AI 浏览器自动化：智能体如何取代脆弱的网页脚本

传统浏览器自动化会在哪里失效

Selenium、Playwright 以及所有录制回放型工具，记录的都是脚本编写那一刻页面的样子：这个按钮、这个选择器、这个位置。脚本并不理解页面，只是重复坐标。一次 class 重命名、一次 A/B 测试，或者一个新出现的同意横幅，就足以让它失效，而且这种失效通常是悄无声息的，直到有人检查输出才会发现。

真正的成本在于维护。团队放弃浏览器自动化，往往不是因为它一开始就不好用，而是因为维持它正常运行所耗费的工程时间，超过了它节省下来的工作量。

• 改版、A/B 测试和本地化都会让选择器失效
• 脚本分不清「按钮挪动了」和「按钮消失了」
• 每个新网站都意味着一个新脚本和一个新的维护者
• 失败往往悄无声息，导致错误数据一路流向下游

智能体的不同之处

智能体把页面读取为一组有意义的元素结构，判断哪一个匹配当前意图，执行操作，然后再次读取页面以确认发生了什么变化。这个循环是观察、判断、执行、验证。因为目标是通过含义而不是位置来描述的，同一条指令能挺过一次改版。

这也让失败变得可读。脚本只会报告找不到选择器，而智能体可以报告：按钮已被点击，页面没有变化，而它点到的其实是一个悬停菜单。

• 目标是根据角色、标签和上下文来选择的，而不是根据 DOM 路径
• 每次操作的结果都会先验证，再执行下一步
• 页面变化后会重新读取，而不是凭假设行事
• 整个运行过程都用人可以核实的方式做出解释

什么情况下确定性脚本仍然更好

这里需要实话实说。当页面会变化、没有 API、且会有人核实结果时，智能体是正确的工具。而对于高频、稳定不变、对延迟极为敏感、每一毫秒和每一分钱都很关键，并且页面完全在你掌控之下的场景，确定性脚本仍然更好。

一个不错的判断标准：如果页面是你自己的，而且从不改动，就写脚本；如果页面不是你的，而且说变就变，就用智能体。