BrowserBC：人类的一次浏览操作，如何变成所有Agent都能复用的技能

事件概述

Einsia AI旗下Navers Lab发布开源项目BrowserBC，提供一种将人类浏览器操作轨迹蒸馏成可复用自然语言技能（Skill）的方法。核心流程为：录制→转写成Skill→交付执行。该方案旨在解决Web Agent面对新网站需从零摸索、成本高且易出错的问题。

核心方法

• 录制：在浏览器中完成任务时，完整记录任务指令、每一步的页面状态（渲染截图+结构化DOM/可访问性树）、用户动作（点击、输入、跳转等）、页面反馈及最终结果。
• 转写：模型将轨迹清洗后，按语义切割成子过程，提取证据并转写成结构化的自然语言技能卡。技能卡只保留可迁移的过程性知识（如“该做什么、怎么判断进展、怎么算完成”），剥离精确坐标、DOM选择器、登录态、隐私文本等易变细节。
• 执行：将技能卡交给任意模型（可为更小、更便宜的模型）作为上下文，模型据此在真实页面上自行落地操作，而非机械复刻坐标。

技能组织方面：多条轨迹生成的技能通过技能图（skill graph）管理，按意图、前置条件、步骤等判断是否新增、合并或特化，支持增量精炼和局部检索。检索时按语义相似度挑出相关技能，塞入Agent上下文，但Agent仍以当前页面状态为准自主决策。

实验结果

• WebArena-Hard（258个人类审核任务）：base agent成功率为60.5%（156/258），注入技能后提升至81.4%（210/258），提升20.9个百分点，挽回基线失败任务中的54个。平均工具调用次数从31.2降至22.7（-27.3%）。
• ClawBench（152个真实线上网站任务，页面布局会变化）：skill-free基线成功率为32.9%（50/152），注入技能后提升至68.4%（104/152），提升35.5个百分点，几乎翻倍。
• 跨模型迁移：用强模型（Sonnet-4.6）蒸馏的技能同时大幅提升两个不同执行器（+24与+20个百分点），而弱模型蒸馏的技能增益微弱。装配强模型技能的小Agent（77%）逼近大Agent（80%），验证了“蒸馏一次、便宜复用”。
• 迁移到桌面OS：在30个OSWorld风格Ubuntu桌面任务上，17个在注入匹配技能后得到改善，说明过程性先验可跨浏览器边界迁移。

关键讨论

• 技能是带置信度的先验，不是命令：强制Agent逐字照搬技能成功率仅77.5%，允许选择性使用并优先页面证据时达81.4%。约3.9%的任务中盲目照搬技能反而出错。
• 剩余难度在执行精度：失败案例大多源于长表单漏字段、目标歧义、长程任务耗预算等执行精度问题，而非知识缺失。技能能补“该怎么做”，补不了“手稳不稳”。
• 迁移到浏览器之外：可迁移的是过程性先验（前置条件、语义状态转移、里程碑、终止证据等），而浏览器专属动作序列不适用。当缺流程结构时技能最有用，缺底层GUI grounding或检索错配时反而添乱。

意义

BrowserBC的核心价值在于将人类在浏览器中的高效操作路径蒸馏为Agent可复用的Skill，为Web Agent提供了可积累、可复用、可迁移的经验结构。它不依赖网站方提供MCP或官方接口，只要人能用的网站，就能通过蒸馏让Agent高效使用，这为“通用网页浏览”提供了一条现实路径。