企业官网建设流程全解析

Webwright的SOTA战绩深度解析：如何在Online-Mind2Web拿下86.7%、Odysseys长程任务突破60.1%？

【免费下载链接】WebwrightA simple SWE style browser agent framework that achieves SOTA results on long horizon web tasks.项目地址: https://gitcode.com/gh_mirrors/web/Webwright

Webwright 是一个极简的 SWE 风格浏览器 Agent 框架：它给大模型一个终端，让模型自己编写 Playwright 脚本、自主启动浏览器会话，端到端完成网页任务。凭借"代码即动作"的设计，这个约 1.5k 行代码的框架在 Online-Mind2Web 与 Odysseys 两大真实网站基准上取得 SOTA 成绩——整体 86.7%，长程任务 60.1%。本文带你拆解这份战绩背后的技术逻辑。

🏆 战绩速览：两个基准，两个第一

在统一的 100 步预算下，Webwright 的评测结果如下：

换成 Claude Opus 4.7，Online-Mind2Web 整体为84.7%，且在 Hard 子集上更强（80.5%）。Odysseys 的长程任务对比尤为直观：

📊 Online-Mind2Web 的 86.7% 是怎么打出来的？

传统浏览器 Agent 是"看图 → 预测下一步点击坐标"的循环，误差会逐步累积。Webwright 换了一条路：让模型直接写代码操作浏览器。每一轮，模型只输出一条 shell 命令（通常是运行一段 Playwright 脚本），执行后观察返回的输出与截图，再决定下一步。

从图中可以看到三个关键点：

• 整体 86.7%：浅蓝色"轻帽"（Step 50 vs 100）显示 82.0%，说明多给的 50 步带来了 4.7 个百分点的真实收益；
• Hard 子集 80.5%：远超视觉基线的 56.1%——这正是"写代码"相对"点坐标"的碾压区间；
• Easy 子集 96.2%：简单任务几乎没有失误。

代码层面的关键机制都在配置与核心循环里：

• 系统提示与观察模板：src/webwright/config/base.yaml
• 核心 Agent 循环（写代码 → 执行 → 观察 → 修复）：src/webwright/agents/default.py
• 完成前必须通过"自我反思"验收：src/webwright/tools/self_reflection.py

🚀 长程任务为何能突破 60.1%？

Odysseys 平均需要 76 步，是典型的长程任务。Webwright 的答案是三个字：状态化。

1. 工作区即状态，而非浏览器即状态——真正的"记忆"是本地工作区里的代码、截图和日志。浏览器随时可以丢弃重建，脚本重跑一遍即可复现现场；
2. 脚本可重跑、可复用——多步操作（选日期、填表单）被压缩成一段程序，循环与函数让模型可以泛化到相似任务，无需重复预测同样的低层动作，长程下的错误累积因此大幅减少；
3. 历史压缩机制——每 N 步自动把对话压缩成摘要（见 src/webwright/agents/default.py 的_compact_history），上下文不会爆炸。

💰 附赠福利：Token 效率对比工具

同样的任务，Webwright 本地浏览器模式总共消耗约42.4 万token，而某通用编码助手的同类轨迹高达329 万——差距接近 8 倍。项目内置了一个轨迹对比查看器，可上传raw_responses.jsonl与trajectory.json逐步对照不同框架的思考、命令与 token 消耗：

前端源码在 assets/compare_trajectory/app.js，本地起个静态服务器即可使用。

🗺️ 极简架构：1.5k 行里都有什么

没有多 Agent 编排、没有图引擎、没有插件层——依赖只有httpx、pydantic、playwright、typer，完整清单见 pyproject.toml。

🚀 三步跑通你的第一个 Web 任务

前提：Python 3.10+，以及一个模型 API Key。

git clone https://gitcode.com/gh_mirrors/web/Webwright cd Webwright pip install -e . && playwright install chromium

然后一条命令开跑（以 OpenAI 后端为例，换 Claude 只需把model_openai.yaml换成model_claude.yaml）：

python -m webwright.run.cli \ -c base.yaml -c model_openai.yaml \ -t "Search for flights from SEA to JFK on 2026-08-15 to 2026-08-20" \ --start-url https://www.google.com/flights \ --task-id demo_openai -o outputs/default

运行结束，outputs/default/下会留下完整轨迹与截图，生成的final_script.py本身就是一个可反复执行、可改参数复用的自动化脚本。

📌 总结：为什么这套"笨办法"反而 SOTA

• 代码即动作：把"点哪里"换成"写什么代码"，长程任务错误累积显著降低；
• 工作区即状态：代码 + 截图 + 日志是可检查、可重放的真实状态；
• 极简可调试：约 1.5k 行核心代码，整条 prompt → 观察 → 执行循环通读无压力；
• 战绩说话：Online-Mind2Web 86.7%、Odysseys 60.1%，两项均为开源框架中的最强水平。

如果你想要一个轻量、易调试、能直接 fork 二开的浏览器 Agent 起点，Webwright 是目前最干净的选择。

【免费下载链接】WebwrightA simple SWE style browser agent framework that achieves SOTA results on long horizon web tasks.项目地址: https://gitcode.com/gh_mirrors/web/Webwright