Salt la conținutul principal
Română— Alege o limbă
Meniu

Navigarea web

Lecția 5 din 14 Actualizată 3 noiembrie 2026 Dezvoltator
Pe această pagină
  1. Dincolo de simplul clic
  2. Două moduri de a ajunge undeva
  3. Bannerul cookie: primul obstacol
  4. Trei moduri de a aștepta
  5. Ghidarea unei călătorii lungi
  6. Filele nu sunt gestionate de IA
  7. Calitatea imaginii condiționează totul
  8. Puncte cheie

Lecție actualizată la 3 noiembrie 2026 pe baza ghidului Computer use de la OpenAI, a rețetelor sale de Integrare și a referinței API Responses: instrucțiunile trebuie transmise prin parametrul instructions și retrimise la fiecare solicitare, deoarece nu sunt preluate automat de previous_response_id; scriptul care elimina target="_blank" conținea o eroare de sintaxă JavaScript și acoperea doar linkurile deja prezente; recomandările pentru imagini urmează acum ghidurile OpenAI (detail: "original", redimensionare cu conversia coordonatelor). Surse: Rețete de integrare · Computer use.

Dincolo de simplul clic

Pentru un agent, navigarea nu înseamnă doar deschiderea unui URL. Este vorba despre parcurgerea unui web real, plin de redirecționări, pagini care necesită patru secunde pentru a fi randate, bannere de consimțământ care acoperă totul și conținut care apare doar după multiple defilări. Un agent care ignoră aceste frecări eșuează încă de la a doua pagină; unul care le anticipează înlănțuiește o călătorie de zece ecrane fără nicio intervenție.

Două moduri de a ajunge undeva

Atunci când cunoașteți adresa exactă, nu cereți IA să o găsească: trimiteți browserul acolo direct.

page.goto("https://example.com/products")
page.wait_for_load_state("networkidle")

Dimpotrivă, când adresa depinde de ceea ce este afișat—al treilea produs dintr-o listă sortată după preț, un link dinamic „Vezi factura“—lăsați modelul să vadă și să facă clic.

# IA vede captura de ecran și decide să facă clic pe un link
# Acest lucru se întâmplă automat în bucla Computer Use

Abordarea corectă este combinarea ambelor metode într-un singur flux de lucru: navigare directă pentru etapele cunoscute ale călătoriei dumneavoastră și navigare vizuală pentru orice descoperit pe parcurs. Acest lucru vă economisește iterații costisitoare care nu aduc valoare.

În Europa, aproape fiecare site afișează un banner de consimțământ la prima încărcare. Cât timp este prezent, acesta capturează clicurile, iar agentul dumneavoastră se învârte în gol fără să înțeleagă de ce pagina nu reacționează. Nu improvizați o soluție site cu site: integrați-o o dată pentru totdeauna în instrucțiunile agentului—parametrul instructions al API-ului Responses, care acționează ca prompt de sistem—cu o directivă clară privind ceea ce trebuie refuzat.

INSTRUCTIONS = """Ești un agent care navighează pe web.
Reguli:
- Dacă vezi un banner cookie sau de consimțământ,
  refuză cookie-urile opționale sau fă clic pe „Refuser“ / „Reject“
- Dacă este oferit doar „Accept“, acceptă doar dacă sarcina permite acest lucru;
  în caz contrar, oprește-te și raportează situația
- Nu pierde timpul cu ferestre pop-up: gestionează-le imediat
"""

# Transmite acest lucru la FIECARE solicitare din buclă: cu previous_response_id,
# instrucțiunile din răspunsul anterior nu sunt preluate.
response = client.responses.create(
    model="gpt-6.1-sol",
    tools=[{"type": "computer"}],
    instructions=INSTRUCTIONS,
    input=tache,
)

Ordinea primelor două reguli contează: agentul refuză implicit, iar acceptarea rămâne o decizie pentru persoana care atribuie sarcina, nu pentru model. De asemenea, observați comentariul din cod: documentația API Responses precizează că instructions dintr-un răspuns nu sunt preluate în următorul atunci când se lanțuiește prin previous_response_id. O buclă care le trimite doar la prima iterație le va pierde la a doua.

Trei moduri de a aștepta

Paginile moderne încarcă conținutul asincron, iar agentul dumneavoastră ar putea face clic acolo unde un buton nu a ajuns încă. Cea mai fiabilă soluție rămâne așteptarea rețelei din Playwright, care returnează controlul odată ce toate solicitările s-au încheiat.

page.goto(url)
page.wait_for_load_state("networkidle")
# Toate solicitările de rețea sunt complete

Acest lucru nu este suficient peste tot: într-o aplicație care menține o conexiune persistentă—websocket, polling, chat live—rețeaua nu este niciodată inactivă, iar așteptarea expiră în cele din urmă. Recurgeți la o simplă întârziere înainte de a captura.

import time

def wait_and_screenshot(page, wait_seconds=2):
    """Așteaptă, apoi capturează o captură de ecran."""
    time.sleep(wait_seconds)
    return page.screenshot()

Există o a treia cale, adesea neglijată: încredințați judecata modelului însuși. Acesta vede indicatorul de încărcare sau conținutul parțial randat și înțelege că este mai bine să solicite o captură de ecran suplimentară decât să acționeze orbește.

task = """
Navighează la https://example.com/dashboard.
Dacă pagina pare încă în curs de încărcare 
(indicator vizibil, conținut parțial), 
așteaptă o captură de ecran suplimentară înainte de a acționa.
"""

Ghidarea unei călătorii lungi

Pe o secvență de mai multe pagini, o sarcină formulată într-o singură propoziție se destramă pe parcurs: agentul uită jumătate din instrucțiuni încă de la al treilea ecran. Descompuneți-o în pași expliciți—datorită lanțuirii răspunsurilor prin previous_response_id, modelul ține evidența celor deja finalizate și știe întotdeauna unde se află.

task = """
Pasul 1: Mergi la https://shop.example.com
Pasul 2: Caută „mechanical keyboard“ în bara de căutare
Pasul 3: Sortează rezultatele după preț crescător
Pasul 4: Deschide primul produs
Pasul 5: Notează prețul și disponibilitatea
"""

Filele nu sunt gestionate de IA

Computer Use funcționează pe un singur viewport. Dacă un link se deschide într-o filă nouă, agentul continuă să fotografieze fila veche și nu înțelege de ce nimic nu s-a schimbat—o situație clasică cu linkurile target="_blank", întâlnite pe aproape fiecare site de știri. Remediați acest lucru în amonte, în Playwright, astfel încât modelul să nu trebuiască să se îngrijoreze.

REMOVE_BLANK = """
document.addEventListener("click", (e) => {
  const link = e.target.closest && e.target.closest('a[target="_blank"]');
  if (link) link.removeAttribute("target");
}, true);
"""

def handle_new_tab(context, page):
    """Menține navigarea în fila pe care o fotografiază agentul."""
    # La fiecare pagină încărcată, un clic pe un link target="_blank"
    # îl deschide în fila curentă...
    context.add_init_script(REMOVE_BLANK)
    # ... iar orice fereastră deschisă prin script este închisă imediat
    page.on("popup", lambda popup: popup.close())

Scriptul de inițializare rulează în fiecare pagină înainte de scripturile proprii ale acesteia: listener-ul, setat în faza de captură, elimină atributul target înainte ca browserul să urmeze linkul. Evenimentul popup al paginii acoperă ceea ce rămâne: ferestrele deschise prin window.open.

Calitatea imaginii condiționează totul

O captură de ecran neclară sau decupată produce un agent care face clic pe butonul greșit, iar dumneavoastră veți petrece mai mult timp depanând erorile acestuia decât reparând captura. Capturați viewport-ul vizibil, nu întreaga pagină: o captură full_page produce o imagine supradimensionată și, mai rău, coordonatele sale nu mai corespund ecranului unde page.mouse face clic.

import base64

def optimized_screenshot(page) -> str:
    """Capturează viewport-ul vizibil ca PNG, în base64."""
    screenshot = page.screenshot(
        type="png",
        full_page=False,  # Doar viewport-ul vizibil
    )
    return base64.b64encode(screenshot).decode("utf-8")

La nivelul API-ului, OpenAI recomandă trimiterea capturilor cu detail: "original", ceea ce păstrează rezoluția și îmbunătățește precizia clicului, și sfătuiește împotriva utilizării high și low pentru Computer Use. O captură mare consumă mai mulți tokeni, iar API-ul o poate redimensiona sau chiar o poate respinge dacă depășește limitele. Dacă trebuie să reduceți capturile, faceți-o înainte de trimitere și convertiți coordonatele modelului în spațiul imaginii originale; OpenAI raportează rezultate bune pentru desktopuri la 1440×900 și 1600×900. Viewport-ul de 1280×720 utilizat în acest curs nu necesită reducere.

Puncte cheie

  • Combinați navigarea directă (URL-uri cunoscute) și navigarea vizuală (linkuri dinamice) în funcție de context
  • Gestionați ferestrele pop-up GDPR în instructions ale agentului, retrimise la fiecare solicitare
  • Așteptați încărcarea completă înainte de a captura o imagine de ecran
  • Capturați viewport-ul vizibil și trimiteți-l cu detail: "original"; dacă redimensionați imaginea, convertiți coordonatele
  • Gestionați filele noi în Playwright, nu în IA