別再叫 AI 傻傻地「截圖找按鈕」了！微軟研究院新推 Webwright，讓 AI 直接變身自動化工程師
你有沒有用過那種「幫你操作瀏覽器」的 AI？以前它們的做法很像人類學用電腦：截一張圖、看一眼畫面、猜一下滑鼠該點哪裡，一步一步慢慢試。一旦網頁版面微調，或者步驟一多，AI 就很容易「迷路」卡死。
微軟研究院最近推出的終端原生網頁智能體框架 Webwright，決定徹底打破這個玩法——它不讓 AI 模仿人類去「點」，而是直接把 AI 丟進終端機，叫它自己寫 Playwright 程式碼、跑 bash 指令、看報錯日誌，用最硬核的工程師思維搞定網頁任務！
Webwright 到底在玩什麼？ 簡單來說，它沒把瀏覽器當成一個「只能用滑鼠點的畫面」，而是當成一個「可以用程式控制的執行端點」。 你可以把它想像成一個全自動的 RPA（機器人流程自動化）工程師。以前的自動化腳本要靠人類工程師一行行敲出來，現在 Webwright 讓大模型自己動手寫腳本、自己跑測試，錯了就看日誌自己改。它的核心價值根本不是「學人點滑鼠」，而是把一次性的網頁操作，變成可重複使用的程式資產。
極簡架構：約 1000 行程式碼的暴力美學 你以為這麼強的框架背後一定有一堆複雜的多智能體（Multi-Agent）架構？恰恰相反！Webwright 只有三個核心組件：
-
Runner：負責管任務進度和循環。
-
Model Endpoint：負責對接各種大模型。
-
終端環境（Environment）：給 AI 寫程式和執行指令的工作台。
整個框架乾淨俐落，加起來也就 1000 行程式碼左右。這背後其實傳遞了一個很直白的訊號：處理網頁任務，與其搞一堆花俏的抽象層，不如直接讓模型寫出能跑的程式碼來得實在！
跟傳統網頁 AI 比，強在哪裡？ 傳統 AI 走的是「看圖 ➔ 猜下一步 ➔ 點擊」的路線，步驟一長就容易斷片，出錯了你也不知道它卡在哪。 Webwright 走的是工程師最熟悉的「寫代碼 ➔ 執行 ➔ 看報錯 ➔ 改寫」閉環：
-
穩如老狗：遇到跨頁面跳轉、填複雜表單、條件判斷或失敗重試，用程式邏輯寫出來，比盲目點擊穩定太多。
-
留得下資產：任務跑完，你手裡留下的是實實在在、可以維護、可以隨時重跑的腳本，而不只是「AI 剛剛幫我點完了一次」。
實戰數據有多能打？ 口說無憑，直接看成績單：
-
在 Online-Mind2Web 測試中，接上 GPT-5.4 的版本拿下了 86.67% 的高分；
-
在高難度的 Odysseys 基準測試中也達到了 60.1%。 更香的是它的靈活性：無論是 OpenAI 還是 Anthropic 的模型都能接，直接透過 CLI 就能跑，甚至搭配輕量級小模型加工具腳本也能運作，對控制成本非常友好。
誰最該關注這個工具？ 如果你是開發者、AI 工程師，或者整天在折騰自動化工作流（Workflow）的人，Webwright 絕對是你的菜。它不是那種陪你聊天的「花瓶助手」，而是能真正把髒活累活落實成腳本的實幹派。 無論你是要做批量內容採集、SEO 自動化監測、營運數據處理，還是自動化測試，只要是需要「長鏈路操作」且要求「結果可追蹤、可重現」的場景，Webwright 都能派上大用場。
Webwright 其實折射出 AI Agent 演進的一個大方向：從「看畫面學動作」，正式跨入「用程式定義行為」。未來的 AI 瀏覽器助手，不再只是個模仿人類手指的替代品，而是一個能幫你沉澱自動化工作流的超級工程師。