WebAnything：把真实网页自动变成可复用的智能体环境

网页智能体要真正具备执行能力，不能只在静态截图或少量人工搭建的网站上训练。它们需要大量可操作、可重置、可重复验证的环境，才能学习点击、搜索、填写表单以及跨页面完成任务。然而，现有方案通常面临两类限制：人工镜像需要针对每个网站编写和维护实现，生成式重建又可能偏离指定网站；而简单的录制回放虽然保留了页面观察结果，却受限于已捕获内容和回放能力。

WebAnything 做了什么

WebAnything 的目标，是把“给定一个真实 URL”转化为可复用的网页智能体环境，并尽量减少逐站点工程工作。框架主要包含两个环节：

• Explorer-Builder：在浏览器可观察范围内收集页面结构、资源以及交互后的结果，并据此构建环境。
• 独立验证与修复：验证器检查冻结后的候选环境。如果发现局部不一致，系统可以引导局部修复，或针对性地重新抓取源网站内容。

这一设计的关键不只是复制页面外观，而是把可执行交互和结果也纳入重建过程。论文强调，系统在完成初始设置和授权后，不需要为每个网站手工实现，也不依赖人工逐站修复。

实验结果

研究团队构建了覆盖 14 个应用领域、53 个类别的 244 个网站环境，累计支持 12,984 个已执行并接受的任务。在与人工辅助方案 WebHarbor 的盲测比较中，WebAnything 在三项综合保真度指标上取得更高表现：12 项获胜、2 项持平，没有出现落败项目。

在训练层面，研究者使用 5,856 条交互轨迹微调 Qwen3.5-9B。根据论文在固定评测设置下的报告，REAL 成功率提升 9.9 个百分点，Odysseys-Easy 的 Rubric Avg 和 Task Avg 分别提升 6.25 和 6.32 个百分点，WebArena-Verified Overall 成功率提升 13.33 个百分点。

意义与局限

WebAnything 的价值在于，它把网页环境构建从高度依赖人工的项目，推进为可以批量执行、验证和迭代的流程。若这一方法能够扩展到更多网站与更复杂的状态变化，网页智能体训练将更容易获得多样化任务数据，也能降低评测环境制作的门槛。

不过，论文结果仍应结合其具体评测协议理解。重建质量依赖浏览器可观察信息、源网站交互结果以及验证器的覆盖范围；而网页服务的动态登录、权限、外部数据变化等因素，也可能影响环境的稳定性。因而，WebAnything 更像是规模化网页环境建设的重要工程路径，而不是对真实互联网全部行为的完整复制。

来源：Hugging Face Daily Papers