Může Agent otevírat webové stránky, klikat a pořizovat snímky obrazovky?

Operace prohlížeče se liší od extrakce textu

Extrakce textu z webových stránek je vhodná pro extrakci veřejně dostupného textu; operace prohlížeče mohou v podporovaných prostředích přistupovat na stránky, kontrolovat stav, klikat a pořizovat snímky obrazovky, což je vhodné pro úlohy vyžadující pozorování rozvržení nebo dynamickou interakci. Zda Agent může tyto akce provádět, závisí na podpoře nástrojů a stavu připojení aktuálního prostředí.

Nepředpokládejte, že každá online úloha používá skutečný prohlížeč.

Poskytněte konkrétní cíle stránek

Například „Otevřete veřejnou stránku, zkontrolujte, zda mobilní navigace pokrývá obsah, a uložte snímek obrazovky.“ Jasné specifikování stavu ke kontrole, podmínek obrazovky a výstupu pravděpodobněji povede k ověřitelným výsledkům než „pomozte mi zkontrolovat webovou stránku.“

V případě problémů s rozhraním uveďte cestu k stránce, kde se problém vyskytuje, a kroky k reprodukci, a požádejte o zaznamenání skutečného stavu v každém kroku. Snímky obrazovky by měly ideálně indikovat, zda byly pořízeny před nebo po operaci; mít pouze konečný snímek obrazovky často nemůže dokázat, zda mezilehlé interakce proběhly podle požadavků.

1. Potvrďte cílovou webovou stránku a povolený rozsah operací.
2. Specifikujte stav stránky nebo interakce, které mají být pozorovány.
3. Vyžádejte si snímky obrazovky nebo skutečné viditelné výsledky.
4. Pro odeslání nebo úpravy nejprve potvrďte konkrétní operace.

Přihlášení a hranice prostředí

O prohlížeči používaném Agent by se nemělo předpokládat, že má stav přihlášení vašeho běžného prohlížeče; cloudová a lokální prostředí mohou vidět různé stránky. Když se objeví captcha, výzvy k přihlášení nebo odmítnutí přístupu, zpracujte je podle požadavků webu; automatické dokončení není zaručeno. I poté, co stránka ukáže úspěch, ověřte konečný stav, zejména u přesměrování, nahrávání a odesílání formulářů.