阿里云通义实验室近日正式宣布开源其自主研发的突破性AI智能体项目WebAgent，其中旗舰组件WebShaper和WebSailor在网络智能体领域引发全球瞩目。这款革命性AI工具凭借端到端的自主信息检索与多步推理能力，实现了接近甚至超越人类专家的网络交互水平，为信息处理领域带来全新突破。
WebAgent：模拟人类搜索行为的智能体
WebAgent是阿里巴巴通义实验室精心打造的开源AI智能体，其核心使命在于模拟人类在网络环境中的感知、决策和行动循环。通过自主搜索和多步推理技术，WebAgent能够高效处理复杂、模糊的网络任务，为用户提供前所未有的智能搜索体验。该智能体包含多个关键组件，其中WebSailor和WebShaper的技术创新尤为引人注目。根据官方介绍，WebAgent能够主动检索学术数据库、新闻网站和专业论坛，精准筛选关键信息并生成结构化报告，广泛应用于学术研究、商业分析和日常查询等场景。
在权威评测集BrowseComp上，WebSailor-72B模型表现惊艳，超越了DeepSeek R1和Grok-3等知名闭源模型，仅次于OpenAI的DeepResearch，荣登开源网络智能体榜首。WebAgent还在GAIA和WebWalkerQA基准测试中分别取得60.19分和52.2分的卓越成绩，充分展现了其在复杂任务中的强大能力。
WebShaper：形式化驱动的数据合成新范式
WebShaper作为WebAgent生态的核心创新，提出了一种基于”形式化驱动”的数据合成方法，有效解决了AI在高不确定性任务中的推理难题。通过集合论构建信息搜索任务的数学化表示框架，WebShaper利用”知识投影”概念，将复杂搜索过程抽象为实体集合的操作。例如在查询”出生于90年代的球员在2004-05赛季为东德足球队效力”时，WebShaper能系统化地生成训练数据，确保AI在多步推理中保持高度准确性。
WebShaper数据集覆盖体育、学术、政治、娱乐等多个领域，其中体育类问题占21%，学术类占17%，确保了知识的广泛适应性。其逐层扩展策略有效避免了推理捷径和信息冗余，使AI必须通过完整推理路径得出答案。实验表明，WebShaper训练的模型在相同数据量下，性能显著优于WebWalkerQA和E2HQA等传统数据集。
WebSailor：复杂任务中的”超级网络侦探”
作为WebAgent的”大脑”，WebSailor是一个大规模语言模型，负责理解用户意图、制定浏览策略并决定操作步骤。其最新版本WebSailor-72B通过阿里云FunctionAI实现一键部署，用户仅需10分钟即可完成配置，极大降低了使用门槛。WebSailor在高不确定性任务中表现出色，尤其擅长处理模糊查询或需要跨平台信息整合的复杂场景。
WebSailor的训练采用了创新的SailorFog-QA数据集，通过子图采样和信息模糊化技术模拟真实网络环境中的复杂知识图谱。这种方法赋予了模型处理”超人类”任务的能力，在BrowseComp测试中，WebSailor-32B和72B版本不仅领先所有开源模型，还超越了部分闭源系统。
WebDancer与WebWalker：构建完整生态
WebAgent的成功离不开两大关键模块WebDancer和WebWalker的支持。WebDancer是一个端到端智能体训练框架，通过四阶段训练（数据构建、轨迹采样、监督微调、强化学习）全面提升AI的多步搜索能力。其最新版本WebDancer-QwQ-32B在GAIA Pass@3评测中取得64.1%的优异成绩。
WebWalker则是一个基准测试工具，用于评估语言模型在复杂网页遍历中的表现，为开发者优化算法提供了标准化的评估体系。WebAgent的混合推理模式通过”思维预算机制”动态分配计算资源，实现快速响应简单查询与深度推理复杂任务的完美平衡。
在实际应用中，WebAgent能在10分钟内完成特斯拉与小鹏汽车配置表的爬取与分析，或从PubMed等数据库提取临床试验数据并生成溯源报告，效率远超人工操作。
开源意义：重塑信息处理与社区创新
WebAgent的开源不仅大幅降低了企业和开发者的使用成本，更为全球AI社区提供了工业级训练框架和评估标准。其GitHub仓库（https://github.com/Alibaba-NLP/WebAgent）已获超4000次星标，位列GitHub trending第一，Huggingface月度第三。WebSailor的训练策略——高难度任务合成、小规模冷启动、高效强化学习优化——为开源社区攻克复杂推理任务提供了宝贵思路。
从学术研究到商业决策，WebAgent的应用潜力无限。研究人员可利用其快速检索ACL2025论文主题，商业用户可分析2025年AI芯片市场趋势，普通用户则能获取旅游规划或健康咨询等个性化建议。WebAgent的开源标志着AI智能体从技术演示迈向生产力场景，未来有望推动跨模态信息整合和开放领域推理的进一步突破。
GitHub:https://github.com/Alibaba-NLP/WebAgent
huggingface:https://huggingface.co/datasets/Alibaba-NLP/WebShaper
model scope:https://modelscope.cn/datasets/iic/WebShaper
