Webwright的SOTA战绩深度解析如何在Online-Mind2Web拿下86.7%、Odysseys长程任务突破60.1%【免费下载链接】WebwrightA simple SWE style browser agent framework that achieves SOTA results on long horizon web tasks.项目地址: https://gitcode.com/gh_mirrors/web/WebwrightWebwright 是一个极简的 SWE 风格浏览器 Agent 框架它给大模型一个终端让模型自己编写 Playwright 脚本、自主启动浏览器会话端到端完成网页任务。凭借代码即动作的设计这个约 1.5k 行代码的框架在 Online-Mind2Web 与 Odysseys 两大真实网站基准上取得 SOTA 成绩——整体 86.7%长程任务 60.1%。本文带你拆解这份战绩背后的技术逻辑。 战绩速览两个基准两个第一在统一的 100 步预算下Webwright 的评测结果如下基准任务数Webwright 成绩对比基线提升Online-Mind2WebAutoEval30086.7%GPT-5.4GPT-5.4 视觉基线 82.7%4.0Odysseys长程任务20060.1%GPT-5.4平均 76.1 步前 SOTAOpus 4.6 44.5%15.6换成 Claude Opus 4.7Online-Mind2Web 整体为84.7%且在 Hard 子集上更强80.5%。Odysseys 的长程任务对比尤为直观 Online-Mind2Web 的 86.7% 是怎么打出来的传统浏览器 Agent 是看图 → 预测下一步点击坐标的循环误差会逐步累积。Webwright 换了一条路让模型直接写代码操作浏览器。每一轮模型只输出一条 shell 命令通常是运行一段 Playwright 脚本执行后观察返回的输出与截图再决定下一步。从图中可以看到三个关键点整体 86.7%浅蓝色轻帽Step 50 vs 100显示 82.0%说明多给的 50 步带来了 4.7 个百分点的真实收益Hard 子集 80.5%远超视觉基线的 56.1%——这正是写代码相对点坐标的碾压区间Easy 子集 96.2%简单任务几乎没有失误。代码层面的关键机制都在配置与核心循环里系统提示与观察模板src/webwright/config/base.yaml核心 Agent 循环写代码 → 执行 → 观察 → 修复src/webwright/agents/default.py完成前必须通过自我反思验收src/webwright/tools/self_reflection.py 长程任务为何能突破 60.1%Odysseys 平均需要 76 步是典型的长程任务。Webwright 的答案是三个字状态化。工作区即状态而非浏览器即状态——真正的记忆是本地工作区里的代码、截图和日志。浏览器随时可以丢弃重建脚本重跑一遍即可复现现场脚本可重跑、可复用——多步操作选日期、填表单被压缩成一段程序循环与函数让模型可以泛化到相似任务无需重复预测同样的低层动作长程下的错误累积因此大幅减少历史压缩机制——每 N 步自动把对话压缩成摘要见 src/webwright/agents/default.py 的_compact_history上下文不会爆炸。 附赠福利Token 效率对比工具同样的任务Webwright 本地浏览器模式总共消耗约42.4 万token而某通用编码助手的同类轨迹高达329 万——差距接近 8 倍。项目内置了一个轨迹对比查看器可上传raw_responses.jsonl与trajectory.json逐步对照不同框架的思考、命令与 token 消耗前端源码在 assets/compare_trajectory/app.js本地起个静态服务器即可使用。️ 极简架构1.5k 行里都有什么模块职责src/webwright/run/cli.pyCLI 入口约 150 行src/webwright/agents/default.py核心 Agent 循环约 450 行src/webwright/environments/local_workspace.py本地终端 Playwright 浏览器环境src/webwright/models/OpenAI / Anthropic / OpenRouter 可插拔后端src/webwright/tools/image_qa.py截图问答自检工具skills/webwright/SKILL.md以插件形式接入 Claude Code / Codex 的技能定义没有多 Agent 编排、没有图引擎、没有插件层——依赖只有httpx、pydantic、playwright、typer完整清单见 pyproject.toml。 三步跑通你的第一个 Web 任务前提Python 3.10以及一个模型 API Key。git clone https://gitcode.com/gh_mirrors/web/Webwright cd Webwright pip install -e . playwright install chromium然后一条命令开跑以 OpenAI 后端为例换 Claude 只需把model_openai.yaml换成model_claude.yamlpython -m webwright.run.cli \ -c base.yaml -c model_openai.yaml \ -t Search for flights from SEA to JFK on 2026-08-15 to 2026-08-20 \ --start-url https://www.google.com/flights \ --task-id demo_openai -o outputs/default运行结束outputs/default/下会留下完整轨迹与截图生成的final_script.py本身就是一个可反复执行、可改参数复用的自动化脚本。 总结为什么这套笨办法反而 SOTA代码即动作把点哪里换成写什么代码长程任务错误累积显著降低工作区即状态代码 截图 日志是可检查、可重放的真实状态极简可调试约 1.5k 行核心代码整条 prompt → 观察 → 执行循环通读无压力战绩说话Online-Mind2Web 86.7%、Odysseys 60.1%两项均为开源框架中的最强水平。如果你想要一个轻量、易调试、能直接 fork 二开的浏览器 Agent 起点Webwright 是目前最干净的选择。【免费下载链接】WebwrightA simple SWE style browser agent framework that achieves SOTA results on long horizon web tasks.项目地址: https://gitcode.com/gh_mirrors/web/Webwright创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Webwright的SOTA战绩深度解析：如何在Online-Mind2Web拿下86.7%、Odysseys长程任务突破60.1%？
Webwright的SOTA战绩深度解析如何在Online-Mind2Web拿下86.7%、Odysseys长程任务突破60.1%【免费下载链接】WebwrightA simple SWE style browser agent framework that achieves SOTA results on long horizon web tasks.项目地址: https://gitcode.com/gh_mirrors/web/WebwrightWebwright 是一个极简的 SWE 风格浏览器 Agent 框架它给大模型一个终端让模型自己编写 Playwright 脚本、自主启动浏览器会话端到端完成网页任务。凭借代码即动作的设计这个约 1.5k 行代码的框架在 Online-Mind2Web 与 Odysseys 两大真实网站基准上取得 SOTA 成绩——整体 86.7%长程任务 60.1%。本文带你拆解这份战绩背后的技术逻辑。 战绩速览两个基准两个第一在统一的 100 步预算下Webwright 的评测结果如下基准任务数Webwright 成绩对比基线提升Online-Mind2WebAutoEval30086.7%GPT-5.4GPT-5.4 视觉基线 82.7%4.0Odysseys长程任务20060.1%GPT-5.4平均 76.1 步前 SOTAOpus 4.6 44.5%15.6换成 Claude Opus 4.7Online-Mind2Web 整体为84.7%且在 Hard 子集上更强80.5%。Odysseys 的长程任务对比尤为直观 Online-Mind2Web 的 86.7% 是怎么打出来的传统浏览器 Agent 是看图 → 预测下一步点击坐标的循环误差会逐步累积。Webwright 换了一条路让模型直接写代码操作浏览器。每一轮模型只输出一条 shell 命令通常是运行一段 Playwright 脚本执行后观察返回的输出与截图再决定下一步。从图中可以看到三个关键点整体 86.7%浅蓝色轻帽Step 50 vs 100显示 82.0%说明多给的 50 步带来了 4.7 个百分点的真实收益Hard 子集 80.5%远超视觉基线的 56.1%——这正是写代码相对点坐标的碾压区间Easy 子集 96.2%简单任务几乎没有失误。代码层面的关键机制都在配置与核心循环里系统提示与观察模板src/webwright/config/base.yaml核心 Agent 循环写代码 → 执行 → 观察 → 修复src/webwright/agents/default.py完成前必须通过自我反思验收src/webwright/tools/self_reflection.py 长程任务为何能突破 60.1%Odysseys 平均需要 76 步是典型的长程任务。Webwright 的答案是三个字状态化。工作区即状态而非浏览器即状态——真正的记忆是本地工作区里的代码、截图和日志。浏览器随时可以丢弃重建脚本重跑一遍即可复现现场脚本可重跑、可复用——多步操作选日期、填表单被压缩成一段程序循环与函数让模型可以泛化到相似任务无需重复预测同样的低层动作长程下的错误累积因此大幅减少历史压缩机制——每 N 步自动把对话压缩成摘要见 src/webwright/agents/default.py 的_compact_history上下文不会爆炸。 附赠福利Token 效率对比工具同样的任务Webwright 本地浏览器模式总共消耗约42.4 万token而某通用编码助手的同类轨迹高达329 万——差距接近 8 倍。项目内置了一个轨迹对比查看器可上传raw_responses.jsonl与trajectory.json逐步对照不同框架的思考、命令与 token 消耗前端源码在 assets/compare_trajectory/app.js本地起个静态服务器即可使用。️ 极简架构1.5k 行里都有什么模块职责src/webwright/run/cli.pyCLI 入口约 150 行src/webwright/agents/default.py核心 Agent 循环约 450 行src/webwright/environments/local_workspace.py本地终端 Playwright 浏览器环境src/webwright/models/OpenAI / Anthropic / OpenRouter 可插拔后端src/webwright/tools/image_qa.py截图问答自检工具skills/webwright/SKILL.md以插件形式接入 Claude Code / Codex 的技能定义没有多 Agent 编排、没有图引擎、没有插件层——依赖只有httpx、pydantic、playwright、typer完整清单见 pyproject.toml。 三步跑通你的第一个 Web 任务前提Python 3.10以及一个模型 API Key。git clone https://gitcode.com/gh_mirrors/web/Webwright cd Webwright pip install -e . playwright install chromium然后一条命令开跑以 OpenAI 后端为例换 Claude 只需把model_openai.yaml换成model_claude.yamlpython -m webwright.run.cli \ -c base.yaml -c model_openai.yaml \ -t Search for flights from SEA to JFK on 2026-08-15 to 2026-08-20 \ --start-url https://www.google.com/flights \ --task-id demo_openai -o outputs/default运行结束outputs/default/下会留下完整轨迹与截图生成的final_script.py本身就是一个可反复执行、可改参数复用的自动化脚本。 总结为什么这套笨办法反而 SOTA代码即动作把点哪里换成写什么代码长程任务错误累积显著降低工作区即状态代码 截图 日志是可检查、可重放的真实状态极简可调试约 1.5k 行核心代码整条 prompt → 观察 → 执行循环通读无压力战绩说话Online-Mind2Web 86.7%、Odysseys 60.1%两项均为开源框架中的最强水平。如果你想要一个轻量、易调试、能直接 fork 二开的浏览器 Agent 起点Webwright 是目前最干净的选择。【免费下载链接】WebwrightA simple SWE style browser agent framework that achieves SOTA results on long horizon web tasks.项目地址: https://gitcode.com/gh_mirrors/web/Webwright创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考