AI Browser Stack

多数浏览器自动化脚本靠死选择器和固定等待时间堆出来：页面一改版、风控策略一升级，大批任务同时失败，还很难分清究竟是网络问题、被封禁，还是页面结构变了。并发规模一旦上去，几十上百个实例互相抢资源、互相拖累封号率，人工排查成本几乎随并发数线性上涨。

核心是一个反馈内核：每次动作前先查感知缓存判断页面状态，动作执行后立刻做状态核验，核验不过就 fail-closed 判整个任务失败，而不是「看起来做完了」就继续往下走。编排层把并发切成 64 路独立 worker，各自配反封控代理池，由内核统一裁决哪些 worker 健康、哪些要被摘除重启。经验不会跑一次就丢：每次运行的轨迹先经蒸馏提炼成候选策略，候选策略要过一道门控——对照历史基线跑分，达标才晋升进正式策略库，策略库随之整体进化。这套飞轮让系统能在真实站点变化里自己更新打法，而不是靠人工重写选择器。

编排层稳定驱动 64 路并发 worker，24 小时压测无异常重启；反馈内核配合代理池，同一 24 小时窗口任务存活率做到 94.6%；蒸馏候选经门控筛选，平均每周有 37 条策略跑赢历史基线并晋升入库；飞轮迭代 8 轮之后，任务成功率相对初版基线提升 21.4 个百分点。

系统会不会变强，不取决于我写了多少条新规则，而取决于反馈内核有没有把每一次失败诚实地记下来、门控有没有把真正有效的策略筛出来。代理池覆盖面和门控基线还在持续扩，飞轮转得越久，往后需要的人工介入应该越来越少，而不是越来越多。