2.1 Agent 循环：感知、决策、行动

2.1 Agent 循环：感知、决策、行动

本节摘要：本节解剖 browser-use 的 Agent 循环，把「智能体」还原成一段可读懂的控制流。感知阶段：页面被序列化成带编号的元素清单加页面元信息（URL、滚动位置、已打开标签页），也就是第 1.2 节的编号点击机制在每圈的重新执行。决策阶段：模型每轮输出「思考加动作」——思考解释为什么，动作指定对几号元素做什么。行动阶段：框架把动作还原成 Playwright 调用落进浏览器，执行失败会成为下一轮感知的一部分（错误回灌）。终止判断三类：模型自报完成（附最终结果）、最大步数用尽、错误熔断。本节末尾处理长任务的分解方式与死循环的治理。读完本节，agent.run() 这一个函数调用在你眼里应该展开成一张数据流图。

学习目标

• 画出循环四阶段的数据流，指出每阶段的输入输出。
• 解读页面状态与动作的序列化形态，说出「思考与动作分离」的好处。
• 复述三类终止条件，并用最大步数与重复检测治理死循环。
• 解释错误回灌为什么让循环自带纠错倾向。

一、循环的解剖

第 0.2 节的 first_agent.py 里，agent.run() 一个调用包办了一切；本节把它展开。经典控制流写出来平平无奇：

历史 = [任务文本]
循环（最多 max_steps 轮）:
    页面状态 = 感知(浏览器)          # 序列化当前页面
    动作, 思考 = 模型(历史 + 页面状态)  # 决策：选编号 + 理由
    结果 = 执行(动作, 浏览器)          # 行动：Playwright 落地
    历史.append(页面状态, 思考, 动作, 结果)
    若 动作 == 完成: 返回 最终结果     # 终止条件一
返回 未完成                          # 终止条件二（步数用尽）
​

四阶段里没有一个阶段是神秘力量：感知是第 1.2 节的编号清单生成；决策是一次带结构化输出的模型调用；行动是一次浏览器驱动调用；终止是两个 if。Agent 框架的价值不在发明新原理，而在于把这条循环工程化——历史管理、上下文裁剪、失败回灌、动作校验，全是脏活。《深入理解 AI Agent》第 9 章从动作空间设计的原理层面论述了为什么这样的循环能工作，本节继续只管工程。

二、感知：页面如何喂给模型

每轮循环的感知产物是「页面状态的文本表示」，核心是第 1.2 节的编号清单，外加一层页面元信息：

# page_state_demo.txt —— 感知产物示意（对应靶场页面，节选）
URL: http://127.0.0.1:8080/demo_todo.html
滚动位置: 顶部 | 打开标签页: 1
[1] 按钮 「添加」
[2] 输入框 标签「新待办」 当前值：空
[3] 链接 「关于」
[4] 列表 「待办清单」 条目：暂无待办
​

三个工程细节值得注意。每轮重新感知：清单不是生成一次用到尾，每步动作后页面都变了，感知必须重做——这也意味着循环的每一步都有固定的感知成本。当前值入清单：输入框的现值、列表的现内容都在清单里，模型因此能「看见自己上一步的成果」，这是反馈驱动的基础。历史滚动压缩：多轮之后历史膨胀，框架会压缩早期轮次的感知产物（只留要点），否则上下文窗口先于任务耗尽——压缩策略属于框架内部实现，效果上表现为「智能体对很久之前看过的页面细节记忆模糊」。

三、决策：模型输出思考加动作

模型每轮返回的结构大致是「一段思考 + 一个动作」（示意，字段以官方文档为准）：

# decision_demo.txt —— 模型单轮输出示意（节选）
思考: 目标是添加待办「买牛奶」。清单里 [2] 是目标输入框，
      先填写，再点 [1] 添加按钮。
动作: {"type": "fill", "index": 2, "value": "买牛奶"}
​

思考与动作分离有两重价值：排障时思考是最好的日志（模型为什么点错，思考里写着）；工程上思考不参与执行，只入历史，下轮决策因此能引用上轮的理由。动作侧则高度结构化——type 加编号加参数，编号即第 1.2 节的元素索引。这种「自然语言解释 + 结构化执行」的双轨输出，是当前浏览器智能体的通行做法，第 4.2 节会在 MCP 工具调用里再次见到同构形态。

四、行动：从动作到浏览器，失败如何回灌

框架收到动作后做三件事：校验（编号存在、参数合法、动作类型受支持）、执行（映射成 Playwright 调用：fill、click、navigate、scroll 等）、记录（成功或失败写入历史）。执行失败不会被立刻上抛成异常终止任务，而是回灌：错误信息（元素不可见、点击被拦截、导航超时）进入下一轮感知，模型看到「上一步失败了、原因是 X」，自行决定重试、换路径或报告无法完成。

错误回灌是 Agent 循环自带纠错倾向的原因，也是它区别于普通脚本重试逻辑的地方：脚本的重试是「原样再来」，模型的纠错是「换个法子」。代价是失败的每轮都要付一次模型调用，且纠错路径本身也是概率路径——可能越纠越偏，这正是终止条件必须存在的原因。

一个可观察的实验：把靶场页面的「添加」按钮临时改名为「提交」（或加一个遮挡层），跑一个添加任务，观察执行历史里模型如何在失败信息提示下调整动作——这是理解回灌最直接的方式。

五、终止条件与死循环治理

最大步数的设定经验：简单任务（单页、一两个动作）5 到 10 步；跨页流程 15 到 30 步；再大的任务应该拆成子任务分别跑（下一节的分解话题），而不是放宽步数硬撑。代码侧：

# loop_params.py —— 循环参数与结果检查（写法示意，以官方文档为准）
import asyncio

from browser_use import Agent
from langchain_openai import ChatOpenAI


async def main() -> None:
    agent = Agent(
        task=(
            "在 http://127.0.0.1:8080/demo_todo.html 添加两条待办："
            "买牛奶、回邮件，完成后报告列表条数。"
        ),
        llm=ChatOpenAI(model="gpt-4o"),
        max_steps=10,
    )
    history = await agent.run()
    print("是否完成:", history.is_done())
    print("最终结果:", history.final_result())
    print("动作轮数:", len(history.history))


asyncio.run(main())
​

死循环的典型形态：模型在两个动作间来回摇摆（点 A、退回、点 A），或反复刷新同一页。治理手段三层：步数上限兜底（必有）；任务表述加验收标准（「完成后报告列表条数」就是给模型一个自检锚点，比裸任务显著减少摇摆）；重复动作检测（框架或自定义逻辑监测连续相同动作并打断，第 6 章验证会给出通用实现思路）。注意死循环烧的不只是钱——在真实站点上空转本身就是不良访问模式，合规上也不可接受（第 8 章）。

六、轨迹：循环的排障入口

循环的每轮产物（页面状态、思考、动作、结果）按序累积成执行轨迹，它是浏览器智能体最重要的可观测性资产——脚本排障看栈回溯，智能体排障看轨迹。一次失败任务的轨迹开头形如（示意）：

# trajectory_demo.txt —— 执行轨迹结构示意（节选）
轮 1  感知: [1]按钮「添加」 [2]输入框「新待办」 ...
      思考: 先填写输入框
      动作: fill(index=2, value="买牛奶")
      结果: 成功
轮 2  感知: ... 输入框当前值：买牛奶 ...
      思考: 填写完成，点击添加
      动作: click(index=1)
      结果: 失败——元素被遮挡
轮 3  感知: ...
      思考: 上次点击被遮挡，先滚动再点
      动作: scroll(...) → click(index=1)
      结果: 成功
​

读轨迹的三个固定问题：模型看到了什么（感知行——候选清单是否缺目标）；模型想了什么（思考行——意图有没有跑偏）；动作结果如何（结果行——失败原因是否回灌）。三问分别对应定位层、语义层、执行层的故障，第 6 章的验证策略会在这三问之上建立分级处理。工程上，轨迹应当脱敏后落盘（第 2.2 节），排障与审计都靠它。

七、长任务的分解

循环不是越长越好。任务一长，历史压缩开始丢细节，早期页面状态模糊化后模型容易「忘了自己做到哪」。工程做法是子目标序列：把「查三家供应商的价格并汇总」拆成「查 A 并记录、查 B 并记录、查 C 并记录、汇总」，每个子目标一个独立 Agent 运行（各自的循环短而清晰），中间产物落盘传递。第 10 章会把这种做法升级为多智能体网页工作流；本节只需记住习惯：宁可串三个短循环，不要硬跑一个长循环。

本节要点回顾

• Agent 循环四阶段：感知（重做编号清单）、决策（思考加动作双轨）、行动（校验执行记录）、终止（三类出口）。
• 感知每轮重做且带当前值，模型因此能看见自己上一步的成果；历史会滚动压缩。
• 错误回灌让循环自带「换个法子」的纠错倾向，但纠错路径仍是概率路径。
• 终止三型：自报完成、步数用尽、错误熔断；死循环治理三层：上限、验收锚点、重复检测。
• 长任务拆成子目标序列，宁可串三个短循环。

循环转起来后，最先暴露的危险动作是「提交」——支付、删除、发送，这类不可逆动作一旦被模型误触发，验证与重试都救不回来。下一节在循环上装刹车：敏感数据机制、人工确认门与域名白名单。