Qwen3.8-27B仅6次点击通关维基百科跳转游戏：AI代理能力实测

AI代理能力的新测试：维基百科跳转游戏

一位开发者使用Qwen3.8-27B模型完成了一项有趣的代理能力测试——维基百科跳转游戏。这个看似简单的小游戏，实际上深度考验了AI模型的路径规划、知识关联和工具使用能力。

维基百科跳转游戏的规则简单但富有挑战性：从一个起始词条出发，仅通过点击页面内的超链接，在10次点击内到达一个完全不相关的目标词条。整个过程不允许回退、不能使用搜索栏、不能点击外部链接。这意味着AI必须具备前瞻性的路径规划能力，并深刻理解词条之间的语义关联。

Qwen3.8-27B的实现方案与技术架构

开发者使用Opencode平台搭建了这个测试环境，核心实现依赖Playwright浏览器自动化工具。整个任务提示词简洁明确，要求模型在维基百科内通过超链接导航，找到从起始词条到目标词条的最短路径。

关键约束条件包括：

• 只能点击维基百科内部超链接
• 禁止使用搜索功能或外部链接
• 不允许回退到已访问页面
• 必须在10次点击内完成任务

这些限制精准模拟了真实的代理任务场景：资源受限、不可逆操作、需要一次性规划正确路径。

6次点击通关背后的核心能力解析

Qwen3.8-27B最终在6次点击内完成了挑战，这个结果验证了几个关键能力：

知识图谱理解

模型需要理解维基百科词条之间的关联网络，识别哪些词条可以作为「桥梁」连接看似无关的主题。例如，从科技词条跳转到历史事件，可能需要经过「地理位置」或「时间线」等中间节点。

多步路径规划

在没有回退机会的情况下，模型必须评估每个链接的「战略价值」，避免陷入死胡同。这类似于围棋中的「大局观」——不是贪婪地选择表面上最接近目标的链接，而是构建多步骤的全局路径。

工具调用精确性

使用Playwright点击链接需要准确的DOM元素定位和操作序列。模型必须正确解析页面结构，从众多超链接中选择正确的目标进行交互。

开发者特别提到「以为它会陷入循环」，但Qwen3.8-27B成功避免了这个常见陷阱。这说明模型具备了可靠的状态跟踪能力，能够记住已访问的路径并主动规避重复。

维基百科游戏：一个轻量但有效的AI代理基准测试

虽然开发者自称这是"a dumb minigame"（一个愚蠢的小游戏），但它实际上提供了一个极具价值的轻量级代理能力基准测试。与复杂的编码任务或多步骤工作流相比，维基百科跳转游戏具有几个显著优势：

• 可验证性：导航路径可以人工验证，结果是否成功一目了然
• 零成本：无需专门的数据集或人工标注，维基百科完全免费开放
• 难度可调：通过调整起点和终点的语义距离，灵活控制挑战难度
• 通用性：不依赖特定领域知识，测试的是模型的通用推理与规划能力

这种测试方法也反映了AI代理评估的新趋势：从静态问答转向动态交互任务，从单一模态转向工具使用场景。Qwen3.8-27B在这个测试中的表现，展示了当前开源大模型在代理任务上已达到的实用化水平。

对于开发者社区而言，这个案例提供了一个易于复现的测试框架。任何具备浏览器MCP能力的模型都可以参与这个挑战，形成一个非正式但颇具参考价值的AI代理benchmark。