标签
作者批评浏览器代理因登录界面和干扰而频繁失败，建议使用正规API或Runable等原生连接器来实现更可靠的自动化。
无影-浏览器代理是一个面向真实世界长周期浏览器智能体的统一框架，引入了BrowserBench基准测试，并在网络使用任务上实现了最先进的性能。
本文探讨了训练浏览器代理模型进行顺序决策时的挑战，如错误恢复和记忆问题，并寻求优化训练目标的建议。作者提到了在tinyfish开发的'mako'模型，并邀请社区反馈。
作者分享了 Panerelay 的设计决策，这是一个开源项目，允许 AI 代理控制真实的 Chrome 配置文件，将权限（如站点访问、标签页选择和控制租约）分离，并征求社区对授权边界的反馈。
作者正在构建一个用于AI浏览器代理检测和处理网站漂移的工具，并寻求用户关于痛点和现有解决方案的反馈。
一位开发者对 Rote 进行了基准测试，Rote 是一个浏览器代理的内存管理器，它发送页面差异而非完整重渲染，结果显示与 Browser Use 相比，令牌增长减少了 37%，但在短任务上存在权衡。
Webcmd 是一个开源工具，它教会浏览器代理一次性学习网站导航并重复使用，从而大幅减少重复任务中的token浪费。它支持99个网站，并可在本地运行。
微软AI Frontiers发布了一系列浏览器智能体，能够通过“观察-思考-行动”循环，从像素直接到动作，实现填写表单和预订等功能。提供4B、9B和27B三种参数规模，可在普通硬件上部署。
作者认为，AI智能体在真实网页任务中失败并非因为模型能力弱，而是因为浏览器是为人类设计的，缺乏供智能体使用的隔离、可编程工作空间。
文章批评了当前浏览器AI代理的低效率，因为它们反复解析和推理相同的网站，并提出了一种模型，代理可以重用经过验证的交互路径，以减少代币消耗并提高速度。
微软推出了Fara1.5系列小型浏览器代理（4B、9B、27B），在计算机使用基准测试中取得了最先进的性能，在Online-Mind2Web上得分63%，并超越了Operator和Gemini等更大规模的模型。
作者解释了为什么他们不再使用基于浏览器的LLM代理来浏览Hacker News，而是构建了一个插件（MediaUse），直接获取结构化数据，从而节省令牌，并将模型的重点放在分析而非导航上。
讨论了当前使用无头Chrome加AI层的浏览器代理的架构问题，并介绍了Opera Neon的命令行界面作为替代方案，将AI集成到浏览器中，从而降低令牌开销并提高理解能力。
作者观察到，浏览器代理已从华而不实的演示演变为可靠地执行研究、更新表格、完成工作流等任务，标志着从助手到操作员的转变。
本文证明，网站可以通过分析浏览代理的行为模式和时序数据，识别其背后的大语言模型，在14个前沿LLM上实现了高达96%的F1分数。本文正式定义了这一攻击面，并表明随机时序延迟不足以阻止识别。