Các Đại diện AI so với Các Kịch Bản: Cách Chọn Cho Tự Động Hóa Web

TL;DR

• Sử dụng script khi các bước được phép và kiểm tra chấp nhận có thể được xác định trước.
• Sử dụng agent AI khi hành động tiếp theo phụ thuộc vào việc diễn giải thông tin được phát hiện trong quá trình thực hiện nhiệm vụ.
• Một quy trình cố định có thể bao gồm việc gọi mô hình mà không để mô hình kiểm soát toàn bộ quy trình.
• Giữ các thông tin xác thực, đích được phép, giới hạn chi tiêu và các thao tác ghi cuối cùng dưới sự kiểm soát rõ ràng của ứng dụng.
• Đánh giá script, agent và thiết kế lai trên cùng một nhiệm vụ, bao gồm đầu vào mơ hồ và các lần chạy bị gián đoạn.

Việc lựa chọn giữa agent AI và script bắt đầu từ các quyết định mà quy trình của bạn phải thực hiện. Việc tải xuống báo cáo đã biết, kiểm tra ngày tháng và nhập một tập hợp cột cố định thường có đường đi được xác định. Việc điều tra lý do tại sao tài liệu công khai của nhà cung cấp mâu thuẫn với thông báo trước đó có thể yêu cầu diễn giải bằng chứng và chọn nguồn bổ sung. Cả hai đều sử dụng trình duyệt, nhưng chúng cần các mô hình kiểm soát khác nhau.

Đối với tự động hóa trình duyệt, CapSolver có thể cung cấp xử lý CAPTCHA được tài liệu hóa trong cả hai thiết kế. Khả năng này không xác định liệu một nhiệm vụ có cần agent hay không. Hướng dẫn này so sánh script, quy trình được hỗ trợ bởi mô hình và agent dựa trên mức độ bất định mà chúng phải xử lý, bằng chứng mà chúng trả về và các kiểm soát cần thiết để vận hành chúng. Mục tiêu thực tế là đặt suy luận ở nơi nó cải thiện nhiệm vụ đồng thời giữ cho việc thực thi quy trình dễ kiểm thử.

Điều gì phân biệt agent với script tự động hóa?

Agent chọn một số hành động tiếp theo từ ngữ cảnh nhiệm vụ và kết quả quan sát được; script tuân theo luồng kiểm soát được xác định bởi nhà phát triển. Script có thể có nhiều nhánh, thử lại và phụ thuộc bên ngoài. Luồng kiểm soát xác định không có nghĩa là trang web hoặc mạng luôn trả về cùng một câu trả lời.

Một sự phân biệt hữu ích xuất hiện trong giải thích của Anthropic về quy trình và agent: các đường đi được xác định khác với quy trình do mô hình điều hướng. Hãy xem đây là sự phân biệt kiến trúc, thay vì tuyên bố rằng một danh mục nào đó luôn có khả năng hơn. Một quy trình gửi đoạn văn cho mô hình để phân loại có thể vẫn là quy trình cố định nếu ứng dụng sở hữu các bước tiếp theo.

Ví dụ, một trình nhập dữ liệu ban đêm có thể hỏi mô hình xem tài liệu có liên quan đến bảo trì hay không. Ứng dụng vẫn chọn nguồn, giới hạn đầu vào, xác minh danh mục và ghi bản ghi. Mô hình cung cấp một diễn giải. Nó không cần quyền truy cập để duyệt các miền bổ sung, thay đổi lịch trình hoặc gửi thông báo cho người nhận mới.

Thuật ngữ về quét web AI mô tả việc sử dụng AI rộng hơn trong thu thập dữ liệu. Trong danh mục này, phân biệt việc chọn nguồn, thu thập trang, diễn giải nội dung và chấp nhận bản ghi. Các phần khác nhau của một luồng có thể cần mức độ tự chủ khác nhau.

So sánh quyết định mà mỗi thiết kế phải sở hữu

Thiết kế phù hợp phụ thuộc vào nơi bất định xuất hiện trong công việc và cách bạn có thể xác minh việc giải quyết của nó. So sánh quy trình nhỏ nhất có ích, thay vì so sánh một script đơn giản với một agent đã được giao nhiệm vụ rộng hơn.

Yếu tố quyết định	Script hoặc quy trình cố định	Agent AI	Thiết kế lai
Hành động tiếp theo	Được xác định bởi mã và trạng thái quan sát được	Được chọn bằng ngữ cảnh nhiệm vụ và bằng chứng	Mô hình đề xuất trong một tập hợp chuyển tiếp cố định
Biến thể đầu vào	Được xử lý bằng phân tích và xác minh rõ ràng	Được diễn giải trong khả năng của mô hình	Phân tích xác định trước, diễn giải cho ngoại lệ
Chấp nhận	Các khẳng định của ứng dụng	Các khẳng định của ứng dụng cộng với việc xem xét bằng chứng	Quy tắc chấp nhận chung cho cả hai hướng
Sử dụng tài nguyên	Các hoạt động có giới hạn có thể được lập kế hoạch	Các bước biến đổi cần giới hạn riêng	Lý luận được cấp phép riêng
Điểm bắt đầu tốt nhất	Công việc ổn định, lặp lại, được mô tả rõ	Khám phá mở rộng với kết quả kiểm tra được	Công việc chủ yếu ổn định với phần không chắc chắn nhỏ

So sánh này không làm script tự động an toàn hoặc agent tự động không đáng tin cậy. Một script với thử lại không giới hạn có thể tốn kém. Một agent với công cụ hẹp và điều kiện chấp nhận rõ ràng có thể dễ giám sát hơn so với một tập hợp rộng các script đặc biệt. Xem xét triển khai thực tế và bối cảnh vận hành.

Bắt đầu bằng script cho công việc lặp lại ổn định

Script là điểm bắt đầu mạnh khi bạn có thể xác định nguồn, chuỗi hành động và kết quả thành công trước khi chạy. Ví dụ bao gồm việc thu thập báo cáo công khai có ngày tháng, xác minh định dạng xuất đã biết hoặc kiểm tra biểu mẫu giai đoạn của ứng dụng được sở hữu.

Viết điều kiện chấp nhận trước các bước điều hướng

Xác định những gì người dùng cuối cần. Việc nhập báo cáo có thể yêu cầu khoảng thời gian báo cáo mong đợi, lược đồ được nhận diện và tập hợp đầy đủ các cột bắt buộc. Đến trang tải xuống chỉ là trạng thái trung gian. Khẳng định cuối cùng nên xác định rằng tệp đúng đã được nhận và chấp nhận.

Cách tiếp cận này làm cho bảo trì chính xác hơn. Nếu liên kết tải xuống thay đổi, bộ chuyển đổi thu thập cần được chú ý. Nếu một cột biến mất, hợp đồng lược đồ cần được xem xét lại. Việc thêm mô hình để đoán xem tệp hoặc cột nào có vẻ hợp lý có thể che giấu thay đổi thay vì giải quyết nó.

Cung cấp các nhánh cho các lỗi dự kiến

Xử lý nguồn không khả dụng, yêu cầu đăng nhập thay đổi, tệp thiếu và lỗi phân tích riêng biệt. Script không cần phải phát hiện ra phản hồi sáng tạo cho mọi lỗi. Trả về trạng thái dừng hữu ích thường là hành vi đúng cho công việc sản xuất lặp lại.

Giữ trạng thái trình duyệt và quyền truy cập minh bạch cho người sở hữu quy trình. Thông số kỹ thuật W3C WebDriver định nghĩa các lệnh tự động hóa trình duyệt; nó không quyết định hành động nào phù hợp với nhiệm vụ của bạn. Ứng dụng của bạn phải cung cấp chính sách đó và xác minh kết quả của mỗi chuyển tiếp có ý nghĩa.

Thêm agent khi diễn giải thay đổi hành động tiếp theo

Agent trở nên hữu ích khi thông tin được phát hiện mới xác định hành động được phép tiếp theo. Một nhiệm vụ nghiên cứu có thể cần so sánh nhiều tài liệu công khai, nhận thấy sự mâu thuẫn chưa được giải quyết và tìm thêm giải thích chính thức.

Kết quả vẫn phải kiểm tra được. Đối với việc xem xét tài liệu, yêu cầu liên kết nguồn, đoạn trích liên quan, ngày quan sát và tài liệu rõ ràng về xung đột chưa được giải quyết. Một bản tóm tắt trôi chảy mà không có bằng chứng hỗ trợ không phải là kết quả thỏa mãn chỉ vì agent đã hoàn thành vòng công cụ của nó.

Đặt ranh giới tìm kiếm rõ ràng. Agent có thể chọn giữa các phần tài liệu được phê duyệt và ghi chú phát hành công khai trong khi ứng dụng giới hạn đích, số trang và thời gian đã trôi qua. Nếu bằng chứng cần thiết nằm ngoài ranh giới đó, trả về yêu cầu xem xét thay vì mở rộng nhiệm vụ một cách im lặng.

Tránh giao phán mà quy trình không thể đánh giá. "Tìm mọi thứ quan trọng" khó kiểm tra. "Xác định các thay đổi ảnh hưởng đến các tùy chọn cấu hình được hỗ trợ này và trích dẫn ghi chú phát hành liên quan" cung cấp mục tiêu hữu ích hơn. Mô hình vẫn diễn giải ngôn ngữ, nhưng đầu ra mong đợi và phạm vi là cụ thể.

Nhận mã thưởng CapSolver của bạn

Tăng ngân sách tự động hóa của bạn ngay lập tức!
Sử dụng mã thưởng CAP26 khi nạp tiền vào tài khoản CapSolver để nhận thêm 5% thưởng cho mỗi lần nạp — không giới hạn.
Nhận mã thưởng ngay bây giờ trong Bảng điều khiển CapSolver

Sử dụng thiết kế lai cho phần không chắc chắn

Quy trình lai giữ việc thực thi lặp lại trong mã và ủy thác một quyết định diễn giải cụ thể cho mô hình. Nó thường phù hợp khi phần lớn bản ghi tuân theo đường đi ổn định nhưng một số ít cần bối cảnh bổ sung.

Xem xét một trình giám sát thông báo công khai được phép. Một bộ thu thập được lên lịch tải về các nguồn đã biết và trích xuất ngày tháng và tiêu đề. Một mô hình phân loại các thông báo mơ hồ theo phân loại đã tài liệu. Ứng dụng kiểm tra danh mục trả về và đoạn trích hỗ trợ trước khi chấp nhận bản ghi. Các trường hợp chưa giải quyết được đưa vào hàng đợi xem xét thay vì kích hoạt việc duyệt web không giới hạn.

Làm rõ sự chuyển giao: tài liệu đầu vào, câu hỏi, trường đầu ra được phép và yêu cầu bằng chứng. Trả về sự không chắc chắn như một kết quả hợp lệ. Nếu mô hình không thể phân biệt giữa sự cố kế hoạch và sự cố lịch sử, bộ thu thập không nên tạo ra trạng thái xác định để đáp ứng lược đồ.

Giữ tài liệu gốc có sẵn để kiểm tra sau này. Nếu quy tắc phân loại thay đổi, bạn có thể xem xét lại bằng chứng được lưu trữ mà không cần truy cập nguồn lại. Điều này giảm hoạt động mạng không cần thiết và làm cho các tranh cãi dễ tái tạo hơn.

Hướng dẫn cơ sở hạ tầng trình duyệt cho agent AI cung cấp bối cảnh liên quan cho tài nguyên trình duyệt. Quyết định kiến trúc ở đây hẹp hơn: xác định quyết định cụ thể cần lý luận và định nghĩa những gì vẫn thuộc về ứng dụng xung quanh.

Đặt xử lý CAPTCHA phía sau ranh giới nhiệm vụ được xác định

Xử lý CAPTCHA thuộc về bước được xác định, được hỗ trợ trong quy trình được ủy quyền, bất kể người gọi là script hay agent. Mô hình không nên xem mọi trang không truy cập được là bằng chứng rằng nó cần thử giải CAPTCHA khác.

Trang tạo nhiệm vụ của CapSolver tài liệu việc gửi các đối tượng nhiệm vụ được hỗ trợ. Tuân theo các yêu cầu cụ thể cho từng loại thách thức. Ứng dụng vẫn chịu trách nhiệm liên kết kết quả với hành động hiện tại, bảo tồn bối cảnh cần thiết và kiểm tra xem đích có chấp nhận bước tiếp theo hay không.

Tách hoàn thành thách thức khỏi hoàn thành nhiệm vụ. Một trình duyệt có thể vượt qua điểm kiểm tra xác minh nhưng vẫn hiển thị báo cáo sai, lỗi tài khoản hoặc trang không đầy đủ. Điều kiện chấp nhận ban đầu vẫn phải được thực hiện sau khi xử lý thách thức kết thúc.

Tương tự, việc thêm agent không phải là sửa chữa chung cho các lỗi xác thực. Một thông báo tài khoản bất ngờ hoặc đích bị từ chối yêu cầu quyết định truy cập. Giữ quyết định đó bên ngoài suy luận tự do và ghi lại lý do thực tế mà quy trình dừng lại.

Đánh giá cả ba thiết kế với cùng một khối lượng công việc

Một đánh giá hữu ích so sánh các kết quả được chấp nhận, xử lý lỗi và tổng nỗ lực trên cùng tập đầu vào. Bao gồm các trường hợp thông thường, trang thay đổi, tài liệu mơ hồ và bằng chứng thiếu hụt. Một minh họa chỉ chứa đường đi thành công không thể tiết lộ các yếu tố thương lượng vận hành.

Phân biệt lỗi diễn giải khỏi lỗi thực thi

Gán nhãn lỗi theo quyết định bị sai. Hệ thống có chọn nguồn sai, không tải được nó, đọc sai nội dung của nó, hay chấp nhận kết luận không được hỗ trợ không? Các danh mục này giúp xác định liệu có nên cải thiện bộ chọn, thay đổi lời nhắc mô hình hay siết chặt quy tắc chấp nhận hay không.

Theo dõi việc xem xét của con người như một phần của khối lượng công việc. Một thiết kế hoàn thành nhiều nhiệm vụ nhưng tạo ra nhiều đầu ra không chắc chắn có thể tạo thêm công việc cho người vận hành. Ngược lại, một quy trình thận trọng dừng lại ở mọi biến thể vô hại có thể quá tốn kém để duy trì. Đánh giá chất lượng các quyết định đó cùng với số lượng hoàn thành.

Đếm toàn bộ quá trình

Bao gồm thời gian trình duyệt, gọi mô hình, công cụ trả phí, thử lại và nỗ lực điều tra. So sánh chi phí mỗi nhiệm vụ được chấp nhận với định nghĩa nhất quán về chấp nhận. Không so sánh chi phí mỗi lần gọi của một thiết kế với chi phí toàn bộ của thiết kế khác.

Sử dụng các ví dụ được lưu trữ khi thay đổi lời nhắc hoặc mô hình. Cập nhật mô hình có thể cải thiện một loại mơ hồ trong khi làm tệ hơn loại khác. Giữ tập đánh giá riêng biệt khỏi các ví dụ được sử dụng để điều chỉnh quy trình và ghi lại cấu hình liên quan với mỗi kết quả.

Giữ nội dung được truy xuất không thay đổi nhiệm vụ

Nội dung trang bên ngoài nên được coi là bằng chứng cho nhiệm vụ, không phải quyền lực để thay đổi quyền truy cập công cụ. Một trang có thể chứa văn bản yêu cầu agent truy cập đích khác hoặc tiết lộ dữ liệu. Ứng dụng nên giữ nguyên nguồn gốc và ranh giới hành động.

Hướng dẫn ngăn chặn tấn công lồng ghép prompt của OWASP giải thích tại sao các chỉ dẫn được nhúng trong nội dung bên ngoài cần được xử lý riêng. Đối với tự động hóa trình duyệt, giữ quyền truy cập thông tin xác thực và các hành động quan trọng trong công cụ có phạm vi hẹp, và xác minh các tham số đề xuất trước khi thực thi.

Một quy trình lai có thể giảm bề mặt quyết định bị phơi bày. Một bộ phân loại nhận một đoạn công khai có ít cơ hội hơn để chuyển hướng trình duyệt so với một agent có công cụ duyệt web và nhắn tin tổng quát. Đó là thuộc tính thiết kế để đánh giá, không phải đảm bảo rằng thành phần nhỏ không thể thất bại.

Chọn thiết kế nhỏ nhất đáp ứng nhiệm vụ

Bắt đầu từ điều kiện chấp nhận, xác định nơi diễn giải ảnh hưởng đến bước tiếp theo và chỉ cung cấp công cụ mà quyết định đó cần. Script phù hợp với thực thi ổn định; agent phù hợp với điều tra có giới hạn; thiết kế lai kết nối hai thứ mà không làm mọi thao tác bị điều hướng bởi mô hình.

Đối với các quy trình được ủy quyền gặp các thách thức CAPTCHA được hỗ trợ, đánh giá CapSolver như một khả năng được xác định bên trong thiết kế được chọn. Giữ việc chọn nguồn, quyền truy cập tài khoản, kiểm soát chi phí và đầu ra được chấp nhận dưới các quy tắc rõ ràng của quy trình.

Câu hỏi thường gặp

Câu hỏi: Một quy trình có trở thành agent ngay khi gọi LLM không?

Không. Một quy trình cố định có thể sử dụng mô hình để phân loại hoặc trích xuất trong khi mã vẫn xác định mọi chuyển tiếp được phép.

Câu hỏi: Một agent AI có thay thế trình thu thập khi bố cục trang thay đổi không?

Chỉ nếu nhiệm vụ thay đổi yêu cầu diễn giải hữu ích và kết quả vẫn có thể kiểm tra được. Thay đổi bố cục có thể cần bộ phân tích hoặc sửa đổi bộ chọn cụ thể thay vì.

Câu hỏi: Script và agent có thể sử dụng cùng một tích hợp CAPTCHA không?

Chúng có thể gọi cùng một giao diện nhiệm vụ được hỗ trợ khi yêu cầu của chúng khớp. Mỗi vẫn cần kiểm tra ủy quyền, tham số đúng và xác minh cấp độ đích.

Câu hỏi: Cách một nhóm so sánh agent với script hiện có?

Sử dụng cùng các trường hợp đại diện và quy tắc chấp nhận, sau đó so sánh các kết quả được chấp nhận, lỗi, tổng sử dụng tài nguyên và nỗ lực xem xét của người vận hành.