阿里最近开源了个挺猛的WebAgent项目，里面有两个核心组件WebShaper和WebSailor，测下来表现是真不错——GAIA评测里直接超过了Claude4-Sonnet，这成绩在业内算是很能打的了。
先说说WebShaper，这东西有点意思，搞了个”形式化驱动”的路子来处理数据。说白了就是用集合论那套逻辑，把复杂的搜索任务拆解成实体集合操作，有点像咱们写代码时做逻辑闭环设计。比如查”90年代出生的球员在2004-05赛季效力东德球队”这种绕弯子的问题，它能自己生成训练数据，保证每一步推理都不跑偏。
数据集覆盖也挺全，体育、学术、娱乐这些领域都有，光体育类问题就占了21%。亲测用它训练的模型，同样数据量下比WebWalkerQA那些老数据集效果好不少，迭代效率能提一块。
再看WebSailor，这算是整个项目的”大脑”。最新的72B版本通过阿里云FunctionAI能一键部署，10分钟就能搞定配置，对咱们开发者来说太友好了，不用再肝环境配置到半夜。
它强就强在处理模糊查询和跨平台信息整合，比如要对比特斯拉和小鹏的配置表，它10分钟就能爬完数据还做好分析，比人工一个个页面扒快多了。训练用的SailorFog-QA数据集也很讲究，模拟了真实网络里那种乱糟糟的知识图谱，有点像咱们调试代码时遇到的各种奇葩BUG，练出来的模型实战能力自然强。
整个WebAgent生态里，WebDancer和WebWalker也得提一嘴。前者是训练框架，四阶段训练下来，模型的多步搜索能力很稳；后者是评测工具，给优化算法提供了明确的方向，避免瞎折腾。
现在这项目已经开源了，GitHub上星标过4000，直接冲上榜首。对咱们做开发的来说，不管是爬数据做分析，还是搭自己的智能体，这套工具都能省不少事。学生党要是做相关课题，用它来处理PubMed里的临床试验数据，生成报告效率能翻倍，亲测有效。
GitHub:https://github.com/Alibaba-NLP/WebAgent
huggingface:https://huggingface.co/datasets/Alibaba-NLP/WebShaper
model scope:https://modelscope.cn/datasets/iic/WebShaper
值得一提的是它的”思维预算机制”，简单查询快速响应，复杂任务就深度推理，资源分配得很合理，有点像小组作业时合理分工的感觉，不会在小事上浪费精力。
相关文章
