L12 练习

练习 1：循环检测策略对比（方法练习）

本课复现了 SoM 消融。另一个复现方向：循环检测策略对比。

idea：观察哈希检测循环（L06）vs 让 LLM 自判卡住，哪个准？
最小实现： - 造一个打转场景（agent 连续点假按钮）。 - A 版用观察哈希检测（连续 2 步不变→循环）。 - B 版每步问 mock LLM「你卡住了吗」（mock 模拟 LLM 有时自知有时不自知）。 - 对比两版的循环检出率 + 误报率。
预期：A 检出率高且零误报（规则确定）；B 检出率低（LLM 常不自知）。

验收：两版对照表，A 优于 B。这验证 L06「规则检测比 LLM 自判可靠」的选型。

第三个复现方向：观察表示消融。

假设：元素编号列表（L02 主路线）比纯文本正文在操作型任务上成功率高。
实验：用 L04 的 agent 循环，A 版用元素编号列表观察，B 版用纯文本观察（无编号，LLM 得说「点 LangGraph 链接」再解析）。跑本地任务集对比。
预期：A 高（编号精确可执行）；B 低（文本→元素的解析易错）。

验收：两版成功率对照。这验证 L02「元素编号列表优于纯文本」的选型，是观察空间设计的核心证据。

用三轴框架（成本/泛化/可控）分析两个真实系统：

验收：两系统在三轴上的对比表，并能基于「可控性」选 browser-use（金融场景安全红线要求动作层可拦截，黑盒专用模型难满足）。这训练用框架做真实选型。

L12 反思课程本身的前提。回答：

验收：能区分「会被吃掉的脚手架」和「不会的工程价值」。并判断「即使模型变强，这门课的评估方法论、安全工程、可靠性设计仍有价值——它们教的是工程思维不是具体脚手架」。这是对课程自身价值的批判性审视——好的课程要知道什么会过时、什么不会。