Agent Skills
返回列表
💻

浏览器代理基准测试套件

开发编程 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/benchmark-browser-agents-on-a-fixed-stealth-and-task-suite-with-browser-use-benchmark 到 AI 助手。

技能介绍

要解决的问题

浏览器代理在 demo 里表现好，不代表在固定反机器人场景下稳定。团队选型或宣称进展时，常缺少同一条件、同一任务集、同一评判模型下的可比证据；换个网站、换个 agent、换个 provider 后结果可能就不可复现。这个技能把比较拉回到可重复基准：在同一套 stealth 配置和任务套件上运行浏览器代理，并记录其在重复任务上的可靠性差异。

技能如何工作

核心能力是把浏览器代理评测标准化：固定 stealth 与任务套件、固定评判模型，并通过目标浏览器 provider 执行任务。准备时需要 Python、uv、基准仓库依赖、评判模型，以及所选浏览器 provider 的 API key；随后把 .env.example 复制为 .env 并填入密钥与代理配置。评估入口是 run_eval.py，运行时通过 --browser 指定浏览器代理配置；流程会执行预设任务，再用同一评判模型比较不同 agent 的结果。它适合在选型前做横向对照：哪些 agent 能稳定完成流程，哪些在反机器人页面上更容易失败。

适用边界

它只覆盖固定 stealth 与任务套件内的对比，不是通用网页自动化或生产监控工具。结果会受任务集、stealth 配置、评判模型、浏览器 provider、API key 和 agent 自身配置影响；跨 suite 数字不可直接比较。运行前应确认目标站点与测试用途合法，避免把 stealth 能力用于未授权访问。

使用场景

  • 选型浏览器自动化方案时，需在固定反机器人场景下对比不同 agent 的任务完成率。
  • 团队要发布 agent 进展前，在统一 stealth 配置下验证重复任务的一致性。
  • 评估 agent 稳定性时，用同一评判模型比较不同 provider 下的任务结果。
  • 选型前需复现 agent 表现，在同一任务套件中定位频繁失败的场景。

适合人员

  • 浏览器自动化工程师：需要选择可靠的浏览器代理技术栈。
  • AI Agent 评测工程师：要在固定套件下对比不同 agent 的可靠性。
  • 技术选型负责人：需要可复现的证据判断 agent 是否适配目标站点。
  • 算法研究员：验证 agent 进展时需要统一基准对比反机器人场景表现。