量子位
·
BrowserBC：克隆人类点击，让一次网页操作转化为所有Agent的能力
内容提要
BrowserBC是一个开源项目，通过录制浏览器中的人类操作，将其转化为可复用的自然语言技能，帮助Agent高效完成任务。该方法包括录制、转写技能和执行，解决了Agent在新任务中的摸索问题。实验表明，使用BrowserBC技能后，Agent的成功率显著提高，并能在不同模型间迁移，提升网页操作效率。
关键要点
-
BrowserBC是一个开源项目，通过录制人类在浏览器中的操作，将其转化为可复用的自然语言技能，帮助Agent高效完成任务。
-
该方法包括录制、转写技能和执行，解决了Agent在新任务中的摸索问题。
-
实验表明，使用BrowserBC技能后，Agent的成功率显著提高，并能在不同模型间迁移，提升网页操作效率。
-
BrowserBC的核心在于将人类的浏览器操作轨迹蒸馏为可复用的技能，提供给Agent在陌生网站时的决策先验。
-
技能的转写过程包括清洗原始轨迹、提取证据、生成结构化的自然语言技能卡，并组织成可扩展的技能图。
-
BrowserBC在WebArena-Hard和ClawBench上的实验结果显示，注入技能后Agent的成功率和任务完成效率都有显著提升。
-
技能不仅提升成功率，还缩短了完成任务所需的交互，减少了试探性导航与反复的页面查看。
-
BrowserBC的设计主张是技能可以由强模型蒸馏一次，再交给更便宜的Agent复用，提升了执行效率。
-
技能的迁移能力不仅限于浏览器操作，还能扩展到其他操作系统环境，显示出其广泛的应用潜力。
延伸解读
技能转写的关键性
BrowserBC通过将人类的浏览器操作转写为自然语言技能，解决了Agent在新任务中的摸索问题。这一过程不仅提升了Agent的成功率，还使得技能能够在不同模型间迁移，显示出其广泛的应用潜力。技能的转写过程强调了可复用性和灵活性，确保Agent在面对不同网站时能够快速适应。
操作效率的提升
实验结果表明，使用BrowserBC技能后，Agent的任务完成效率显著提高，平均工具调用次数减少。这意味着，Agent在执行任务时能够更高效地利用技能，减少不必要的试探性导航，从而节省时间和资源。这一特性对于需要频繁进行网页操作的应用场景尤为重要。
技能库的管理与扩展
BrowserBC的技能库通过组织成技能图，确保了技能的有效管理和扩展。每当产生新技能时，系统会判断其与已有技能的关系，从而避免冗余和冲突。这种结构化的管理方式不仅提升了技能的复用性，还为未来的技能更新和优化提供了便利。
延伸问答
BrowserBC的主要功能是什么？
BrowserBC通过录制人类在浏览器中的操作，将其转化为可复用的自然语言技能，帮助Agent高效完成任务。
BrowserBC如何提高Agent的任务成功率？
实验表明，使用BrowserBC技能后，Agent的成功率显著提高，并能在不同模型间迁移，提升网页操作效率。
BrowserBC的技能转写过程包括哪些步骤？
技能转写过程包括清洗原始轨迹、提取证据、生成结构化的自然语言技能卡，并组织成可扩展的技能图。
BrowserBC如何解决Agent在新任务中的摸索问题？
BrowserBC通过将人类的浏览器操作轨迹蒸馏为可复用的技能，提供给Agent在陌生网站时的决策先验，减少了试探性导航。
BrowserBC的技能库是如何管理的？
BrowserBC将技能组织成一张技能图，管理技能的新增、合并和特化，确保技能库的持续扩张而不失控。
BrowserBC的设计主张是什么？
BrowserBC的设计主张是技能可以由强模型蒸馏一次，再交给更便宜的Agent复用，从而提升执行效率。
