浏览器智能体把「打开网页、点按钮、填表单」这类动作自动化,适合处理那些没有接口、只能人工操作的系统。但网页会改版、登录会过期、验证码会拦人,它的可靠性天然低于接口方案。

浏览器任务适合自动化到什么程度?

三个层级:只读取(抓取页面信息)、半自动(填好表单等人确认)、全自动(自动提交)。建议多数场景停在半自动。

全自动适合低风险、可回滚的动作,比如内部查询。涉及对外提交、付款、发布的动作,必须留人工确认。

页面变了怎么办?

三条:用文本和语义定位,不用固定坐标;关键步骤加断言,找不到元素就报错而不是继续;每次执行前截一张图,出问题能看现场。

固定坐标最容易失效。页面加个横幅,坐标全偏。用「包含某段文字的按钮」这种定位方式,稳定性高得多。

登录态怎么处理?

三个做法:用独立的浏览器配置保存登录态;登录失效时明确报错并暂停,不要反复重试;敏感账号不放在自动化环境里。

反复重试最容易触发风控。系统判定异常后,账号可能被临时锁定,恢复比重登麻烦得多。

什么必须人工确认?

五类:涉及金额的提交、对外发布的内容、权限变更、删除操作、验证码或二次验证。

验证码这一项没有捷径。图形验证码本就用来区分人和机器,绕过它既不可靠也不合规,正确做法是把这一步交给用户。

怎么评估这类方案值不值?

算三个数:原来人工需要多少分钟、自动化后需要多少分钟(含人工确认)、失败率是多少。三个数一起看,别只看「能自动跑」。

如果失败率高到需要频繁人工介入,实际节省的时间可能为零。先跑两周再判断,别凭演示效果下结论。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论