詳細解釋
AI Agent 自主瀏覽網頁、點擊按鈕、填寫表單、提取信息的能力，模擬人類與網站的交互。
核心能力：
- 頁面理解：解析 HTML、識別可交互元素
- 導航：點擊、滾動、輸入 URL
- 信息提取：從表格、列表、文章提取結構化數據
- 任務完成：購物、預訂、調研、報價比較
技術方法：
- 視覺 + DOM：截圖 + HTML 結構雙重輸入
- 多模態模型：理解頁面布局和內容
- 工具使用：瀏覽器自動化（Playwright、Selenium）
- 規劃：將任務分解為導航步驟
代表系統：
- WebGPT：OpenAI 的早期嘗試
- Mind2Web：通用網頁 Agent 基準
- AutoGPT 的網頁模式
- 微軟 Copilot 的「操作」功能
應用場景：
- 價格比較：跨多網站比價
- 招聘：自動篩選候選人資料
- 房地產：自動搜索符合條件的房源
- 市場調研：收集競品信息
- 自動化測試：網站的端到端測試
挑戰：
- 網站多樣性：不同設計、框架、動態內容
- 反爬蟲：CAPTCHA、rate limiting
- 安全風險：Agent 執行未授權操作
- 隱私：自動登錄、填寫個人信息
這是「AI 自動化」的前沿—— 從「調用 API」到「像人一樣用網站」。