浏览器 Agent 卡在登录、验证码和动态表格？用「暂停交人—完成确认—继续执行」模板实现断点续跑

Agent 已经帮你打开商家后台、找到订单入口，结果一遇到登录就停了。

你手动输入账号密码，说了一句“好了，继续”，它却像失忆一样重新打开登录页；好不容易进入订单列表，表格还在加载，它就匆忙点击导出，最后得到一份空文件。

最让人抓狂的不是失败，而是：明明只差一步，却要从头再来。

但这未必是模型不够聪明。更常见的原因是，我们只告诉 Agent“要完成什么”，却没有设计清楚：

• 什么时候必须停；
• 停下后要把哪些信息交给用户；
• 用户怎样表示操作完成；
• Agent 凭什么判断可以继续；
• 页面变化后，怎样从断点恢复。

人工接管不是自动化失败，而是浏览器 Agent 工作流中必须预先设计的一部分。

Agent 为什么一到登录、验证码和动态表格就“失忆”

浏览器任务中的三个高频障碍，本质上分别对应三类问题。

登录涉及身份与授权

账号、密码、短信验证码和支付信息，都不应该由 Agent 在对话中索取或保存。即使 Agent 能识别登录框，也不代表它应该代替用户处理敏感凭证。

正确方式是：Agent 打开登录页后暂停，由用户直接在网页中完成登录。

验证码就是用来阻止自动化的

图片验证码、滑块验证和二次身份验证，不是普通弹窗，而是网站设置的安全边界。

Agent 如果反复拖动滑块、尝试识别验证码，或者持续刷新页面，不仅可能失败，还可能触发更严格的验证甚至账号风控。

动态表格一直在变化

许多后台表格使用异步加载、虚拟滚动或懒加载。屏幕上看见几行数据，不代表全部内容已经准备完成。

表头可能重绘，筛选条件可能因刷新丢失，分页数量也可能晚于表格主体出现。Agent 如果沿用几秒前记录的坐标，很可能点击到另一行、另一个按钮，甚至重复提交。

因此，问题并不是简单的“卡住”，而是任务缺少一套标准的人机交接协议。

把“卡住”改造成四态任务状态机

比起让 Agent 自由发挥，更可靠的方法是把任务明确划分为四种状态。

1. RUNNING：页面状态明确，Agent 正常执行。

2. PAUSE_REQUIRED：检测到登录、验证码、敏感授权或页面异常，立即停手。

3. WAITING_CONFIRMATION：用户已经操作，但 Agent 尚未确认结果。

4. RESUMING：Agent 重新识别页面，从最近检查点继续。

这里最容易被忽略的是：用户完成操作，不等于 Agent 可以立即恢复。

例如用户说“好了”，可能意味着：

• 已经输入账号，但还没点击登录；
• 已完成验证码，但页面仍在跳转；
• 已进入后台，但登录弹窗尚未消失；
• 表格已经出现，但筛选条件被刷新清空。

所以，Agent 暂停时不能只说一句“请手动完成”。一份合格的交接信息至少要包括：

• 当前页面；
• 暂停原因；
• 已完成步骤；
• 用户需要执行的动作；
• 操作完成的判断标准；
• 不应触碰的区域；
• 恢复后准备执行的下一步。

三套可以直接复制的交接模板

小白版：一段式 Prompt

执行浏览器任务时，如果遇到登录、密码、短信验证码、图片验证码、滑块验证、支付信息、权限确认、动态表格持续加载，或者提交、删除、发布、导出等重要操作，请立即停止点击。告诉我暂停原因、当前页面、已经完成的步骤、需要我做什么、什么状态算完成，以及恢复后你准备做什么。不要要求我在对话中发送密码或验证码。我说完成后，不要马上沿用旧坐标继续操作，请先重新检查网址、页面标题、登录状态、弹窗、关键按钮、筛选条件和表格加载状态；只有检查通过后，才能从最近的步骤继续。

它适合临时任务，优势是短、容易复制；不足是输出格式不够稳定。涉及多页面和长流程时，建议使用下面的状态机版本。

进阶版：状态机 Prompt

你正在执行一个浏览器任务。请遵守以下人机交接协议：

【正常执行】
在页面状态明确、操作可逆且不涉及敏感授权时，继续执行任务。
每完成一个关键阶段，记录当前页面、已完成事项和下一步动作。

【必须暂停的情况】
出现以下任一情况时，立即停止点击和输入：
1. 需要输入账号、密码、短信验证码、支付信息；
2. 出现图片验证码、滑块验证或二次身份验证；
3. 页面提示登录失效、权限不足或存在安全风险；
4. 动态表格持续加载、行列错位、筛选结果不稳定；
5. 即将执行提交、删除、支付、发布等不可逆操作。

【暂停时的输出格式】
状态：PAUSE_REQUIRED
暂停原因：
当前页面：
已完成步骤：
请用户完成：
完成标准：
请勿操作：
恢复后下一步：

【用户确认规则】
不要仅根据“好了”“继续”等模糊回复直接操作。
先检查：
当前网址或页面标题是否符合预期；
登录、验证码或弹窗是否已经消失；
页面关键元素是否可见；
原有筛选条件和任务上下文是否仍然保留。

检查通过后输出：
状态：RESUMING
识别到的页面状态：
准备执行的下一步：
需要再次确认的风险：

若检查不通过，保持暂停，并明确告诉用户还缺少什么。

这套模板包含四个关键模块：暂停触发器、人工操作清单、完成确认口令和恢复前页面复核。

推荐不要只回复“好了”，而是使用更明确的确认口令，例如：

已完成登录，请重新检查当前页面，确认进入订单后台后再继续。

开发者版：JSON 交接对象

复杂任务最好记录 task_id、当前步骤、页面指纹、恢复条件和下一动作。

{
"task_id": "export-orders-2025-01",
"status": "PAUSE_REQUIRED",
"reason": "LOGIN_REQUIRED",
"checkpoint": {
"step": 3,
"page_title": "商家后台登录",
"url_pattern": "/login",
"completed_steps": [
"打开商家后台",
"进入订单管理入口"
]
},
"user_action": {
"instruction": "请在当前页面自行完成登录，不要在对话中发送密码或验证码。",
"completion_criteria": "页面进入订单管理后台，且登录弹窗消失。"
},
"resume_plan": {
"verify": [
"检查页面标题",
"确认登录状态",
"确认订单菜单可见"
],
"next_action": "进入订单列表并设置日期筛选条件"
}
}

控制逻辑可以简化为：

if requires_human(page):
checkpoint = save_checkpoint(page, task)
return pause_required(checkpoint)

if user_confirmed():
current_page = inspect_page()

if resume_conditions_met(current_page, checkpoint):
return resume_from_checkpoint()
else:
return keep_waiting_and_explain()

复制模板后，建议先用不涉及真实账号和敏感数据的测试任务跑一遍。你可以前往 api.884819.xyz，根据站点当前提供的模型或 API 环境进行测试，重点观察模型能否稳定输出 PAUSE_REQUIRED、保存检查点，并在确认后重新识别页面。

一条完整任务，怎样经历两次暂停并继续

以“导出商家后台订单”为例，完整流程不是几个孤立技巧，而是一条可以断点恢复的链路。

第一次暂停：登录交给用户

Agent 打开后台并进入登录页，此时输出：

状态：PAUSE_REQUIRED
暂停原因：当前页面需要输入账号和密码
当前页面：商家后台登录页
已完成步骤：已打开后台并定位到登录入口
请用户完成：请直接在网页中自行登录
完成标准：登录页消失，页面进入商家后台
请勿操作：不要关闭当前标签页，不要在对话中发送密码
恢复后下一步：检查订单管理菜单并进入订单列表

用户完成登录后，Agent不能马上点击之前记录的坐标，而要重新检查页面标题、网址和订单菜单。确认通过后进入 RESUMING。

第二阶段：设置日期范围

Agent 进入订单列表，设置日期范围。完成后记录检查点：

• 日期条件已经生效；
• 当前筛选标签仍然可见；
• 下一步是等待表格加载并核对结果；
• 尚未点击导出。

这样即使页面刷新，也不必重新登录或重复设置所有条件。

第二次暂停：动态表格状态不稳定

此时表格主体可能已经出现，但加载图标仍在旋转，总记录数和分页尚未更新。

Agent 应暂停处理并重新读取：

• 表头是否完整；
• 加载提示是否消失；
• 日期筛选标签是否保留；
• 总记录数和分页是否出现；
• 当前表格是否存在虚拟滚动或懒加载。

如果虚拟滚动导致数据不完整，应优先寻找分页、官方导出按钮或更稳定的数据入口，而不是根据屏幕上暂时出现的几行内容下结论。

导出前再次确认

导出通常会生成文件，部分后台还可能消耗导出额度或创建异步任务。因此在点击前，Agent应展示当前参数：

状态：PAUSE_REQUIRED
暂停原因：即将执行订单导出
当前筛选条件：已识别到页面中的日期范围和订单状态
完成标准：用户明确确认按当前条件导出
恢复后下一步：点击导出，并检查是否出现成功提示或下载任务

用户确认后，Agent再次检查筛选条件没有变化，再执行导出。

这条链路的关键不是“永远不暂停”，而是每次暂停都保存现场，每次继续都重新验明现场。

最常见的错误与正确做法

安全提示

>

- 不要把密码、短信验证码、支付密码发送给 Agent。

- 不要尝试让 Agent 绕过验证码或平台安全机制。

- 登录、付款、删除、发布等动作应由用户明确授权。

- 恢复执行前必须重新读取页面，不能默认页面状态未变化。

- 自动化操作需遵守目标网站的服务条款、权限和数据使用要求。

从单次 Prompt 升级为可复用任务清单

小白用户不必一开始就搭建复杂系统，只要记住下面六步：

先停手 → 说清原因 → 保存现场 → 用户处理 → 检查结果 → 从断点继续。

进阶任务则建议至少保存以下字段：

• task_id：任务标识；
• status：当前状态；
• step：正在执行的步骤；
• completed_steps：已经完成的步骤；
• page_fingerprint：网址、标题和关键元素；
• resume_conditions：恢复必须满足的条件；
• next_action：检查通过后的下一动作；
• risk_level：是否涉及提交、删除、支付或发布。

如果要为文章或团队文档准备截图，建议保留以下 5 张，并对账号、订单号和手机号打码：

1. 登录页上的 PAUSE_REQUIRED；

2. 用户登录后，Agent复核页面状态；

3. 滑块或图片验证码出现时的暂停提示；

4. 动态表格“加载中”与“加载完成”的对比；

5. 导出、提交等操作前的二次确认。

截图标注不要只圈出按钮，而要突出三件事：为什么暂停、用户要做什么、什么状态算完成。

可靠的 Agent，首先要学会停手

真正可靠的浏览器 Agent，不是遇到任何页面都硬着头皮操作，而是清楚哪些事情可以自己做、哪些必须交给人，以及用户处理后如何从正确的位置继续。

不要一上来就测试完整后台流程。可以先打开 api.884819.xyz，把本文模板交给你正在使用的模型，从“打开页面—遇到登录—暂停交人—确认后继续”这条最短链路开始验证。跑通后，再逐步加入验证码、动态表格和导出确认。

8848AI 平台使用用户名和密码即可注册，无需邮箱验证；平台内置 AI 对话功能，没有月租和订阅，采用按量付费方式，Deepseek、千问等国产模型可免费使用。

暂停和恢复解决了“Agent 卡住怎么办”，但还没有解决一个更危险的问题：用户说“继续”以后，Agent怎么判断当前页面还是不是原来的页面？

下一篇将拆解浏览器 Agent 的“页面指纹与恢复校验”模板：如何利用网址、页面标题、关键按钮、表头、筛选标签和记录数量，避免页面刷新后点错位置、读取旧数据或重复提交。

#浏览器Agent #AI教程 #Prompt技巧 #人工智能 #工作流自动化 #HumanInTheLoop #8848AI