Chuyển đến nội dung chính
Quay lại danh sách bài viết

browser-use 1.0.5 เพิ่มผู้ประเมินผลการทำงานของ browser agent และบันทึกจุดติดขัด

browser-use 1.0.5 เพิ่ม result.judgement ตรวจงานจาก trace และภาพสุดท้าย พร้อมแยก CAPTCHA, prompt injection และ gotchas ที่เว็บไซต์ขัดขวาง

browser-use 1.0.5 เพิ่มผู้ประเมินผลการทำงานของ browser agent และบันทึกจุดติดขัด

browser-use 1.0.5 เพิ่มผู้ประเมินผลการทำงานของ browser agent และบันทึกจุดติดขัด

ทีม browser-use เผยแพร่ เวอร์ชัน 1.0.5 เมื่อ 14 พฤศจิกายน 2026 เวลา 08:24:22 UTC โดยเพิ่มระบบประเมินผลหลัง agent ทำงานกับเว็บไซต์เสร็จ ฟีเจอร์นี้ใช้โมเดลที่ผู้ใช้กำหนดช่วยตรวจว่าการทำงานบรรลุโจทย์หรือไม่ และเก็บเหตุที่เว็บไซต์ขัดขวาง agent เช่น input ไม่ผ่าน validation, error, CAPTCHA หรือ rate limit ข้อมูลเหล่านี้มีประโยชน์กับทีมที่รัน browser agent แบบอัตโนมัติ เพราะการได้คำตอบสุดท้ายจาก agent ไม่ได้ยืนยันเสมอว่าการกระทำบนหน้าเว็บสำเร็จจริง

Judge ดูหลักฐานจากการรัน ไม่ใช่คำตอบสุดท้ายอย่างเดียว

ในรุ่นนี้แต่ละ run จะมีการขอประเมินเพิ่มอีกหนึ่งครั้งโดยใช้ effort ต่ำ ผลถูกเก็บใน result.judgement พร้อม field success, failure_reason, description, prompt_injection_detected, bot_block_or_captcha_detected และ gotchas ตัวประเมินดู trace, ภาพหน้าจอช่วงท้าย และหน้าสุดท้ายของการรัน เพื่อเปรียบเทียบกับงานที่ผู้ใช้สั่ง หากปิด use_vision หลักฐานภาพก็ไม่ถูกใช้ตามเงื่อนไขที่ release note ระบุ

ความต่างเชิงปฏิบัติคือทีมสามารถแยกผลสำเร็จออกจากคำอธิบายข้อผิดพลาดได้ เช่น agent อาจกรอกแบบฟอร์มครบแต่เว็บไซต์ปฏิเสธเพราะรูปแบบหมายเลขโทรศัพท์ไม่ตรง หรือ workflow อาจดูเหมือนจบแต่จริง ๆ ติดหน้าตรวจ CAPTCHA การเก็บ gotchas เปิดทางให้ระบบติดตามข้อจำกัดของแต่ละเว็บไซต์โดยไม่ต้องไล่ดู trace ยาวทุกครั้ง อย่างไรก็ดี verdict จากโมเดลเป็นการประเมิน ไม่ใช่หลักฐานยืนยันธุรกรรมภายนอก หากงานมีผลทางการเงินหรือสิทธิ์ผู้ใช้ ควรตรวจสถานะจากระบบปลายทางอีกชั้น

ผู้พัฒนาสามารถส่ง judge_context= เพื่อบอกเกณฑ์สำเร็จเฉพาะงาน เช่นให้ถือว่าสำเร็จเฉพาะเมื่อเห็นเลขอ้างอิงที่ระบบออกจริง หรือเมื่อข้อมูลในหน้าสรุปตรงกับคำสั่งตั้งต้น ส่วน judge=False ใช้ปิดการประเมินเมื่อไม่ต้องการค่าใช้จ่ายหรือ latency เพิ่ม release ยังระบุว่าออปชันเดิมจากสาย 0.x คือ use_judge และ ground_truth กลับมาใช้ได้อีกครั้ง จึงเหมาะกับทีมที่ย้ายระบบจากรุ่นเก่าและมี configuration ค้างอยู่

Gotchas ช่วยวิเคราะห์เว็บที่ต้านการทำงานอัตโนมัติ

การเปลี่ยนอีกส่วนคือ judge จะเขียน gotcha เมื่อเว็บไซต์ปฏิเสธข้อมูล แสดง error บล็อก agent หรือจำกัดอัตรา แม้สุดท้าย agent จะหาทางทำงานสำเร็จ ข้อนี้ทำให้รายงานมีบริบทที่ทีมปฏิบัติการต้องการ: งานหนึ่งอาจผ่านหลัง retry หลายครั้ง แต่หากไซต์เริ่มบล็อกบ่อยขึ้นก็ควรแก้ workflow ก่อนอัตราความสำเร็จตก ทีม browser-use รายงานการประเมิน 13 run จริง โดยให้ judge ตรวจ run ละสามครั้ง พบ gotcha ใน 15 จาก 15 verdict ที่ไซต์ขัดขวาง เทียบกับ 6 จาก 15 ก่อนแก้ ขณะเดียวกันพบ gotcha ผิด 2 จาก 24 verdict ของ run ที่สะอาด และผลตัดสินสำเร็จไม่เปลี่ยน

ตัวเลขดังกล่าวเป็นชุดทดสอบของผู้พัฒนา ไม่ใช่ค่าความแม่นยำทั่วไปสำหรับทุกเว็บไซต์ การทดสอบภายในควรสร้างกรณีที่ตรวจคำตอบได้ชัดเจนอย่างน้อยสี่แบบ: สำเร็จจริง, validation ปฏิเสธ, เว็บไซต์บล็อกด้วย CAPTCHA และ agent สรุปว่าสำเร็จทั้งที่ยังไม่ถึงหน้าปลายทาง จากนั้นเทียบ judgement กับ log หรือฐานข้อมูลของระบบปลายทาง และตรวจว่าค่า false positive/false negative ยอมรับได้หรือไม่

วางระบบเก็บผลและความเป็นส่วนตัว

Trace และภาพหน้าจอของ browser agent อาจมีชื่อ อีเมล หมายเลขคำสั่งซื้อ หรือข้อมูลภายใน ก่อนส่งไปให้โมเดลประเมิน ควรทบทวนขอบเขตข้อมูลที่เก็บ การ masking และระยะ retention ตามนโยบายองค์กร ผู้ใช้ที่ส่ง judge_context ควรระบุเกณฑ์ที่วัดได้โดยไม่ใส่ secret ลงไปใน prompt และไม่ควรนำ description ที่โมเดลเขียนมาแสดงต่อผู้ใช้ปลายทางโดยตรงหากยังไม่ได้กรองข้อมูล

สำหรับระบบที่รันเป็นชุด ควรบันทึก success คู่กับ failure_reason, prompt_injection_detected และ bot_block_or_captcha_detected แยกเป็น metric เพื่อดูแนวโน้ม ไม่ควรรวม failure ทุกชนิดเป็นจำนวนเดียว เพราะการเปลี่ยน selector, CAPTCHA และ prompt injection ต้องแก้ต่างวิธี หากเปิด judge หลังอัปเกรด ให้ติดตามค่าใช้จ่ายและเวลารันที่เพิ่มจากการเรียกโมเดลอีกครั้ง รวมทั้งกำหนดทางออกเมื่อ judge ตอบไม่ได้หรือผลไม่สอดคล้องกับสถานะจากเว็บไซต์

แหล่งข่าวต้นทาง: browser-use 1.0.5 release notes (ประกาศ 14 พฤศจิกายน 2026) และ PR ระบบ judge

Chia sẻ bài viết:
Xem thêm bài viết