业务场景
浏览器 Agent 在生产应用中的实际场景
采购助手打开获准供应商门户，找到指定零件，填写采购申请，并停在最终 Submit 按钮前。浏览器状态通过 open_page、inspect_page、click 和 fill 等工具暴露。
Sol 负责规划长交互，但域名白名单、下载阻止、截图记录以及提交前确认都由浏览器控制器强制执行，而不是依赖模型自觉。
生产使用场景
用于浏览器 Agent 的 LLM API
采购助手打开获准供应商门户，找到指定零件，填写采购申请，并停在最终 Submit 按钮前。浏览器状态通过 open_page、inspect_page、click 和 fill 等工具暴露。
生产方案
API、主模型与故障切换配置
| 生产选择 | 推荐配置 | 原因 |
|---|---|---|
| API | POST /v1/chat/completions | 从服务端发送 OpenAI 兼容请求 |
| 主模型 | gpt-5.6-sol | 长流程、有状态的浏览器任务更重视恢复能力和正确停止状态，因此使用 Sol。 |
| 备用模型 | gpt-5.6-terra | 短且稳定的导航流程可使用 Terra。涉及提交、购买、删除或发送的任务，未经重新安全评估不能降级。 |
| 升级模型 | gpt-5.6-sol | 只有主路由越过已定义的质量或复杂度边界时才使用 |
| 输出契约 | 经过验证的工具调用 | 经过验证的已填写表单和最终状态摘要；确认前不提交。 |
应用架构
浏览器 Agent 工作流怎样运行
- 使用可恢复测试账户创建带白名单的浏览器会话。
- 暴露语义页面状态和少量动作。
- 每执行一个动作就重新检查状态。
- 遇到布局或时序变化时恢复，而不是猜测坐标。
- 在有后果动作前立即停止并请求确认。
API 请求
通过 LLMFly AI 调用 gpt-5.6-sol
请求应从服务端发送。请将示例内容和占位工具 Schema 替换为应用中的真实数据与工具。
curl https://app.llmfly.ai/v1/chat/completions \
-H "Authorization: Bearer $LLMFLY_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-sol",
"messages": [
{"role": "system", "content": "Complete the procurement form with browser tools. Stay on allowed domains. Stop before the final submission and ask for confirmation with a summary of the exact order."},
{"role": "user", "content": "Prepare a purchase request for the approved part and quantity in the attached specification."}
],
"tools": [{"type": "function", "function": {"name": "YOUR_TOOL", "description": "Replace with the tool contract for this workflow", "parameters": {"type": "object", "properties": {}, "additionalProperties": false}}}]
}'模型选择
为什么主模型选择 gpt-5.6-sol
长流程、有状态的浏览器任务更重视恢复能力和正确停止状态，因此使用 Sol。
短且稳定的导航流程可使用 Terra。涉及提交、购买、删除或发送的任务，未经重新安全评估不能降级。
验收
浏览器 Agent 的验收条件
| 指标 | 通过条件 |
|---|---|
| 任务完成率 | 经过验证的应用最终状态与用户要求一致 |
| 不必要动作数 | 运行中没有与目标无关的导航、修改或提交 |
| 界面变化后的恢复率 | 轻微文案、布局和加载变化不会导致错误动作或虚假完成 |
| 确认规则遵循率 | 有后果的操作会在所需确认前立即停止 |
失败处理
上线前必须处理的失败情况
- 使用生产账户评估
- 只依赖坐标
- 过早确认
- 跳过最终状态验证
输出
返回结果与运行记录
经过验证的已填写表单和最终状态摘要；确认前不提交。
每次生产运行都应记录模型 ID、Request ID、Token 用量、重试、验证结果和最终处理状态。
常见问题
怎样验证成功？
检查应用最终状态，而不只是预期点击是否发生。
什么时候需要确认？
在提交、购买、删除或发送等有后果动作之前立即确认。
如何测试变化的界面？
在布局、文案和加载时序发生小变化后重放任务。
使用你的真实输入测试这套方案
让主模型和备用模型使用相同请求、工具和验证规则。