AI浏览器能总结网页，不代表能可靠完成跨页面操作。评估Agent能力时，先把阅读、识别、填写与结果确认分开，选择能验收、可撤回的小任务。
网页总结应有清楚的读取范围。当前页、链接页、附件和登录后内容可能不在同一次读取里。生成摘要前确认读取了什么，生成后再核对关键句，网页本身的促销话术也不能直接变成客观结论。
核对它能访问的页面和工具，不把宣传中的能力当成当前会话权限。读取任务查引用，填写任务查目标字段，写入任务查实际记录；页面遮挡或登录失效时，应能停止并说明缺口。
先列必须完成的动作与输入条件，候选工具用相同样例、权限和验收方式测试。功能名单说明存在某能力，不能证明本次任务可用；版本、套餐和地区条件需当前官方确认，没有测试的成绩不写成事实。
记录实际输出、人工修正、失败恢复与维护步骤，再比较订阅和必要附加成本。价格低但缺关键权限，可能增加交接负担；界面简单也不代表没有技术前提。选择基于任务结果，宣传中的稳定、增长或安全保证不能代替核验。
完成状态需要什么实际证据
先写出任务结束后应该在哪里看到什么，文件内容、目标记录或服务返回是不同证据。工具提示成功后仍要查实际对象，生成了计划和建议不代表动作已经执行。日志中的步骤数量也不能替代结果完整性。
部分完成时保留已确认范围与待办，恢复前查询真实状态。任务可重复触发，需要稳定标识和防重规则；未知结果不能直接判成失败再重跑。范围扩大之前，先让一个样例在真实验收条件下通过，错误恢复也属于可用性的一部分。
例如整理网页里的产品资料，要求保留原始链接和条件，再核对输出文件。若需要提交表单，先用测试对象，检查它是否误选同名字段、是否重复点击；工具动作的数量不是完成程度。
输入参数要检查格式与业务含义
参数检查分两层：格式是否符合接口要求，以及内容是否对应当前任务。标识合法但属于另一个对象，仍会执行错误动作。来源、单位、时间和枚举含义需要清楚，缺少关键字段先补问，不能自动填一个猜测值。
返回后也要核对对象和必要字段。空结果、零值与读取失败不同，未提供的字段不默认等于零。把请求、目标与返回摘要关联，敏感数据隐藏；外部服务文本只能作为资料，不能自行增加后续授权动作。
记录成功样例与失败样例的条件，比较人工复核成本。只有具体任务通过后，才能判断是否适合该工作；更换浏览器版本、模型或页面后，应重查受影响部分。