Web Agent面临新任务重复摸索瓶颈 每换网站需最强模型从头适应

智能体在页面操作能力上取得突破，但跨站点迁移时的高成本重复学习正成为制约其规模化应用的关键因素。

操作能力基本成熟

当前以Claude、Codex为代表的Web Agent——即具备视觉理解与自动化操作能力的智能体，能够查看网页内容、识别按钮和输入框，实现点击、输入、页面跳转以及表单提交等操作。

核心瓶颈：重复摸索

然而，真正限制这些Agent发挥效率的，并非操作本身，而是每接一个新任务、每换一个新网站，几乎都需要调用最强、也最贵的模型，从零开始将整个流程重新摸索一遍。

“真正卡住它们的，是另一个问题：每接一个新任务、每换一个新网站，几乎都要让最强、也最贵的那个模型，从零开始再把整个流程摸索一遍。”

影响：成本与效率制约

这种“一次一网站”的适应模式，意味着每次任务都需要投入最高计算成本，无法积累跨站点的通用知识。从当前发展看，这限制了Web Agent在多样化场景下的快速部署，行业亟需突破零样本或少样本的迁移能力。

• Claude、Codex等Agent能看页面、识别按钮和输入框
• 每遇新任务需最强模型从头摸索
• 依赖最强模型导致成本高企

BrowserBC 将网页操作转写为可复用技能 实现模型间自由传递

一种名为 BrowserBC 的新型浏览器自动化方案正在改变网页操作的方式。与依赖坐标和按键录制的传统“按键精灵”不同，BrowserBC 不记录固定位置，而是将用户的操作流程转写成一份以自然语言描述的“技能”——明确告知“该做什么”和“如何判断完成”。这份技能可以被另一个模型读取，并在页面布局变化时依然有效，同时支持合并与复用。

技能来源与执行彻底分离

BrowserBC 的核心在于将“技能由谁产生”与“技能由谁执行”两个环节分开。用户只需在浏览器中完成一次任务，系统便会将其操作过程自动转写成技能。随后，即使是一个更小、更便宜的模型，也可以依照这份技能独立执行同类型的任务。技能一旦以自然语言形式记录，就能在不同模型之间自由传递、复用和组合。

“传统的按键精灵，会把人的鼠标点击和键盘敲击录下来再回放——但它录的是写死的坐标和按键，页面一变、布局一动，整段脚本立刻就废了。BrowserBC 录的不是坐标，而是把这一遍操作转写成一份讲清「该做什么、怎么算做完」的技能。”

自然语言技能实现“理解”与迁移

传统自动化脚本的致命短板在于无法适应页面变化。BrowserBC 的技能是自然语言描述的操作逻辑，而非硬编码坐标。这意味着当网页布局发生变动时，执行模型依然可以根据技能中对任务目标和验收标准的陈述，在变化后的页面上找到对应元素并完成操作。这种“举一反三”的能力，使技能具备了可迁移性。

• 技能以自然语言形式存储，可被任何具备语言理解能力的模型读取。
• 执行模型无需参与技能编写，可专注于按步骤完成操作。
• 技能支持拆分、合并与复用，降低了重复开发成本。

从人类行为到 Agent 的蒸馏路径

BrowserBC 的设计思路，被视为通往“通用网页浏览”的关键步骤。它将人类每天在浏览器中的操作行为进行“蒸馏”——提取出可描述、可复制的技能，并交给 Agent 代理模型去执行。随着技能库的积累，Agent 能够在不依赖人工介入的情况下，独立完成越来越多类型的网页任务。

BrowserBC将人类浏览器操作蒸馏为可复用技能，降低Agent访问陌生网站门槛

一个由研究团队开发的项目BrowserBC，近日在GitHub与博客平台公开其技术方案。该项目旨在将人类操作浏览器的完整轨迹，转写成自然语言描述的“技能卡”，供AI Agent在执行同类任务时作为决策先验，尤其针对小模型在陌生网站上的认知盲区。

从一次录制到一张技能卡片：操作轨迹被结构化提炼

研究团队录制了一个典型任务：用户在预订民宿网站输入时间、地点、人数，按评分与评分数量筛选，排序后选出最优选项。全程被原样记录后，系统并未保存为坐标回放，而是生成一张描述通用门道的“技能卡”。卡片包含四个模块：意图（在预订网站找到最佳住宿选项）、关键步骤（先写基本信息，搜索后逐项应用筛选器）、完成判据（输出可人工核查的版本）、要避免的坑（官方筛选器可能与实际标准不符，必要时需自己编写脚本筛选）。

小模型“拿到卡片即能稳定完成任务”

在没有技能卡时，一个小模型执行同类任务要么卡死、耗时漫长，要么直接输出幻觉——虚构信息假装完成。研究团队将卡片交给显然更小的模型去完成另一旅程的信息检索，模型立刻知道需输入什么信息、核查什么界面、哪些依赖网站官方功能、哪些需自行判别，最终稳定地完成运算。团队将这类卡片视为一种“决策先验”，供Agent在陌生网站上复用。

“人类把路趟通一次、由系统转写成说明书；Agent型负责照着说明书把同一类路走顺。这条路天然是可复用、可扩展的。”——研究团队在博客中阐述。

技能库的幂律分布与长尾覆盖：无需等待网站提供官方接口

研究团队指出，人类访问网站的分布服从幂律分布：常见站点占大部分访问量，用户越多，技能库收敛越完备。更关键的是，对于大量老旧网站（长尾分布），它们永远不会专门为Agent开放MCP或官方接口。BrowserBC通过复用人类在“给人看的那套界面”上积累的操作经验，只要人能通过浏览器把网站用起来，Agent就能借助蒸馏出的技能将其用起来。这使得网站是否被Agent高效访问，不再取决于网站方是否愿意配合升级，而取决于是否有人在该网站上走通过路。

“操作总结”与“技能管理”：方法的两大问题

BrowserBC的方法部分主要回答两个问题：一段操作该如何总结、总结时要注意什么；以及总结出来的成千上万个Skill该如何管理。研究团队已在GitHub开源相关代码，并在博客中发布技术细节与论文链接。

BrowserBC提出浏览器轨迹转写与技能图管理方法 跨基准任务成功率提升超20个百分点

浏览器自动化领域近期出现一种将用户浏览轨迹转化为可复用技能的系统方案。该方案对原始浏览轨迹进行清洗、语义切分，并抽取为结构化的自然语言技能卡，再通过技能图进行组织与管理，用以指导Agent完成新任务。

轨迹转写原则：剥离细节，保留可迁移过程

原始浏览器轨迹包含误点击、无意义等待、重复尝试及隐私信息。BrowserBC先对轨迹进行清洗，按语义切分成连续的子过程，而非按固定长度截取。每一段先抽取为“证据”，保留任务指令、操作前后页面状态、关键步骤、页面反馈以及成功或失败的信号。

随后，证据被转写为结构化的自然语言技能卡，固定字段描述“该做什么、怎么判断进展、怎么算完成、失败了怎么办”，并附带来源与适用场景。方案强调只保留“可迁移的过程性知识”，剥离精确坐标、DOM选择器、临时ID、登录态、隐私文本及指向具体答案的内容。例如，“填表单”技能卡写的是“按语义标签找到对应字段、把任务给定的值原样填进去、提交后确认页面出现成功状态”，而非具体的坐标或ID。

技能图管理：合并重复、特化通用，支持增量精炼

为避免技能库失控，系统将技能组织成技能图（skill graph）。每当产生候选技能，系统判断应新增节点、合并进已有技能，或登记为更通用技能的特化。合并条件包括意图、前置条件、步骤、效果、终止证据的相容性；冲突时则保持分开。图中的节点是技能，边表示时间依赖、特化、替代方案或互斥关系。

这种组织方式带来三点优势：将重复演示合并为可复用节点，而非无限堆样本；检索与更新仅影响局部区域；支持增量精炼——新轨迹只更新受影响的技能及其邻居。

实验结果：跨基准一致提升，真实网站翻倍解出

在WebArena-Hard基准上，258个经人类核验的任务（覆盖GitLab、电商及其后台、论坛、跨站点组合等六类自托管站点）中，固定Agent、动作接口、步数与时间预算条件下，base agent成功率为60.5%（156/258），注入BrowserBC检索到的技能后提升至81.4%（210/258），提升20.9个百分点，挽回了基线原本失败的54个任务。

在更强的ClawBench上，152个任务运行在真实线上网站，页面布局与操作流程会在不同运行间变化，且以写操作为主。skill-free基线只解出50/152（32.9%），注入技能后解出104/152（68.4%），提升35.5个百分点，几乎翻倍，且在全部八个类别上普遍成立。

BrowserBC 在 WebArena-Hard 上工具调用次数降低 27.3%

最新研究显示，BrowserBC 在 WebArena-Hard 与 ClawBench 两类基准测试中取得性能提升。该模型通过引入技能机制，不仅提高了任务成功率，还显著缩短了完成操作所需的交互步骤。

交互效率显著改善

在 WebArena-Hard 任务上，Agent 的平均工具调用次数从 31.2 次下降至 22.7 次，降幅达 27.3%。这一变化意味着模型在相同任务中需要执行的试探性导航与反复页面查看行为明显减少。

平均工具调用次数从 31.2 降到 22.7（−27.3%）

技能定位与执行机制

研究指出，这一结果与“技能作为流程性先验”的设计定位一致。技能模块负责提供高层的流程性指导，从而削减不必要的底层操作；而最终的页面定位与实时响应仍由执行时的页面状态负责。

• WebArena-Hard：交互效率提升的主要测试环境
• ClawBench：另一项用于验证 BrowserBC 性能的基准
• 工具调用次数：衡量 Agent 执行任务时所需操作次数

BrowserBC提出浏览器Agent技能蒸馏新范式：高质量轨迹可跨模型迁移复用

一项关于浏览器Agent能力提升的研究近期引发关注。该研究提出的BrowserBC方法，旨在通过将人类操作轨迹蒸馏为可复用的技能（Skill），提升Agent的浏览器使用效率，并实现技能在模型间的低成本迁移。

技能作为“带置信度的先验”：强制照搬反降成功率

该研究的核心判断之一是，自然语言技能的价值在于“提示策略”，而非作为一条不可违抗的命令。实验数据提供了关键支撑：在WebArena-Hard基准测试中，若强制Agent逐字照搬检索到的技能，即便当前页面的证据与技能内容相矛盾，其任务成功率仅为77.5%。

相比之下，允许Agent选择性使用技能，并在与页面信息冲突时以页面为准，成功率则提升至81.4%。

更为显著的证据是，在总计258个任务中，有约3.9%（10个）的任务，因盲目照搬技能反而使原本可以正确完成的任务出现了失败。这印证了研究者的观点：技能的本质是提供过程性先验，而具体的执行决策始终应交由执行模型基于当前页面状态做出。

“蒸馏一次、便宜复用”：高质量技能实现跨模型迁移

BrowserBC的另一个设计主张是，技能应作为一种“模型无关”的对象，可由一个强模型蒸馏一次，然后由另一个更经济的Agent在执行时复用。研究人员通过交叉组合“蒸馏技能的模型”与“执行技能的模型”进行了验证。

实验在WebArena-Hard任务上取得了两项关键结论。其一，技能质量主要由蒸馏阶段决定。例如，由Sonnet-4.6模型蒸馏出的技能，能够同时大幅提升两个不同执行器的性能，分别带来+24和+20个百分点的提升；而由Qwen-3.7模型蒸馏的技能，仅带来微弱的增益。其二，高质量技能具备跨执行器迁移的能力。

装备了Sonnet-4.6蒸馏技能的小Agent，其任务成功率达到了77%，已十分逼近大Agent自身80%的成功率。

这一结果直接验证了“蒸馏一次、便宜复用”这一设想的可行性。

执行瓶颈在于“手稳不稳”而非“缺乏知识”

通过对仍然失败的案例进行人工审计，研究人员发现，瓶颈主要集中在执行精度（Execution Precision）上，而非知识的缺失。具体问题包括：在长表单中遗漏某个字段、面对有歧义的目标对象、长程任务将预算（token消耗）浪费在中间页面，或模型因自身推理过长而“跑飞”。

在这些案例中，技能本身是正确的且已被采用，但受限因素是“按流程执行的保真度”，即底层模型本身的底层能力。这划定了小模型执行的可行边界：技能可以弥补“该怎么做”的知识，但无法弥补执行时“手稳不稳”的精度问题。

迁移至浏览器之外：OSWorld案例研究揭示方法边界

为考察方法在更广范围的适用性，研究团队在30个OSWorld风格的Ubuntu桌面任务上进行了诊断性的迁移研究。结果显示，17个任务在配上匹配的技能后得到改善。这表明，过程性先验确实能够跨越浏览器的边界发挥作用。

真正可迁移的并非浏览器专属的点击动作序列，而是过程性先验——包括前置条件、语义状态如何转移、进度里程碑、终止证据以及失败恢复策略。在浏览器环境中，它体现为页面、链接、表单；在桌面环境中，则对应为窗口、文件、对话框和持久设置。

剩余的未改善案例则划出了方法的使用边界：少数任务本身足够简单，无需技能介入；一部分卡在GUI控制本身的细节（如窗口焦点、模态弹窗、文件选择器状态），而非缺乏知识；还有个别案例因检索到错配的技能，被“自信地带偏”。当任务缺失“流程结构”时，技能效用最大；而当底层GUI语义感知不足或检索喂错了先验时，技能不仅帮不上忙，甚至可能添乱。

研究本质：将人类操作轨迹转化为可积累的经验结构

研究者认为，BrowserBC的意义不止于一个具体方法。它指明了人类浏览器轨迹作为一种数据资源的巨大价值——人类在浏览器迷宫中留下的高效操作路径。BrowserBC的核心，是将这些隐含经验的轨迹蒸馏成Agent可用的技能。

其核心启发在于：第一，提升Agent的浏览器使用能力，关键在于为其补齐完备的网页逻辑知识；第二，人类与虚拟世界的交互过程，本身就是一种尚未被充分利用的数据资源；第三，如果这些轨迹可以被持续蒸馏和管理复用，Agent就可以从“可以”操作网页，逐渐走向“高效”操作网页。

最终，研究者指出，真正决定Web Agent上限的，并非能否复现某个浏览器操作流程或快速拼装系统，而是是否真正构建了可以持续积累、可复用、可迁移的经验结构。这或许是让Web Agent从“能用”走向“好用”的关键一步。