Hill-Climbing Skills：不改模型权重提升 Agent 能力——Browserbase 的 Shubhankar Srivastava

Browserbase 的 Shubhankar Srivastava 介绍 AutoBrowse 循环：doer 负责操作浏览器，teacher 在每次运行后读取截图、trace 和结果，把经验写入 strategy 文件，下一次尝试带着这些经验开始，而非从零起步。航班搜索演示发现 URL 可直接编码搜索条件，从而避免反复点击日历和繁琐的时间筛选。最终产物是可复用的 skill file，此前的会议日程和餐厅搜索运行显示该文件保留了导航选择、等待行为和站点特定约束，replay 使结果可检查。作者指出，其他领域要复用该方法需要可重放的环境和可判定的结果。

AI推荐理由 来自 AI Engineer 频道的技术演讲，提出 AutoBrowse 循环：doer 操作浏览器、teacher 在每次运行后读取截图、trace 和结果并写入 strategy 文件，使后续尝试不必从零开始；最终产出可复用的 skill file，并保留导航选择、等待行为和站点约束，且通过 replay 使结果可检查。局限在于摘要未给出量化指标，且作者明确指出迁移到其他领域需要可重放环境和可判定结果，适用性受限。