在 GitHub 查看原文

L11 练习

练习 1：补一个真实硬任务的镜像版任务（方法练习）

当前 mini-benchmark 8 任务都是本地 test_pages。补一个「真实硬任务镜像版」：

1. 选一个真实公开页（如 arXiv 某论文页），仿造一个本地镜像页（含相同结构：标题/作者/摘要/日期）。
2. 加进 mini-benchmark 作 T9：checker 检查提取到的论文标题/日期。
3. 跑两版（裸/加固），标注「镜像版」。

验收：T9 进任务集，能跑通。诚实标注「镜像版不等同真实页，但复刻了关键结构」。这是 L00 双轨制的延续——本地镜像为主、真实只读为辅。

2：全开跑真实硬任务（设计实验类）

用真实 API + playwright 跑硬任务，出真实收益（非 mock）：

1. 假设：真实收益的趋势和 mock 一致（browse 多拿详情页字段、加固后成功率↑），但具体数字不同。
2. 实验： - 配齐 ZHIPUAI_API_KEY + playwright + ENABLE_BROWSER=true。 - 跑硬任务「对比 LangGraph release」3 次。 - 记录：每次拿到的证据种类、引用可回访率、步数、是否成功。
3. 预期：真实 LLM 可能多几步（探索性），但 browse 拿到详情页字段的结论成立。

验收：真实收益表（3 次跑的平均），与 mock 表对比，趋势一致 + 数字差异诚实标注。这是从 mock 到真实的最后一公里验证。

练习 3：架构文档的讲述力（理解类）

本课产出 docs/browser-agent.md。回答：

1. 架构文档里哪个图/表对面试最有用？（提示：四层全景图 + 收益表）
2. 如果面试官只看 30 秒，你让他看哪部分？
3. 架构文档和代码的对应关系——每个机制指向哪段代码？（提示：browser_tool.py / nodes.py / config.py）

验收：能指出「四层全景图 + 收益表是 30 秒讲清楚的载体」，并说出每个机制在代码里的位置。这是把代码变成可讲述故事的能力。

练习 4：思考题——browser 会不会让 Agent 变危险（取舍类）

Agent 有了「手」能做错事（L07 已证）。回答：

1. browser 能力越强（多步/视觉/...），攻击面是不是越大？
2. 怎么在「能力增强」和「安全」之间平衡？（提示：安全层默认开、敏感动作确认、allowlist 维护）
3. 如果未来 UI-TARS 这类专用模型让 agent 能力暴涨（L12 主题），安全层还够吗？

验收：能说出「能力↑ → 攻击面↑，但安全层（动作层拦截）不依赖 agent 自觉，能力涨它仍硬拦」。并预判 L12：专用模型可能让 prompt 防御更难（模型更易被注入说服），但动作层 allowlist/敏感确认仍有效——这就是「动作层是压舱石」的长期价值。