在人工智能领域，Web Agent的网页操作能力一直是研究焦点。当前，Claude、Codex等智能体已具备基本的页面浏览、元素识别和交互操作能力，但面对新任务或新网站时，仍需依赖大型模型从零探索流程。这种探索过程不仅耗时耗力，还容易陷入死循环、偏离任务目标或过早终止，导致经验无法积累和复用。
针对这一问题，Einsia AI旗下Navers Lab推出的开源项目BrowserBC提出了一种创新解决方案。该项目通过"录制-转写-执行"三步范式，将人类浏览器操作轨迹转化为可复用的自然语言技能，为Web Agent提供了高效的决策先验。具体而言，系统首先记录用户在浏览器中完成任务的完整过程，包括页面状态、操作步骤和反馈信号；随后将这些原始轨迹清洗并转写为结构化的技能卡，明确任务意图、关键步骤和完成标准；最后将技能卡交付给任意模型执行，实现跨任务、跨网站的迁移应用。
这种方法的优势在于突破了传统自动化工具的局限性。传统按键精灵等工具通过记录固定坐标和按键操作实现回放，但一旦页面布局发生变化，脚本就会失效。而BrowserBC转写的技能卡聚焦于"该做什么"和"如何判断完成"等语义层面知识，剥离了具体坐标、DOM选择器等易变细节，使技能具备更强的适应性和可迁移性。例如，在民宿预订任务中，技能卡会指导模型先填写基本信息，再应用筛选器，最后验证结果，而非机械复现某次点击的具体位置。
研究团队通过实验验证了该方案的有效性。在WebArena-Hard基准测试中，注入BrowserBC技能的Agent任务成功率从60.5%提升至81.4%，交互次数减少27.3%；在真实网站组成的ClawBench测试集上，成功率更是从32.9%跃升至68.4%，且在所有任务类别中均表现优异。这些数据表明，技能卡不仅提升了任务完成率，还显著减少了无效探索，使Agent能更专注于当前页面的实时状态分析。
技能管理机制是BrowserBC实现可扩展性的关键。系统将转写的技能组织成技能图，通过合并相似技能、登记特化版本等方式，避免库中出现冗余或冲突条目。这种结构化存储方式支持增量更新，新轨迹只需影响相关技能及其邻居节点，大大降低了维护成本。在执行阶段，系统根据语义相似度检索少量相关技能，将其作为上下文提供给Agent，具体操作仍由模型根据当前页面动态决定，确保了灵活性与准确性的平衡。
进一步研究显示，技能质量主要取决于转写阶段，而与执行模型的大小关系不大。例如，由Sonnet-4.6模型蒸馏的技能可同时提升两个不同规模执行器的性能，使小型Agent的表现接近大型模型。这验证了"蒸馏一次、便宜复用"的设想，为降低Web Agent部署成本提供了可能。同时，对失败案例的分析表明，当前瓶颈更多在于执行精度而非知识缺失，如长表单漏填、目标歧义等问题，这为后续优化指明了方向。
BrowserBC的探索不仅限于浏览器场景。研究团队在Ubuntu桌面任务上的迁移实验表明，过程性先验具有跨领域潜力。无论是浏览器中的页面跳转，还是桌面上的窗口管理，技能卡所编码的前置条件、状态转移和恢复策略等通用知识均可发挥作用。当然，该方法在GUI控制精度和技能检索准确性等方面仍存在局限，需要结合具体场景进一步优化。
这一成果为Web Agent的发展提供了新思路。通过将人类浏览器操作经验转化为结构化知识，BrowserBC解决了经验积累和复用的难题，使Agent能够从"能操作"向"高效操作"迈进。更重要的是，它揭示了人类交互轨迹的潜在价值——这些看似普通的行为数据，实则蕴含着优化AI系统的宝贵信息。随着技能库的不断完善，Web Agent有望在更多复杂场景中展现实用价值，推动人机交互向更自然、高效的方向发展。
