浏览器自动化

它是什么

浏览器自动化是让程序控制浏览器完成操作，例如打开页面、点击按钮、填写表单和读取结果。它可以按事先写好的脚本运行，也可以由 AI 根据页面情况决定下一步。因而看到“自动化”，并不能直接判断背后是否使用了模型。

DOM 与 GUI 是什么

DOM 是浏览器组织网页内容的结构，包含按钮、文本框等元素。工具可以根据元素名称或属性定位它们，Playwright 的定位功能就是例子。GUI 指图形用户界面；另一种方式是让模型看截图，再通过鼠标和键盘操作。两种方式可配合使用，但获得的信息不同。

与搜索和电脑操作的关系

搜索重在找到资料，浏览器自动化还可以改变网页状态。例如找到活动报名页后，填写信息并保存草稿，需要额外的交互和检查。Computer use 的范围可延伸到桌面软件；通过截图操作浏览器，也可以属于计算机操作的一部分。

看演示时如何判断

以保存报名草稿为例，应重新打开记录，确认字段和保存状态，而不只看是否点击了按钮。网页加载、弹窗和登录状态都可能影响过程。评测应写清是否允许读取网页结构、使用截图或调用其他接口，同时记录人工协助；完成同一任务，不代表采用了相同条件。