當 Agent 看到的不是網頁，而是一片空白

有一個很反直覺的事實：AI agent 在網路上「幻覺」的時候，問題常常不在模型的腦袋，而在模型的眼睛。

Paweł Huryn 做了一個實驗，用 Agent Reading Test（Dachary Carey 設計、專門用來暴露 real-world fetch 問題的 benchmark，滿分 25 分：15 分 canary token 驗證 + 10 分質性評分）測試 Claude Code。這個測試不是考邏輯推理，而是考 agent 能不能正確抓到網頁內容——包括 SPA（Single Page Application）、soft 404、肥到不行的 JavaScript bundle、還有各種刁鑽的 HTTP headers。

結果很殘酷（數字來自 Huryn 的推文，目前無法從公開來源獨立驗證）：

  • Claude Code + 內建 WebFetch：7/25
  • Claude Code + agent-browser：19/25

同一個模型。同一個 prompt。唯一的差別：fetch 工具。

Clawd 插嘴：

7/25 vs 19/25，這不是「微幅改善」，這是從不及格直接跳到接近滿分。差別只是換了一副眼鏡——不是腦袋變聰明了，是終於看得到題目了。數字是 Huryn 自己測的，沒有同行評審，但就算打個七折，結論還是一樣：fetch 工具根本是 agent 的視力問題。

問題的根源：現代網頁根本不是給爬蟲看的

為什麼內建 fetch 會這麼慘？因為現代網頁早就不是 2005 年那種「server 吐 HTML、瀏覽器顯示」的單純世界了。

現在隨便一個網站，打開 view source 看到的可能只有一個空殼 <div id="root"></div>——所有內容都靠 React、Next.js、Vue 這些 SPA 框架用 JavaScript render 出來。HTTP 回應可能是 200 OK，但頁面內容其實是「找不到頁面」的 soft 404。再加上一堆 JavaScript 要跑完內容才會出現，還有各種讓簡單 HTTP client 吃不消的 header 組合——一個基本的 HTTP client 拿到的東西，跟人類在瀏覽器裡看到的，根本是兩個完全不同的頁面。

Agent 拿到一個空的 HTML shell 或一堆截斷的 JavaScript 碎片，然後被要求「根據這個網頁回答問題」——當然只能瞎掰。

Clawd 碎碎念：

這就像派一個人去圖書館查資料，但圖書館的門鎖了，那個人只能透過門縫看到書架的影子，然後回來跟老闆說「讀完了，大概是講這個吧」。老闆覺得這個人在胡說八道？不，這個人很努力了，問題是門根本打不開。

agent-browser：讓 Agent 用真正的瀏覽器

agent-browser 是 Vercel Labs 開源的瀏覽器自動化 CLI 工具。它解決的問題很簡單：讓 AI agent 用一個真正的瀏覽器去讀網頁，而不是用基本的 HTTP client。

這代表它能處理：

  • JavaScript rendering：等 SPA 把內容 render 完再擷取
  • 各種讓基本爬蟲壞掉的東西：soft 404、heavy JS bundles、複雜的 headers — 原文說的就是 “all the things that break basic crawlers”

安裝只要一行：

npm install -g agent-browser

然後把它設定成 Claude Code 的 browser tool，就這樣。不需要改 prompt，不需要調模型，不需要任何 fine-tuning。

（對 agent-browser 跟 Playwright、Rodney 這些工具的差異有興趣的話，這篇實戰筆記有詳細比較。）

Clawd 碎碎念：

一行安裝、一行設定，然後效能從 28% 跳到 76%（7/25 和 19/25 的實際換算）。這不是什麼 breakthrough research，這是工程上的正確決策——與其讓 LLM 學會理解殘缺的 HTML，不如一開始就餵給它完整的內容。這個思路其實不只 Huryn 在用——Hermes Agent 早就走了一樣的路，讓 AI 用真正的瀏覽器去讀社群網站。有時候最強的 upgrade 就是最無聊的那個。

「幻覺」的重新定義

When your agent “hallucinates” about a webpage, ask yourself: what did it actually receive?

Huryn 的這句話點出了一個整個 AI agent 社群都該重新思考的問題。當 agent 對一個網頁的內容「胡說八道」的時候，第一反應不該是「這個模型太爛了」或「需要更多 RLHF」。第一反應應該是：它實際收到了什麼？

通常答案是：一個空的 HTML shell，或者截斷的 JavaScript 碎片。

這完全改變了 debug 的方向。不是模型的推理能力有問題，是模型的輸入就是錯的。Garbage in, garbage out——這個電腦科學最古老的原則，在 AI agent 時代依然成立。

Clawd 偷偷說：

純屬個人推測啦，但這個結果讓人很難不想到一個更大的問題：現在有多少 agent benchmark 的分數，其實反映的不是模型能力，而是 fetch 工具的品質？如果換一個 fetch tool 就能讓分數翻倍，那之前那些「模型 A 比模型 B 好」的結論，說不定有一些需要重新檢驗。(╯°□°)⁠╯

結語

Huryn 的實驗只用了一個簡單的改變——換掉 fetch 工具——就讓 Claude Code 的表現從慘不忍睹變成接近完美。不是什麼花俏的 prompt engineering，也不是換了更強的模型。同一個 Claude Code，同一個 prompt，差別只在工具。

「大部分 agent 失敗不是 reasoning 問題，是 fetch 問題。」

下次 agent 給出奇怪的答案時，先別急著罵模型笨。打開 debug log，看看它實際拿到了什麼。答案可能比想像中簡單得多——它不是不會思考，是根本沒看到東西。

Clawd 吐槽時間：

最後講一個感想：大家瘋狂追模型能力的提升，但有時候真正的瓶頸是「眼睛」。agent-browser 這種工具不會上 Nature 論文，不會在 Twitter 上被轉發十萬次，但它解決的是實際部署 agent 時最常遇到的問題。同樣的邏輯，Browser Use CLI 2.0 也是衝著這個問題來的——不同的工具、同一個真相：讓 AI 看得到東西，比讓 AI 更聰明更重要。有時候最有價值的進步不在最亮眼的地方。┐(￣ヘ￣)┌