浏览器 Agent 的失忆问题：Autobrowse 如何让每次探索变成永久技能¶
Ch04.119 浏览器 Agent 的失忆问题：Autobrowse 如何让每次探索变成永久技能¶
📊 Level ⭐⭐ | 14.6KB |
entities/autobrowse-browserbase-persistent-skill-files.md
背景：探索税（Discovery Tax）¶
浏览器 Agent 的核心缺陷：没有记忆——每次会话结束，它学到的一切都跟着蒸发。
"它是个有推理能力的健忘症患者：每次解决问题的方式都很优雅，但会话一关闭，醒来之后什么都记不住，一切归零。" 凯恩斯"没有海马体的天才"思想实验：每次从零推导出同样精妙的结论，却无法在昨天的洞察上继续前进。现在的浏览器 Agent，就是这个思想实验的工程化现实。 根本瓶颈不是推理，而是记忆——一种人类和 Agent 都能读懂、都能信任的记忆形式。
Autobrowse 是什么¶
Autobrowse 是 Browserbase 内部工程师 Shubhankar 开发、后来开源的工作流——受 Andrej Karpathy 的 autoresearch harness 启发。 核心思路： 1. 给 Agent 一个真实任务，让它在真实网站上反复尝试 2. 每次从自己的失败里学习，直到方法收敛 3. 把"最短可靠路径"写成可复用的 SKILL.md 文件，提交到公共技能库 关键设计选择：记忆存成 markdown（而非向量或截图）——人能读、Agent 能执行、团队能版本控制。
五步学习循环¶
目标(Objective) → 运行(Run) → 研究(Study) → 迭代(Iterate) → 收敛? → 毕业(SKILL.md)
↑ ↓
←←←←←←←←←← strategy.md（学习笔记，跨迭代叠加）←←←←←←←←←←←←←←←←←
第一步：目标（Objective）¶
给 Agent 一个真实任务，在真实网站上运行。任务必须真实、具体，因为真实任务才会暴露真实的摩擦点。
第二步：运行（Run）¶
Agent 端到端执行，产生完整操作 trace——每个工具调用、页面交互、token 消耗，全部记录。这次运行的价值不只是完成任务，更是产生可以被学习的行为数据。
第三步：研究（Study）¶
Agent 读自己的 trace，对自身行为做元认知反思：
- 在哪里卡住了？
- 在哪里靠猜测蒙混过关？
- 哪些步骤消耗了不必要的 token？
- 有没有可以用更轻量的确定性工具替代的步骤？ See also Agent Memory Architecture
第四步：迭代（Iterate）¶
外层循环维护一个 strategy.md 文件——相当于 Agent 的学习笔记。每次迭代结束把观察写进去，下次迭代开始时 Agent 先读这份笔记，从上次的改进成果出发。知识在迭代间叠加，而不是每次从零归零。
第五步：收敛与毕业（Converge → Graduate）¶
连续几次迭代的成本和轮次数不再下降时循环结束。系统把最终最优策略写成 SKILL.md，连同所有辅助脚本（CLI 调用、fetch 工具、Python helper、CSS 选择器），一起提交到公共技能库。 收敛目标：不是找到理论上的全局最优路径，而是找到"足够好、足够可靠、足够便宜"的路径。
Craigslist 基准：$0.22 → $0.12¶
任务：旧金山 Craigslist 搜索 North Beach/Russian Hill 两居室公寓，租金 $5000–$7000，带室内洗衣机。 | 指标 | 原始 Agent 循环 | Autobrowse 毕业技能 | 改善 | |------|----------------|---------------------|------| | 耗时 | 71 秒 | 27 秒 | 2.6x 更快 | | 成本 | $0.22 | $0.12 | 45% ↓ | | 命中 | 0 个（全市60个结果，无精准） | 2 个精确匹配 | 正确性↑ | 原始 Agent：WebFetch 抓取渲染 HTML → 请求辅助模型提取表格 → 返回 60 个全市范围结果，North Beach/Russian Hill 精准命中 0 个。 Autobrowse 毕业技能：直接调用 Craigslist 未文档化 JSON API（https://sapi.craigslist.org/web/v8/postings/search/full），用经纬度边界框过滤目标社区，返回 2 个精准匹配（标题、价格、地址、链接）。 Kyle Jeong 原文："关键不是速度，也不是成本，而是正确性。原始循环的确看起来更便宜更快，但它对用户的实际问题返回了零个结果。" Craigslist 技能文件核心发现：
- 搜索页面是完全 JavaScript 渲染的，
browse snapshot返回 0 个可访问性引用 - 真正数据藏在公开 JSON API，无需鉴权，无需 cookie
- 唯一坑：请求中必须加入
postal=参数才能正确锁定地理位置，否则按请求方 IP 返回错误城市数据 - 人工逆向工程可能需要几小时，Autobrowse 在几次迭代内自动发现
哪些情况不该用（自批评）¶
Browserbase 团队曾把 Autobrowse 用在一个 167 行静态 HTML 州立法规目录上——数据就直白地躺在 HTML 里，没有 JavaScript，没有登录鉴权，没有反爬机制。 结果：四次迭代，约 $24，循环依然无法在单次输出中返回完整的 167 行数据（模型单次输出上限截断推理）。 最终解法：约 200 行确定性 Python + browse fetch + BeautifulSoup —— 亚秒级运行，零推理成本，完整输出 167 行。 教训：遇到任何网站先用 browse fetch 探一下，如果数据直接在响应里，就写解析器；如果响应是空的或动态渲染的，再升级到 Autobrowse。
Agency 分层框架：从完全确定性脚本 → 路由式工具调用 → 完全自主多 Agent 循环。选择正确的层级本身就是工程决策。Autobrowse 在高 Agency 端，只有在低 Agency 工具都无法解决问题时才值得调用。
技能文件才是真正的交付物¶
企业痛点：今天当 Agent 成功完成任务，客户收到的是什么？一段执行日志、一个会话回放录像、一段自然语言推理过程描述。没有一样东西对真正拥有这个工作流程的人来说是可读的。 技能文件（SKILL.md）是有结构的 markdown：
- 名称、描述
- 推荐方法 + 替代路径
- 具体接口调用步骤
- 已知坑点和规避方式 工程师可以读它、编辑它、提交到代码库、做版本控制。非技术人员（产品经理、运营、合规专员）也能大致读懂 Agent 在做什么，甚至能发现流程描述中的错误并提出修改意见。 本质跃迁：从"信任 Agent 的输出" → "读懂 Agent 的操作手册"
"企业不只需要 Agent 能完成任务，还需要有人能为这个任务的完成方式负责。"
技能库的复利效应¶
每遇到一个新网站，就产生一个新的持久技能。随着技能库增长，Agent 在长尾重复性工作上越来越便宜、越来越快——不再需要为已经学过的东西重新缴纳"探索税"。
递归改进自身¶
今天，迭代循环本身、收敛判断启发式规则、技能模板格式，大部分还是由人工设计的。这是一个技术债，同时也是一个机会——同样的方式可以被 Autobrowse 用来改进自己的运作方式：
- 学习更好的迭代提示词
- 更聪明的网页探索先验（"先 fetch 一下，能拿到数据就不必开浏览器"）
- 更完善的技能模板结构 这是"自我改进 Agent 系统"的一个非常具体的实现路径，不依赖于任何神秘的新模型能力——只需要把已有的方法递归应用到自身。
核心结论¶
就算模型推理能力再强，在每个新网站上仍然要从零开始"发现"它本来可以从历史运行中已知的东西。模型越来越聪明，但这无法代替记忆。 让 Agent 系统真正变得可靠和经济可行的，不只是更聪明的推理，而是更好的记忆机制——具体来说，是一种人类能读懂、能编辑、能版本控制，机器也能直接加载执行的记忆形式。 Autobrowse 是对这个问题的一个具体答案，而不只是一个框架层面的议论。
深度分析¶
记忆问题的本质：跨会话知识传递的失效¶
浏览器 Agent 的"失忆"不是技术故障，而是架构性缺陷。当前 Agent 的推理能力建立在单会话上下文中——它能进行复杂的逻辑推导，却没有机制将在当前会话中发现的网站结构、API 端点、坑点等信息编码为可复用的知识单元。Autobrowse 的核心贡献在于引入了一个持久化层：将每次探索的成果从"会话级上下文"升格为"跨会话资产"。
为什么是 Markdown 而不是向量数据库¶
选择 Markdown 作为记忆载体并非偶然。向量数据库适合模糊匹配和语义检索，但不适合以下场景：精确的 API 端点和参数格式、CSS 选择器路径、已知的坑点描述。Markdown 的结构化字段（如 API 调用步骤、坑点列表）可以被 Agent 直接解析为工具调用参数，而无需再做一次"读取理解"。 此外，Markdown 支持版本控制、分支对比、人工 review——这些是企业级知识管理的基本要求，向量数据库无法提供。
五步循环中"研究"步骤的元认知价值¶
"研究"（Study）步骤要求 Agent 对自己的行为 trace 做自我反思，这是整个循环中最容易被低估的环节。传统 Agent 开发强调"执行"，而忽视了"复盘"的重要性。正是这个步骤将单纯的"尝试-错误-再尝试"升级为"有目的的学习"：Agent 被迫识别自己在哪些地方依赖了猜测而非确定知识，从而为后续迭代提供精确的改进方向。
收敛判断的工程现实¶
"连续几次迭代的成本和轮次数不再下降时循环结束"是一个启发式规则而非严格算法。这反映了 Autobrowse 的工程取向：追求"足够好、足够可靠、足够便宜"而非理论最优。在实际工程中，判断收敛需要考虑边际收益递减、迭代成本、以及任务本身的确定性程度。
技能复利的网络效应¶
随着技能库扩大，Agent 处理新网站时的平均探索成本趋向递减——每个新技能不仅解决了当前任务，还为未来类似的网站结构提供了可组合的构建块。例如，Craigslist 技能中发现的城市参数（postal=）可能对其他地理位置敏感型网站也有参考价值。这种知识复利是 Autobrowse 相对单次运行方案的核心优势。
实践启示¶
1. 在任何 Autobrowse 运行前先用 browse fetch 探底¶
Browserbase 团队在 167 行静态 HTML 上的失败迭代是一个关键教训：对于静态内容网站，Autobrowse 的迭代成本远高于确定性解析器。正确的工程路径是：先用 browse fetch 检查数据是否在初始响应中，如果是，写一个轻量解析器（BeautifulSoup、正则、JSON 路径），只对动态渲染或反爬保护的网站才启动 Autobrowse 循环。
2. 优先积累"坑点"知识而非"路径"知识¶
技能文件的价值不只是记录成功路径，更关键的是记录已知失败和坑点。在 Craigslist 案例中，postal= 参数是一个典型的"坑点"——不加入这个参数，整个查询就会返回错误城市的数据，但这个参数在任何公开文档中都不存在。这类知识比成功路径更难获取，却更有持久价值。
3. strategy.md 是跨越迭代的连续性载体¶
每次迭代结束时，应该将本次的关键发现（什么有效、什么无效、token 消耗在哪里）追加到 strategy.md，而不是只在最终技能文件中记录。这样做的好处是：如果后续迭代因新发现而需要回退，Agent 可以清晰地看到之前的决策轨迹，理解为什么放弃了某条路径。
4. 技能文件的受众不只是 Agent，还包括人¶
在设计技能文件的格式时，始终考虑"非技术人员能否大致读懂"这个问题。一个技能文件如果只有 Agent 能理解，那它的价值就仅限于当前任务；只有当人类也能读懂、审查、修改时，技能文件才真正成为组织的知识资产而非单次消耗品。
5. 警惕"探索税"的隐性成本¶
Autobrowse 将探索成本显性化——每次迭代都有明确的 token 消耗和运行时间记录。但在实际项目决策中，团队往往低估了"每次新网站都要从零开始探索"的隐性成本：这个成本不会被单独记账，而是隐藏在每次新任务的长运行时间和不稳定成功率中。当某个领域的技能积累到一定规模后，显性的 Autobrowse 运行成本往往低于持续支付隐性探索税。