Browser Runtime
现代 Agent Engineering 学习路线：Browser Runtime
0 子目录4 文档
文档
4Browser Agent 推荐阅读Browser Agent 推荐阅读 Playwright Documentation：locator、auto wait、browser context、trace 和测试断言。 Anthropic Computer Use：computer tool 的观察与动作接口。 browser use：开源 Browser Agent 实现。 WebArena：真实网页任务 benchmark。 VisualWebArena：结合视觉理解的Browser Agent 的观察—动作循环Browser Agent 的观察—动作循环 Browser Agent 与普通 API Tool 的差别在于：网页是动态、部分可观察、受异步加载影响的环境。动作通常依赖当前 DOM、视觉状态、URL、frame 和登录状态。 1. 观察 可用观察包括： URL、标题和导航历史； DOM/可访问性树； 可交互元素及稳定定位； 截图； 网络/控制台错误； frame、dialog、下载； 上一步动作结果。 不要每轮把完整 HTML 塞给模Playwright 可靠操作与失败恢复Playwright 可靠操作与失败恢复 1. 浏览器会话 明确 context、page、storage state 和下载目录。不同任务使用隔离 context；只有确实需要时加载已有登录状态。运行结束清理临时数据并保存必要证据。 2. 失败分类 element not found； multiple matches； not visible/not enabled； detached/stale； navigation timeo截图、DOM、动作日志与 Browser Agent 评测截图、DOM、动作日志与 Browser Agent 评测 1. 三类证据 截图 ：保留视觉布局、弹窗、图标和画布状态； DOM/可访问性树 ：保留文本、角色、属性和可定位结构； 动作日志 ：记录动作、参数、时间、结果和状态变化。 三者互补。只有截图难以自动检索，只有 DOM 又会丢失 canvas、视觉层级和遮挡。 2. 每步日志 3. 数据控制 截图前遮盖密码、支付和个人信息字段； 日志不保存 cookie、token； 下载文件按