已收录文章摘要，完整内容可前往原文阅读。
目前的 AI Agent 能够协助写邮件、整理文档等任务，但它们真的能在真实的网站上可靠地完成日常在线工作流吗？现有的 Web Agent 基准测试通常在离线沙盒或静态页面中评估模型。为了真正迈向下一