状态，分析内容和交互元素，然后选择最可能推进任务目标的下一步行动[2 (https://arxiv.org/html/2607.12056#bib.bib13),5 (https://arxiv.org/html/2607.12056#bib.bib1),29 (https://arxiv.org/html/2607.12056#bib.bib14),35 (https://arxiv.org/html/2607.12056#bib.bib15)]。由于每个动作都可能影响后续步骤，完成一项网页任务涉及多个决策。网站设计的多样性、动态内容、多步骤表单和交互元素使得网页环境对AI而言变得复杂。成功需要将理解页面内容与跨不同场景的精确动作执行结合起来[6 (https://arxiv.org/html/2607.12056#bib.bib16),15 (https://arxiv.org/html/2607.12056#bib.bib17),18 (https://arxiv.org/html/2607.12056#bib.bib18),26 (https://arxiv.org/html/2607.12056#bib.bib19),27 (https://arxiv.org/html/2607.12056#bib.bib20)]。

### 2.2 网页智能体的失效模式

网页智能体的失效并非源于单一原因，而是由于在四个不同的流水线阶段中复合失效所致。**观测失效**发生在智能体遇到不完整或结构不一致的网页表示时，因为网站主要是为人类感知而非机器处理而设计的。**语义关联失效**发生在正确的语义意图因界面歧义和交互区域间的结构不一致而错误地与不合适的用户界面元素关联时。**执行失效**源于不稳定的交互、遗漏点击、导航错误和认证中断，从而反映了刚性智能体动作与实时Web应用程序特有的事件驱动行为之间的差异[5 (https://arxiv.org/html/2607.12056#bib.bib1),15 (https://arxiv.org/html/2607.12056#bib.bib17),24 (https://arxiv.org/html/2607.12056#bib.bib21),48 (https://arxiv.org/html/2607.12056#bib.bib10),49 (https://arxiv.org/html/2607.12056#bib.bib11)]。相反，**决策失效**则导致尽管有足够的信息可用，却选择了错误的操作。这归因于多步骤规划所带来的挑战以及在较长任务范围内恢复能力有限[18 (https://arxiv.org/html/2607.12056#bib.bib18),27 (https://arxiv.org/html/2607.12056#bib.bib20),41 (https://arxiv.org/html/2607.12056#bib.bib22),46 (https://arxiv.org/html/2607.12056#bib.bib12)]。

### 2.3 现有网页设计的局限性

现有的网页优化范式，包括以可见性驱动的搜索增强、以可解释性为中心的结构化数据、以可用性为导向的无障碍标准以及基于互操作性的应用程序编程接口（API），由于其强调孤立的、以人为中心的目标，本质上都是碎片化的[13 (https://arxiv.org/html/2607.12056#bib.bib23),19 (https://arxiv.org/html/2607.12056#bib.bib24),39 (https://arxiv.org/html/2607.12056#bib.bib25),44 (https://arxiv.org/html/2607.12056#bib.bib26),47 (https://arxiv.org/html/2607.12056#bib.bib27)]。因此，它们无法共同提供AI智能体全面执行任务所需的统一基础。这就要求网站支持多模态内容观察、清晰的视觉结构、可靠的动作执行以及跨多步骤交互的持续决策。这种局限性反映了结构上的错位：传统网页设计的惯例并非针对程序化观察或自动化操作而制定，现有界面往往缺乏所需的属性[7 (https://arxiv.org/html/2607.12056#bib.bib28),24 (https://arxiv.org/html/2607.12056#bib.bib21),34 (https://arxiv.org/html/2607.12056#bib.bib29),49 (https://arxiv.org/html/2607.12056#bib.bib11)]。这种错位使得当前界面在智能体中介交互中显得脆弱，并限制了基于网页的智能体任务的可靠性、可验证性和安全性。

## 3 研究问题与方法

### 3.1 研究问题

如第2.3节所述，现有的网页设计范式是围绕以人为中心的目标构建的，因此无法提供运行自主AI智能体所需的集成架构支持。一个网站可能满足所有传统的设计标准，但仍然无法为AI智能体完成任务提供合适且透明的环境。以往的研究对开发一个连贯的框架以确定网站是否适合与AI智能体协作的关注有限。为填补这一空白，本研究提出了一个面向智能体就绪型网站的概念框架。

### 3.2 研究目标与研究问题

本研究考察了智能体就绪型网站设计是否提高了AI浏览器智能体在网站上执行任务的效果。该研究比较了一个网站的两个版本：一个以人为中心的基线变体和一个智能体就绪版本。主要研究问题是：

- •RQ1. 哪些网站特征表明已为有效的AI智能体交互做好了准备？
- •RQ2. 与基线网站相比，智能体就绪型网站如何影响AI浏览器智能体的性能？
- •RQ3. 在哪些网页任务类别中，智能体就绪型设计带来了最大的性能提升？

## 4 提出的概念框架：面向智能体就绪型网站

基于上述识别的失效模式，本节将反复出现的网页智能体失效与智能体就绪型网站的核心维度联系起来。纵观网页智能体基准测试和现实世界研究，失效通常表现为观测失效、语义关联失效、执行失效和决策失效。

### 4.1 智能体可解释性

智能体可解释性是指AI智能体能够准确解析和理解网站内容的能力，不仅包括可见文本，还包括页面结构、HTML和文档对象模型（DOM）组成、元素角色以及信息的组织表示形式。在此框架内，可解释性由两个操作性子组件支持：机器可读性和语义清晰性。

**机器可读性：** 机器可读性涉及网站将其内容和结构编码为机器可以解释和使用的格式（而不是专门为人类视觉感知设计的格式）的程度。Schema标记和Schema.org词汇表提供了页面内容和实体的结构化描述，帮助智能体识别页面上表示的实体、属性和关系[13 (https://arxiv.org/html/2607.12056#bib.bib23),20 (https://arxiv.org/html/2607.12056#bib.bib30)]。谷歌的结构化数据指南同样强调，结构化数据有助于搜索系统理解和分类页面内容。在实践中，可以通过使用JSON-LD、元数据、站点地图、语义HTML以及关于产品或服务的结构化数据来提高机器可读性[30 (https://arxiv.org/html/2607.12056#bib.bib31),42 (https://arxiv.org/html/2607.12056#bib.bib32),11 (https://arxiv.org/html/2607.12056#bib.bib34),12 (https://arxiv.org/html/2607.12056#bib.bib33)]。对于自动化智能体而言，这些机制有助于减少关于网站提供的内容以及基本信息所在位置的歧义。在此背景下，Schema标记、JSON-LD、元数据和语义HTML不仅应被视为SEO机制，还应被视为提高机器可解释性的信号。

**语义清晰性：** 语义清晰性是指网站在传达信息方面的清晰程度，特别是在智能体驱动的交互中。关键页面应清晰说明其目的并描述其支持的服务、产品或操作，因为智能体在很大程度上依赖于网页文本、HTML和交互组件，而这些组件可能分散各处，从而降低准确性[22 (https://arxiv.org/html/2607.12056#bib.bib35),24 (https://arxiv.org/html/2607.12056#bib.bib21),28 (https://arxiv.org/html/2607.12056#bib.bib36),45 (https://arxiv.org/html/2607.12056#bib.bib37)]。使用清晰的标题和全面的描述有助于智能体准确提取信息。AI研究的最新进展表明，HTML、DOM、无障碍功能、页面文本和交互元素共同使智能体能够有效地理解和参与。这些因素是确定智能体能否可靠地解释内容的关键。

### 4.2 智能体可执行性

智能体可执行性是指智能体在理解页面后能够可靠地完成其预期操作的程度，例如选择产品、将其添加到购物车、填写表单或导航到下一步。**智能体可操作性**评估网站是否为完成任务提供了透明且可靠的路径。即使内容和结构是可理解的，如果路径不清晰、错综复杂或与目标不一致，任务也可能具有挑战性[36 (https://arxiv.org/html/2607.12056#bib.bib38)]。网站应具有可识别的按钮、链接和表单，并带有明确的关系，使智能体能够无混淆地遵循流程。清晰的按钮标签、表单字段、标题和分步工作流使这些路径更容易被智能体遵循。此外，网站可以通过API或数据服务为智能体提供支持，这些服务提供对最新信息的访问，例如使用标准化通信路径的MCP[19 (https://arxiv.org/html/2607.12056#bib.bib24),38 (https://arxiv.org/html/2607.12056#bib.bib39)]。最终，智能体可执行性关注的是网站如何有效地使AI智能体能够以简单、透明和可靠的方式执行任务。

### 4.3 智能体决策可靠性

智能体决策可靠性是指网站提供信号以支持可靠、最新且与用户目标一致的决策的程度。即使一个网站是可解释的并且提供清晰的路径，缺失有效信息也可能导致智能体做出推荐、比较选项或基于不完整或过时的数据采取行动。可靠的决策依赖于帮助智能体评估可用选项的可信度、相关性和适当性的信号[10 (https://arxiv.org/html/2607.12056#bib.bib40),25 (https://arxiv.org/html/2607.12056#bib.bib41),37 (https://arxiv.org/html/2607.12056#bib.bib42),40 (https://arxiv.org/html/2607.12056#bib.bib43)]。一个关键因素是