浏览器推理中的上下文分工

浏览器推理中的上下文分工浏览器里的智能功能常常面对一个尴尬问题页面上能看到的东西很多真正与当前任务有关的内容却很少。把整页 DOM、聊天历史、网络响应和用户选择一起交给模型看起来信息充分实际会增加延迟也容易把隐私数据或页面里的恶意文本带进推理过程。上下文分工的目标是让每类信息只承担自己的职责。当前操作是最靠近任务的上下文用户刚刚选中的文本、正在编辑的表单、点击的按钮和当前视口通常比整个页面更有价值。它们直接说明用户此刻在做什么。选择文本时可以先限制长度例如const context selection.slice(0, 1000);这段代码只解决了长度问题还没有解决内容是否相关。实际实现中应同时保存来源页面、选择范围和采集时间。用户切换标签页或页面重新渲染后旧选择可能已经失效不能悄悄沿用。表单里的密码、支付信息和隐藏字段默认不应进入上下文如果功能确实需要读取敏感区域应明确告知用户采集范围。页面结构适合回答“元素在哪里、能否点击、当前是什么状态”但不适合直接作为长文本材料。浏览器侧可以先提取语义角色、可见文本、可交互状态和稳定标识再交给模型判断。样式类名、埋点属性和不可见节点往往只会制造噪声。遇到 Canvas、图表或远程桌面时截图可以补充视觉信息不过截图也应裁剪到任务区域并和页面元素的可操作描述配合使用。历史记录只保留仍然有效的决定对话历史里有些信息会持续有效例如用户选择的语言或任务目标另一些只是某一步的临时结果。若把所有轮次原样累积旧错误、过期页面状态和重复内容会逐渐盖住当前请求。更可控的做法是把历史分成稳定偏好、任务计划、已确认事实和临时观察。页面导航后临时观察应随页面版本一起失效而不是靠模型自己猜哪些内容过期。摘要也不能只追求短。摘要需要保留决定的依据、尚未解决的问题和已执行的副作用。例如“已提交表单”与“准备提交表单”只差几个字后续行为却完全不同。涉及写操作时程序应保存结构化状态不要让模型通过自然语言摘要判断是否已经执行。工具负责取证和行动上下文告诉模型当前情况浏览器工具负责读取新状态或执行操作。点击、输入、下载和发送请求都属于有副作用的能力必须经过目标定位、参数校验和权限判断。模型看到页面文字“点击这里授权”并不构成授权真正的授权来自用户操作和应用策略。工具结果返回后还要标注页面是否跳转、元素是否仍存在、操作是否成功避免模型仅凭一段旧文本继续下一步。读取工具也不该无限制。若模型每轮都重新抓取整个页面成本和上下文会一起增长。可以优先读取当前视口与目标元素找不到时再逐步扩大范围。页面中出现“忽略之前要求”之类文本时应作为网页内容处理不能改变系统规则或开放新的工具权限。用页面变化验证分工验收时不要只测静态网页。应覆盖单页应用路由切换、异步内容加载、弹窗遮挡、同名按钮、元素卸载后重建和跨标签页操作。每一步记录模型采用了哪些上下文、调用了什么工具以及工具实际命中的元素。若用户中途修改目标旧计划应停止若页面状态与记录不一致系统应重新读取而不是强行照旧执行。清楚的上下文分工会让问题更容易定位理解错了检查输入材料点错了检查元素定位和工具校验用了过期信息检查状态失效规则。把这些责任混在一份不断增长的提示词里浏览器功能越复杂行为就越难解释。