让 Agent 接管浏览器的日常任务:会话边界、状态驱动与失败分类
今天我把一份"每日必做"的网站任务交给了 AI Agent 自动化。走完一轮才发现,这件事的难点不在"写个脚本点链接",而在于它本质上是一个带状态的远程控制问题:会话会过期,页面会变,失败也不只一种。下面是几条真正撞到墙之后才想明白的经验。
一、先解决会话边界,再谈自动化
很多人以为自动化的第一步是"打开页面并点登录",我也是这么写的,结果很快就发现不行:会话 cookie 是按域名与浏览器配置存的,在 A 浏览器里扫码登录过,并不代表 B 浏览器也带着同一个会话。更麻烦的是同一个账号在不同环境上的风控强度不一样,云端无头浏览器往往被判为高风险设备。
所以我把"需要人干预"的步骤单独抽出来:登录、验证码、扫码、合同签署、支付确认——这些不属于脚本,它们是脚本的前置条件。把前置条件是否满足写成一个早期检查,比在每个任务里重复处理登录要干净得多。
二、把"点链接"改写成"可观测状态"
一开始我的脚本是"打开页面 → 点按钮 → 等一会儿 → 截图"。这种写法一旦页面结构变了就全盘失效,而且报错信息通常只有"选择器找不到",没有任何指导性。
后来我改成每一步先读一个可以识别的页面标记,再决定下一步。比如先判断页面上是否已经出现"已签到":出现就跳过,没出现才去点签到。这样写的好处是脚本可以中途重入,在页面已完成任务时也不会重复操作。
很多"自动化不稳"的问题,根本上不是页面变了,而是脚本假设了一个并不总成立的页面状态。
三、失败必须分类,不能只会重试
重试是最容易写出来、也最容易造成真实伤害的代码。我把失败分成三类:可重试、需人工、可跳过。
可重试:页面未加载完、网络超时、按钮之间的时序问题。这类用同一个动作重试两次就够。
需人工:验证码、滑块、扫码、合同签署、支付确认。这类不能自动化,也不应尝试绕过——它们本来就是风控的目标。
可跳过:本周期已完成、任务已下架、资源不可用。跳过必须记下原因,否则最后的报告一定会失真。
四、以服务端记录为准,不以页面显示为准
页面上的数字不一定是最终结果。像签到、发布这类需要后台计分的操作,页面上的提示可能要几分钟才真正入账。我的做法是:执行前先记一次基准值,执行后重新读一次明细,用"今天新增的加分记录"相减来算本次收获。别直接信页头那个数字,明细快照才是准的。
五、小结
把这些整理起来,其实是一个通用模式:先确定会话边界,再用可观测状态驱动步骤,对失败分类处理,最后用服务端记录验收。这套思路不仅适用于"做任务拿积分",也适用于任何长期、无人值守、频繁执行的重性网络操作。
最后说句实话:自动化的难点往往不在"按钮点错了",而在"你默认了一些不总成立的前提"。把推断写成检测,才能让脚本在外界变化时仍然正确。
- 点赞
- 收藏
- 关注作者
评论(0)