WorkBuddyがウェブページ取得時にタイトル、メイン画面、または本文の欠落だけが表示される場合、スクロール、ボタンクリック、折りたたみ領域の拡大、タグ切り替えの後にページの内容が表示されます。この段階では、「このURLを読みます」と繰り返すだけでなく、Agent Browserをインストールして有効にすれば、WorkBuddyはページを開き、スクロールし、クリックし、スクリーンショットを撮り、ユーザーと同じようにやり取りするコンテンツを読むことができます。
ブラウザとのやり取りの必要性を示す現象は何でしょうか?
| 現象 | リクエスト可能な操作 |
|---|---|
| メイン画面までしか読めない | ページを最後まで画面ごとにスクロールしてください |
| 「続きを読む」の後にはメインテキストが隠されています。 | 「展開」をクリックして対応する章を抽出してください |
| データはタブやタブに分かれています | 順番に切り替え、各ページに結果を記録します |
| ページのレイアウトを確認する必要があります | 主要なステップをスクリーンショットし、チェックリストを作成してください |
Agent Browserはスキルマーケットプレイスで見つけられ、「agent-browser」という名前でインストールされています。アクティベート後も目標を指定する必要があります:URL、操作したいエリア、停止条件、出力フォーマットなどです。「このサイトを調べてみるのを手伝って」と言うよりも、完全な結果を得る方が簡単です。
プロンプトの書き方は完全に理解しやすいです
「指定されたページを開き、まずページタイトルを記録;下までスクロールして価格関連の折りたたみを展開し、各パッケージを一つずつ読み、パッケージ名、価格、制限だけを出力し、重要なステップのスクリーンショットを添付してください。」「ページに複数のナビゲーションレベルがある場合は、どのセクションがクリック可能かを明確に指定し、フォームの提出、購入、外部からの情報送信を禁止してください。」
捕まえられない場合はどの順番で確認すればいいのでしょうか?
- まず、通常のブラウザでページ自体がアクセス可能かどうかを確認し、無効なURLやネットワークの問題を除外してください。
- エージェントブラウザがインストールされて有効になっているか、タスクが明示的に呼び出す必要があるかを確認してください。
- 主要なタスクを5つのステップに分けて、「ページを開く — エリアを探す — インタラクト — 抽出 — レビュー」で、その位置を特定します。
- ログイン、認証コード、承認、支払い操作は本人の確認が必要です。プロンプトにパスワード、検証コード、トークンを含めないでください。
動的ページの難しさは、要約能力ではなく、コンテンツがまだ読みやすい状態で表示されていないことにあります。まず、WorkBuddyに必要なやり取りを完了させ、その後構造化抽出を要求します。最後に、読み込み失敗や隠されたコンテンツが「ウェブページにこの情報がない」と誤解されないように、いくつかのフィールドをランダムにチェックし、元のページと一致しているか確認します。
