前七门课把 research-assistant 养成了**会思考**的深度智能体，但它只有脑子没有手——「研究世界」的唯一渠道是搜索摘要。本课教 **2025–2026 仍未收敛的前沿**：让 Agent 直接操作浏览器完成任务（打开页面、点击、翻页、提取、下载），给 research-assistant 长出一双**稳、安全、可评估**的手。课程风格延续第七门课：README 不讲「标准做法」，讲「三大流派（文本/视觉/专用模型）取舍是什么、选 X 因为……」；代码是「手写核心机制 + 设计实验验证有没有用」。所有落地改动作用于 research-assistant，`enable_browser` 默认关，123 项测试始终绿。
三大流派地图 + WebArena/SeeAct/OSWorld 导读 + 硬任务定义 + 跑裸基线（搜索摘要拿不到什么）
BrowserSession 确定性控制（auto-wait/超时兜底/上下文管理器）+ 慢加载/弹窗页
page_to_obs 三种页面表示（原始HTML/元素编号列表/纯文本）+ token 对比（省 9x）
受限动作 DSL（click/type/scroll/back/finish）+ 解析校验 + 非法动作结构化错误回注
observe→think→act 循环 + 滑动窗口上下文裁剪 + mock LLM 零 API 跑通
SoM 标注截图喂 glm-4v-plus + 文本/视觉/混合三路线同任务对比（token/成功率）
失败模式清单 + 循环检测（观察哈希）+ 换策略 + 刁难页 before/after
GUI 注入比 RAG 危险一个量级（做错事非说错话）+ 动作层防御（allowlist/敏感确认/注入扫描）
WebArena 思路：自托管本地任务集 + 功能性验收 + 轨迹评估器双层评估
browser_tool.py 接入 researcher（async + 安全默认开 + 降级链 + 17 测试）
deep_browse 多步取证 + 证据链（URL+访问时间+快照）+ 报告引用可回访
会上网的 Deep Research Agent：四层协同 + 架构文档 + 收益表（成功率 75%→100%）
专用模型 vs 通用 VLM+脚手架三轴框架 + SoM 有无消融最小复现