能够自动点击的 AI 浏览器：真实任务测试报告

📌 One-Sentence Summary AI 浏览器智能体已从演示阶段进化为研究与购物的实用工具，但它们目前仍是需要人类介入的「副驾驶」，在长期记忆、身份验证和自主决策方面仍存在短板，尤其在支付及敏感任务上必须保持「人在回路」。 📝 Summary 本文通过实测与基准测试，评估了当前 AI 驱动的浏览器——特别是 Perplexity Comet、ChatGPT Atlas 和 Dia 的现状。尽管这些浏览器在处理范围明确、短期的研究与表单填写任务方面有了显著提升，但在涉及身份验证、支付或持续记忆的复杂多步任务中，它们依然表现不佳。作者指出，行业设计已趋向于「人在回路」模式，即由智能体负责浏览和数据收集，而最终决策权仍由人类掌握。关键的技术与实践局限包括：引用幻觉、提示词注入漏洞，以及在内存密集型任务中性能下降（如 WebChoreArena 测试所示）。文章结论认为，这些工具目前是出色的研究助手，但还远未达到自主执行任务的水平。 💡 Main Points 智能体擅长研究，但缺乏自主性 虽然 AI 浏览器在收集信息和对比产品方面表现出色，但它们缺乏对支付或复杂多步规划等不可逆操作的判断力，因此行业达成共识：智能体应在「结账」步骤前停止操作。 正式基准测试中的性能差距 WebChoreArena 等基准测试显示，智能体在处理短小精悍的任务时表现良好，但在处理需要长期记忆的繁琐工作流时成功率大幅下降，这与「自主跑腿」的营销承诺相悖。 生产环境中的关键故障模式 常见的故障点包括：无法绕过验证码或付费墙、引用链接出现幻觉、任务完成后重复搜索，以及来自恶意网页内容的提示词注入安全风险。 当前领先产品的差异化表现 Perplexity Comet 在研究准确性和免费层级实用性方面领先；ChatGPT Atlas 提供深度的生态系统集成，但受限于付费墙和操作次数上限；Dia 则更侧重于对话个性化而非任务执行。 💬 Key Quotes 当你真正让这些浏览器去执行任务时，现实情况更为微妙：它们在研究方面表现惊人，在人类监督下填写表单表现称职，但一旦涉及金钱、登录或长期的多步计划，它们依然不可靠。 这种移交是诚实的设计选择，也是行业悄然达成的共识：智能体负责浏览，人类负责支付。 智能体擅长处理短小精悍的任务，却不擅长处理漫长枯燥的工作——这与营销承诺恰恰相反。 一个能找到真实答案却引用虚假来源的浏览器，比一个承认自己无知的浏览器更糟糕。 但所谓的「帮你跑腿的浏览器」，本质上仍是穿着自动驾驶外衣的副驾驶产品。 📊 Article Meta AI Screening： 86 Source： DEV Community: machinelearning Author： AI Frontier Post Category： 人工智能 Language： 英文 Read Time： 6 min Word Count： 1326 Tags： AI 与智能应用 , AI 产品与应用 , AI 工程 , AI Agent , LLM 推理优化 Read Full Article