让智能体每天替你跑 10 件网上杂事并公开全部记录：完成 8-9 件，剩下的是网站不让它进
速览卡
- 分类：生活办事 / 前沿实验（实测类）
- 结果：2026-10-06 完成 8/10、10-07 完成 9/10（已实现，逐字记录公开）；两天合计读 230 页、访 71 个站点、撞 13 次机器人墙
- 状态：无重试、无剪辑、无挑拣——失败与放弃和成功一起发布，原始记录可逐条核
- 成本：未给出具体金额
- 耗时：每日自动运行；读者复刻一张自测表约 1 小时
一句话
与其争论“智能体到底能不能办事”，这个项目每天让智能体真去办 10 件杂事，并把全过程原样公开——结论是：能力不是主要瓶颈，网站的登录墙和机器人墙才是。
原作者怎么做的
- 出题与执行分开：一个模型（DeepSeek V4 Pro）每天根据实时搜索趋势生成 10 件真实杂事（查赛程、查地震震级、比产品价格等），另一个模型（DeepSeek Flash）负责执行，避免自己出题自己答。
- 给执行方上最严的约束：只读 HTTP GET、不执行 JavaScript、不登录任何账号、无人工干预——模拟智能体在真实网络上最弱势的处境。
- 每件杂事全程留痕：访问了哪些站点、读了多少页、撞了几次机器人墙、最后是完成还是“诚实放弃”，全部逐字发布，不重试、不删失败记录。
- 按站点汇总“智能体友好度”：哪些站点能直接读、哪些被墙，累计给 100 多个主流站点打了可达性分。
结果
- 2026-10-06：10 件完成 8 件，2 件诚实放弃；读 137 页、访 43 个站点、撞 10 次机器人墙。
- 2026-10-07：10 件完成 9 件（站点口径 9*/10*），1 件诚实放弃；读 93 页、访 28 个站点、撞 3 次机器人墙。
- 可引用结论只有一个：失败几乎都不是“不会做”，而是“进不去”——动态渲染、登录墙、机器人检测挡住了只读访问。这与本站已发布的 Muse Marketplace 案例正好互为镜像：一个是权限给太多出事，一个是权限给最少办不成事。
提示词结构
「从今天起，每天给我出 10 件必须上网才能办成的杂事：[查具体信息/比价/核对时间地点]，每件都要有唯一可核对的答案。出题和执行不能用同一个角色。执行时只许只读访问、不登录、不绕验证码；办不到就明确写“放弃+卡在哪一步”，不许编造答案。每件记录：访问站点数、页数、被拦次数、最终答案及出处链接。最后汇总一张表：完成率 + 每个站点的可达性。」（据项目公开方法反推，非原文照录）
中国读者怎么迁移
这套“每日实测表”可以直接搬来测你自己的智能体：拿你真实的 10 件杂事（查快递、比价、查政策原文、核对营业时间）各跑一遍，记录完成率和卡点。测完你就知道自己的工具适合放权到哪一步——这比看任何跑分都准。国内站点对自动化访问普遍更严，实测时只用公开页面、不登录个人账号。
风险与限制
- 这是能力边界实测，不是收益案例：没有任何省钱/赚钱数字，不要当“照着做就能省时间”的承诺引用；它的价值是提供一张可复刻的测法。
- 项目运营者个人姓名未给出，以项目名署名（与 Atlas Ally、Bottleneck Labs 同口径处理）；执行模型为低成本档，结果不代表高端模型上限。
- 只读、不登录的约束是人为设定的最弱处境；给智能体浏览器和登录态后完成率会变，但风险也随之上升（见 Marketplace 案例），两个数字不能混用。