网页操作智能体实测：用同一组任务比较完成率、人工接管与误操作

网页操作智能体的演示通常只展示任务完成的一次过程，但采购决策需要回答另一个问题：在相同网页、相同权限和相同时间限制下，它能否反复交付正确结果，又会在何处要求人工接管或发生误操作？现有资料没有提供可核验的逐次执行记录，本文也未完成产品可用状态核验和机器运行。因此，不能把下面的测试方案写成“实测结果”，更不能据此给产品排名。

先确定什么才算完成任务

比较对象应是发布前核验仍可使用、且能自主操作网页的具体产品，而不是底层模型或演示视频。测试全程使用公开、免登录页面；不进入支付流程，不提交表单或真实业务数据。各产品使用相同的任务说明、浏览器语言、网络环境和权限，每项任务至少重复三次，保留屏幕录像与操作日志。

一组可复现的任务可覆盖三类常见工作：

正式运行前，应保存任务起始网址、具体问题、人工制作的参考答案及页面存档。公开网页可能随时改版；若某次运行遇到页面不可访问，应标记为“环境异常”并保留证据，而不是直接算作产品失败，也不能只替失败产品更换任务。

完成率之外，还要记下接管与误操作

每次运行从提交同一段任务说明开始计时，到智能体给出最终答复或达到预设时限结束。完成要求答案正确、链接可打开，且关键步骤确由智能体执行；仅给出看似合理的文字、不提供可核对来源，不能算完成。人工提供额外提示、纠正导航或代为点击，均记为一次接管，并另记“接管后完成”。

误操作单独统计：例如打开明显无关的页面后仍将其作为依据、误读筛选条件、在未获授权时尝试点击提交按钮。一次任务可以最终完成，同时发生误操作。报告至少应同时列出独立任务完成率、接管后完成率、每项任务接管次数、发生误操作的任务数及耗时中位数，不能用一个总分掩盖风险。

复现时，可先固定上述三项任务及参考答案，再随机调整各产品的运行顺序；每次使用全新会话，记录产品版本或可见配置。两名核验者依据预先写好的规则分别判定结果，意见不一致时回看录像。发布报告时附上逐次记录，而不仅是汇总百分比。

目前没有可填入的产品成绩表。搜索线索中出现了工具名称和其他文章的测试说法，但不足以证明这些产品在发布时仍可用，也不能替代本次同环境运行。若未完成状态核验、实际执行和日志留存，就不应使用“机器实测”“完成率最高”等结论。

【软盟资讯观察】

网页操作智能体的落地机会，首先在可公开核验、出错后易于回退的资料查找与整理任务，而不是直接代替员工处理高风险业务。企业试点时，可以先选一个有明确验收标准的流程，用独立完成、接管后完成和误操作三本账估算价值：若节省的操作时间被复核与纠错抵消，演示再流畅也难以形成稳定收益。

风险不只在“答错”，还在于智能体可能沿着错误页面继续操作，并给出貌似完整的结果。因此，采购方应要求供应商说明权限边界、操作留痕、暂停机制和异常处理方式。冷静的判断标准不是单次能否跑通，而是重复运行时结果是否稳定、人工能否及时发现偏差。没有逐次证据的横评，最多提供测试思路，不足以支持采购排名。