
WebsiteBench 发布:测试 AI 智能体能否通过浏览器探索重建网站
来源标题:WebsiteBench: Can AI Agents Rebuild Websites Through Browser Exploration?
TIGER-AI-Lab 推出 WebsiteBench,要求 AI 智能体通过浏览器探索一个生产级网站,并逆向构建出外观和行为尽可能一致的全栈版本。该项目在 GitHub 开源,提供 Docker 环境和 harbor 运行工具,支持按任务或批量评测,结果写入 jobs/ 目录。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
快速开始 · 评测 · 数据与轨迹 · 文档 · 引用
给定一个可以通过浏览器探索的生产级网站,agent 必须逆向工程出一个全栈版本,使其外观和行为尽可能接近原网站。
git clone https://github.com/TIGER-AI-Lab/WebsiteBench.git cd WebsiteBench uv sync
评测单个任务
使用 local-tasks/ 下的完整任务包、Docker 以及你的 agent 凭据。将 <model> 替换为你的模型标识符;参见安装指南。
uv run harbor run --path ./local-tasks/medium
--agent codex --model '<model>'
评测 WebsiteBench
运行 local-tasks/ 中的所有任务:
uv run harbor run --path ./local-tasks
--agent codex --model '<model>' --n-concurrent 1
结果写入 jobs/。其他 agent、oracle 检查以及运行选项参见运行任务。
文档:安装、任务格式与参考指南。
运行评测:运行任务并查看结果。
开发:贡献者安装、测试与代码检查。
引用
title = {WebsiteBench: Can AI Agents Rebuild Websites through Browser Exploration?}, author = {{WebsiteBench Authors}}, year = {2026}, url = {https://github.com/TIGER-AI-Lab/WebsiteBench},
许可证
代码采用 Apache-2.0 许可。任务数据和参考内容保留其各自适用的许可证。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。