【2026 最新】WebHarbor 教學：單站登入、改資料與重設重跑，怎麼驗收 Agent？

你請瀏覽器 Agent 登入、改一個名字，它說「完成了」。重新整理後，名字真的留下來了嗎？下一輪測試，又能不能回到相同起點？這篇 WebHarbor 教學，帶你把「會點網頁」變成能核對資料、能重設重跑的練習。

寫給第一次接觸網站測試環境、願意在終端機貼上指令的新手。先用一個本機站點做小任務，再看官方任務與 verifier（驗收程式）怎麼接。你需要已可使用的 Docker 與一套能操作本機瀏覽器的 Agent；尚未準備好，也能先寫出考題與驗收條件。

本文依 2026 年 11 月 5 日查閱的官方文件與程式碼整理，程式來源固定為 db506e3。本次環境未提供 Docker，未啟動鏡像或執行 Agent；以下是操作與驗收設計，不填入執行成功率。

先說結論：可重跑練習＝同版環境＋明確任務＋獨立驗收＋回到起點

把 WebHarbor 想成有道具、有帳號、可以重新佈景的網站練習場。Agent 是演員，任務是劇本，verifier 是拿著清單驗收的人。舞台能重設，才容易分清這輪失敗是場景壞了，還是操作做錯。

• 先只選一站；本篇用 Amazon 風格的本機鏡像，網址是 http://127.0.0.1:40001。
• 先查資料，再讓 Agent 修改，最後自己讀回；完成訊息只是待驗回報。
• 重設資料與清掉瀏覽器登入狀態分開做，確認起點後才重跑。

一、WebHarbor 教學：先分清五個零件

① 「練習場」是網站環境。鏡像有自己的網頁、登入和資料庫；你改動的是本機資料。它提供一個可控制的操作對象，方便收集成功與失敗案例。

② 「考卷」是任務。一題要寫清楚起始網址、可用帳號、要做的事與完成條件。③ 「演員」是模型加瀏覽器 Agent。WebHarbor 環境和執行操作的 Agent 是不同部分；如何看畫面、點按鈕，交給既有工具。可以先讀 Agent Harness 的分工。

④ 「驗收員」是 verifier。它按題目規則檢查結果。⑤ 「重新佈景」是 reset。把可變資料回復 seed，也就是環境附帶的初始資料；瀏覽器 cookie 則要另行處理。這五件事對齊，才有一張能比較的成績單。

開始前先確定用途：在 11 月 4 日的官方倉庫授權討論，貢獻者 Raibows 回覆，正式授權仍在處理，當前意圖為非商業與研究用途。本篇將練習限定於個人非商業研究；企業產品整合、再散布環境或商用訓練，先取得明確授權再做。

二、第一步：只啟動一個站，先把連接埠接對

痛點是「下載一大包，卻不知道哪個網址能開」。解法是單站映像。依 官方站點 metadata，Amazon 的映像為 wildawm/webharbor:amazon-v1，站內連接埠是 40001。以下在 macOS／Linux 終端機執行；先確認 Docker Engine 已可連線。

docker version
docker pull wildawm/webharbor:amazon-v1
docker image inspect wildawm/webharbor:amazon-v1 --format '{{index .RepoDigests 0}}' > image-ref.txt
docker run -d --name wh-amazon --pull=never   -p 127.0.0.1:40001:40001   wildawm/webharbor:amazon-v1
docker logs --tail 40 wh-amazon
curl --fail http://127.0.0.1:40001/

上方每行各是一個命令。docker version 應同時顯示可連線的 Server；若只有 Client 或出現 daemon 錯誤，先修好 Docker。若提示映像架構不相容，核對電腦架構與 Docker 的模擬支援，別把啟動失敗記成 Agent 答錯。容器名稱已占用時，先確認那是不是上一次練習，不強行刪除別人的容器。

這裡左邊的 127.0.0.1:40001 是你的電腦，右邊的 40001 是容器內網站。Docker 官方連接埠文件說明，指定 loopback 位址能限制發布的入口；第一輪也別部署到公網或分享給區網。image-ref.txt 留下這次下載的 digest，避免之後同名標籤更新而換了材料。

在自己的瀏覽器開上方網址，確認看到本機首頁。Agent 若跑在遠端機器，它的 localhost 指向遠端自己；先解決可達性，別順手改接真實購物網站。這篇預設 Agent 的瀏覽器與 Docker 在同一台電腦。

三、WebHarbor 教學的第一題：登入後，只改一個名字

痛點是「改成功」沒有明確答案。解法是先替一個欄位訂完成條件。本篇自訂練習用官方程式中的假帳號 alice.j@test.com、密碼 TestPass123!，將姓名從 Alice Johnson 改成 Harbor Learner。這不是官方 benchmark 題目，也不計入其分數。

依 登入、種子帳號與個人資料路由，入口依序是 /login、/account/edit；編輯頁模板把姓名欄標為 Full Name，保存按鈕為 Save Changes。先人工登入確認帳號存在、姓名符合起點，再登出並開一個乾淨的瀏覽器工作階段。

把以下任務交給你已有的瀏覽器 Agent。它應只獲得瀏覽器操作能力；資料庫讀取、Docker 管理與驗收檔案留在操作者手上。文字限制用來說清任務，實際可用工具與網路範圍仍要在 Agent 執行設定裡限制。

只操作 http://127.0.0.1:40001 的本機練習站。
以 alice.j@test.com / TestPass123! 登入。
打開 /account/edit，把 Full Name 改成 Harbor Learner，按 Save Changes。
其餘欄位保持原值；不購買、不新增地址、不更改密碼。
重新打開編輯頁，回報看見的姓名與最後網址。
若登入失敗或頁面出錯，停止並回報畫面；不要改用其他帳號或外部網站。
本輪最多 20 次瀏覽器動作或 5 分鐘，先到即停止。

20 次與 5 分鐘是本篇選的練習預算，不是 WebHarbor 官方限制。Agent 未能遵守停點時，操作者用執行器中止；第一次先有人看著做，等成功與失敗都能被驗收，再考慮批次執行。

四、驗收要看兩層：畫面留下了嗎？資料真的變了嗎？

第一層是重新讀取 UI：再開 /account/edit 看姓名，不只看成功提示。第二層是操作者讀資料庫。下列查詢用 Python 內建 SQLite 介面，以唯讀模式讀出假帳號的兩個欄位；依 官方資料庫檔名，路徑是 /opt/WebSyn/amazon/instance/amazon_store.db。

docker exec wh-amazon python3 -c '
import sqlite3, json
uri = "file:/opt/WebSyn/amazon/instance/amazon_store.db?mode=ro"
with sqlite3.connect(uri, uri=True) as con:
    rows = con.execute("SELECT email, name FROM users ORDER BY email").fetchall()
print(json.dumps(rows, ensure_ascii=False, indent=2))
' > before-users.json

上面這段要在交辦前執行。Agent 停止後，把最後一行輸出檔改成 after-users.json 再查一次，然後執行下面的比對。-c 後的單引號涵蓋整段 Python，不要只貼第一行；其他資料欄位另外在編輯頁逐項比對。

python3 - <<'CHECK'
import json
before = json.load(open("before-users.json"))
after = json.load(open("after-users.json"))
expected = [row[:] for row in before]
hits = [r for r in expected if r[0] == "alice.j@test.com"]
assert len(hits) == 1 and hits[0][1] == "Alice Johnson", "起點不符"
hits[0][1] = "Harbor Learner"
assert after == expected, "姓名或帳號清單不符"
print("PASS：查詢涵蓋的帳號與姓名符合預期")
CHECK

這個小比對器只檢查 email 與姓名，沒有檢查整個資料庫，也沒有證明 Agent 全程只靠 UI。要檢查其他欄位或越權，還要加入欄位快照、瀏覽器軌跡與實際工具權限。若查詢報路徑、表格或帳號不存在，先記成環境／版本問題，停止評分，不要讓 Agent「幫忙修」資料庫。

這樣你得到三份能對帳的材料：任務文字、操作紀錄、前後資料。把它們與 UI 截圖放進同一輪資料夾，記下 image digest、Agent／模型版本、預算與結束原因。AI Evals 的驗收方法能補上如何逐步擴成固定考卷。

五、重設重跑：單站容器與 8101 控制介面要分開

痛點是「第二輪沿用第一輪資料，結果看起來更順」。解法是先重設，再查起點。官方 單站 entrypoint會在啟動時把 instance_seed 複製回 instance。本篇沒有掛載持久資料卷，練習資料留在這個容器裡；先保存這輪證據，再執行：

docker restart wh-amazon
docker logs --tail 40 wh-amazon
curl --fail http://127.0.0.1:40001/

等首頁可達後，重跑唯讀查詢，另存 reset-users.json，核對 Alice 回到 Alice Johnson。若還沒就緒，稍後再查；回復起點前不開下一輪。再清掉該站 cookie 或換新的無痕工作階段，避免舊登入狀態干擾登入練習。關閉網頁分頁和清除 cookie 是兩件事。

官方另一條多站部署流程提供 :8101 控制介面與 POST /reset/amazon；目前控制伺服器程式要求至少 32 字元的 WEBSYN_CONTROL_TOKEN，請求帶 Bearer token。本篇單站 entrypoint 走直接啟動網站的流程，別照抄多站重設指令，也不需要為這題發布 8101。若日後選多站版，控制 token 留給操作者，與站點登入密碼分開保管。

第二輪保持同一題、同一版本與預算。第三輪可故意把假密碼寫錯，檢查 Agent 是否按約停止；第四輪在儲存前中斷，再盤點資料是否已變更。登入失敗、中途停止、資料已寫入，各自記錄，別把所有情況塞進「失敗」一格。這些是待執行的案例設計。

六、接官方 task／verifier：先對一題，別把網站映像當完整考場

本篇改名題教的是驗收方法。要跑官方題目，改讀 amazon–5 任務資料夾，其中有 instruction.md、task.toml 與 tests/。這題要求找到指定藍色手機並加入購物車，與改名題的成功條件不同。

依 官方單站映像建置程式，映像在建置時移除 verify/、tests/ 和 tasks.jsonl。所以「單站網頁跑起來」仍要再接上對應的任務包，才能做官方評分。不要把改名比對器改個名字，就當成那一題的 verifier。

依 Harbor 整合文件，框架在 Agent 結束後執行任務包的 tests/test.sh，組出操作軌跡、初始與最終資料，再交給該站驗收器；結果寫到 /logs/verifier/reward.json。這題 task.toml 記錄的環境來源為 381dbd9，和本文查閱的程式提交不同；先核對映像 digest 與任務宣告，別把主分支當成已下載映像的版本證明。框架、網站環境與任務包三者都有各自版本；這份整合文件的安裝命令固定 harbor==0.24.0，照著它選用相容 harness。

進階時先讓一題完整走完，再擴大題數。自行操作 Docker 的權限與可信驗收器，不交給被測 Agent；官網也將任務測試檔放在驗收階段。想自行接停止、重試與收件流程，可讀 最小 Agent Harness 實作。

常見問題：八個先講答案的判斷

WebHarbor 是另一個瀏覽器操作工具嗎？

它主要提供練習網站與任務。瀏覽器 Agent 負責動作；本機網站負責接收動作並留下狀態。

第一天要跑全部站點嗎？

先一站就夠。本篇的學習產物是一題可核對、可回到起點的練習紀錄。

可以填真實購物網站的帳密嗎？

這題用種子假帳號。確認位址是本機鏡像，再填題目提供的測試資料；真實帳戶留在練習範圍外。

Agent 說完成，就算通過嗎？

先讀回。UI、資料查詢與工具紀錄各回答不同問題，按預先寫下的標準判定。

單站也要設定控制 token 嗎？

本篇單站流程不啟動多站控制伺服器。選用帶 8101 的多站流程時，再依那套文件設定 token 與存取範圍。

docker restart 就能清掉瀏覽器登入嗎？

瀏覽器狀態另處理。重設後查資料，再用新的瀏覽器工作階段檢查登入。

這裡通過，真實網站也會通過嗎？

還要另測。網站內容、驗證流程、反自動化與外部服務都可能不同；鏡像結果只描述當次環境。

可以直接把它用在商用產品嗎？

先確認授權。11 月 4 日貢獻者回覆將當前用途限於非商業與研究，正式授權仍在處理；公開下載不等於取得商用許可。

給新手的三個重點

• 把「做什麼」縮成一個欄位；驗收條件寫在 Agent 動手之前。
• 把「看起來完成」接到儲存資料；核對器檢查哪些欄位，就只對那些欄位下結論。
• 把「重跑」接到相同起點；環境版本、資料、瀏覽器狀態與預算一起保存。