6.4 未来展望：用四拍框架看赛道

6.4 未来展望：用四拍框架看赛道

本节摘要：浏览器智能体赛道每月都有新东西，本节不追新闻，而是给你一把尺子——指挥循环四拍评估框架：任何新特性，问它强化哪一拍、代价是什么、你用不用得上。附三个正在成熟的观察（更强的页面理解、成本下探、评测标准化）与两个要打折听的叙事。

为什么需要一把尺子

追热点式学习是这条赛道最大的时间黑洞：今天一个新框架、明天一个新模型，演示视频一个比一个惊艳，装了卸卸了装，自己的业务还是老三样。破局的办法是拿一个稳定的分析框架去量新东西——本书正好给了一个：观察、决策、动作、复核。新特性要么强化某一拍，要么改变拍与拍的连接方式，要么两者都不沾（那多半是营销）。本章作为全书收尾，就把这把尺子交到你手上。

四拍评估框架

拿到任何新特性，按这四问走一遍：

用这把尺子量几个正在发生的方向，你会看得比大多数文章冷静。

三个正在成熟的观察

**观察一：观察拍在持续变强。**页面理解是全行业投入最重的方向——更强的页面结构解析、图像与文本融合的定位能力、对动态页面的更好感知。观察拍的增强直接提升所有任务的下限，这是最值得跟进的方向，因为它不改变你的任务单和代码结构。

**观察二：动作拍在向下省成本。**小模型在"受限动作空间"里的表现越来越好：动作清单短、任务单清晰的前提下，便宜模型也能稳定完成常规流程。这对跑批场景意义重大——把 3.2 的旋钮拧好，同样的月度预算能跑数倍的任务量。代价是任务单工程要求更高，恰好是本书一直在练的东西。

**观察三：复核拍在标准化。**社区正在形成智能体操作任务的评测基准与成功率度量，"可复现地比较谁更稳"会逐渐取代"演示视频比较谁惊艳"。对你而言，选型时多看一手评测数据、少看一手演示，决策质量立刻上一个台阶。

两个打折听的叙事

**叙事一："全自动无人值守"。**演示里全流程无人干预很诱人，但 6.1 说清了：闸门与人工确认不是技术落后，是责任设计。凡宣称完全无人值守就能替代人的方案，先问它怎么对错误负责——答案是"没有"的，用还是半自动形态起步。

**叙事二："一个模型通吃所有站点"。**页面是长尾的，通用能力解决通用部分，长尾还是靠你的任务单工程、锚点体检、校验器——也就是本书教的手艺。这其实是个好消息：框架和模型会不断换代，而指挥能力是可以随身携带的。

一个收尾实验

与其空谈趋势，不如跑一个对照实验，亲手感受"模型能力与任务工程"的此消彼长：

# 实验：同一任务，三档配置各跑五次，统计步数与成功率
配置档 = [
    ("便宜模型加粗任务单", "gpt-4o-mini", "去商城查键盘价格"),
    ("便宜模型加精任务单", "gpt-4o-mini",
     "打开商城搜索页搜机械键盘，读出第一款标价，只回答数字"),
    ("旗舰模型加粗任务单", "gpt-4o", "去商城查键盘价格"),
]

for 名, 模型, 单 in 配置档:
    成功 = 步数和 = 0
    for _ in range(5):
        r = Agent(task=单, llm=ChatOpenAI(model=模型), browser=browser).run(max_steps=10)
        if 结果含价格(r):
            成功 += 1
            步数和 += 统计步数(r)
    print(名, "成功率", 成功, "均步数", 步数和 / 5)
​

预期输出的形态（数字以你实测为准）：

便宜模型加粗任务单 成功率 3 均步数 7.2
便宜模型加精任务单 成功率 5 均步数 4.1
旗舰模型加粗任务单 成功率 4 均步数 5.8
​

如果你测出来的排序与上面形态接近——精任务单胜过旗舰模型——那本书的立场你就不再是"读过"，而是"验证过"。赛道会变，尺子在手：观察、决策、动作、复核，欢迎来到命令台。

技能栈押注清单

趋势看得再多，落到个人就是"接下来练什么"的问题。按投入产出排序给出建议：第一优先，任务单工程与复盘方法——它们不随框架换代失效，是全书从 1.1 练到 6.4 的那条主线；第二优先，校验与巡检体系——程序化校验、基准比对、告警分级，这套"模型之外"的工程在任何框架里都用得上；第三优先，多模型的对照评估能力——会设计对照实验、会读评测数据，换模型潮来时你是选型的人而不是被选型的人；最后才是框架细节的深度绑定——某个框架的私有 API 熟到闭眼能写，既不加分也不保值。四条的权重比例大概是 4 比 3 比 2 比 1，你可以不同意比例，但别把最后一条排到前面去。

最后一问：这个赛道会不会消失

有人担心"浏览器厂商原生集成智能体之后，这类框架就没意义了"。用四拍框架量一下：原生集成改变的是动作拍的执行效率（离内核更近），观察、决策、复核三拍的工程一点都不少——任务单怎么写、结果怎么验、边界怎么守，这些照样是你我吃饭的手艺。工具形态会更迭，指挥能力会保值。这也是全书最后一节不谈工具、只谈方法的原因：方法过时得慢，值得多押。

读评测的三步法

评测数据正在变多，但会读的人不多。三步法：第一步看任务集——评测跑的是什么任务，与你的场景差多远？跑的多是简单导航，你的任务是表单流程，结论打折听。第二步看成本口径——成功率是"每一步都对"还是"最终结果对"？步数与调用费有没有披露？不报成本的评测都是广告。第三步看复现条件——任务单给不给、温度报不报、版本锁没锁？给全的才是正经评测，给不全的留个心眼。三步走完，一篇评测对你还有没有参考价值，基本就能定论。这个方法不需要任何专业知识，只需要一种对"漂亮数字"的警惕——命令台指挥官看战报的姿势，从来都是先看谁写的战报。

全书至此收束。六个岗位、一场完整的指挥循环——剩下的路在你的每一次任务复盘里延伸。