目前在调研 browser-use 框架，一个基于 langchain + function calling 的浏览器 agent 框架。 最近使用下来，需要自定义配置的地方特别多，问题也比较多：
- 网站需要适配特殊的定位器，select dropdown 、modal 等很多组件需要自己写函数
- 幻觉问题，agent 经常以为自己已经执行完了某个动作，但实际上并没完成
- 动作执行不规范，比如 select dropdown 有时候非要给你拆分成两次 click
我使用的模型是 deepseek-v3 ，上述问题用 system prompt 也不一定能解决，执行起来非常不稳定。 此外，感觉 browser-use 本身框架也存在一些缺陷，比如 selector map 更新的问题等。
但是像 ChatGPT Operator 这种都给你封装好了，是不是只能接入一些主流网站，有没有 Pro 用户讲讲好不好用？或者给点这方面相关的意见也行。
 |
1
vfx666 11 天前 via iPhone
没用过，但也想知道
|
Select Language