单步 99% 准确，跑完 100 步为什么只剩 36%？

导读

浏览器 Agent 单步准确率高，长任务仍可能因为多次决策累积失败。Browserbase 的 Derek Meegan 建议以整笔任务是否完成为目标，把稳定动作交给工具，只让模型处理真正需要判断的部分。他举的数学例子中，假设每步独立且成功率都是 99%，连续走完一百步的概率约为 36.6%，说明步骤长度会影响整体可靠性。在保险门户下载文件的架构示例里，团队把认证和下载封装成函数，再用文档识别与系统记录核对结果，Agent 主要负责页面中的不确定部分，并按 Skill 操作。是否成功应看确认记录或文件等证据，而不是 Agent 自称完成。Derek 也提醒，网站可能改版或拦截自动操作，团队需要保留运行记录，出错时检查模型的决定和浏览器里实际发生的事。