WebsiteBench 是一个面向 AI 智能体的评测基准,核心问题很直接:给定一个可以通过浏览器探索的生产级网站,智能体能否反向工程出一个外观和行为尽量一致的全栈版本? 项目由 TIGER-AI-Lab 发布在 GitHub,主要语言为 Python,许可证为 Apache-2.0。根据平台元数据,该项目目前有 479 个 GitHub Star 和 43 个 Fork。
与只考察单段代码生成的评测不同,WebsiteBench 把任务放在完整网站层面。智能体需要先浏览目标网站,再进行全栈复刻,最后由隐藏测试用例从功能和视觉两个维度评分。项目标签覆盖 agent-evaluation、browser-automation、full-stack、reverse-engineering 和 visual-evaluation 等方向,定位是智能体评测基准,而不是网站生成工具。
任务规模与评分方式
WebsiteBench 包含 70 个网站任务和 46,916 个隐藏测试用例。任务集同时发布在 Harbor Hub 和 Hugging Face 上,README 中提供了对应链接。每个任务有 302 到 2,016 个隐藏测试用例,数量并不固定。
评分规则比较明确:一个测试用例通过,需要同时满足两个条件,即其功能检查通过,并且每个视觉检查点的归一化 SSIM 达到 0.99。一个任务的奖励值等于其通过用例所占的比例。因此,这个基准不仅看页面能否打开,还要求复刻结果在功能和视觉上都接近参考网站。
运行方式
根据 README,运行 WebsiteBench 需要先安装 Docker 和 Harbor。任务数据可以通过 PyPI 包下载。运行某个智能体时,可以通过数据集参数指定全部 70 个任务;如果只运行单个任务,则把数据集参数替换为对应任务标识,例如 README 中给出的 websitebench/medium@v1。项目文档还说明了如何用参考解决方案检查任务、如何运行其他智能体、如何下载数据以及如何在云机器上运行。
每次试验的奖励结果会写入 jobs/<...>/verifier/reward.txt 路径,便于后续收集和分析。
适用人群与注意事项
WebsiteBench 适合研究或评测具备浏览器操作能力的 AI 智能体,也适合关注全栈网站生成、浏览器自动化、反向工程和视觉一致性评估的开发者与研究人员。由于任务建立在生产级网站之上,评测结果可以反映智能体在复杂网站环境中的观察、推理和实现能力。
使用时需要注意两点。第一,Apache-2.0 覆盖的是基准代码、任务定义和验证器;参考网站复刻了第三方站点,其内容归原所有者,仅供非商业研究使用。第二,任务定义带有 harbor-canary GUID,README 明确请求将包含该标识的文档排除在训练数据之外。此外,本项目资料中 Hugging Face Likes 和 Downloads 不适用,不应与 GitHub Star 数混为一谈。
项目主页
GitHub 仓库:https://github.com/TIGER-AI-Lab/WebsiteBench
项目地址:WebsiteBench
相关推荐
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
Gemini Config Checker:用登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker:用登录态浏览器实测哪些代理配置能进 Google AI Studio 和 Gemini
Gemini Config Checker:用已登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker:用已登录浏览器验证代理配置能否进入 Gemini
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
Gemini Config Checker:用已登录浏览器实测代理配置能否访问 Google AI Studio 与 Gemini
最近更新
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
WebsiteBench 是一个面向 AI 智能体的网站重建评测基准,包含 70 个网站任务和 46,916 个隐藏测试用例,要求智能体通过浏览器探索反向工程出功能和视觉都接近原站的全栈版本。
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
Auto Ontology MCP 是一个基于 Python 的 MCP 服务器,把 NVIDIA Auto Ontology 的语义层接入 Claude、ChatGPT、Cursor 等客户端。它不需要 LLM API key,由客户端模型完成语言步骤,服务器负责 schema 扫描、键推断、SQL 校验和本地知识库存储,帮助减少 Text-to-SQL 的静默错误。
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
PeakCut 是一个自托管的 AI 视频切片工具,能把长视频和直播自动转成带字幕的 9:16 竖版短片,支持自带 AI 密钥、实时直播切片和连接社交平台发布。
Gemini Config Checker:用登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker 是一个 Go 编写的代理配置检测工具,通过已登录的 Chromium 浏览器实测 AI Studio 和 Gemini 的区域可用性,支持简单与链式两种模式,并提供反 DPI 配置档和 Xray 配置导出。当前为 0.1.0 早期预发布版。
Gemini Config Checker:用登录态浏览器实测哪些代理配置能进 Google AI Studio 和 Gemini
Gemini Config Checker 是一个用登录态浏览器实测代理配置能否真正进入 Google AI Studio 和 Gemini 的工具,支持 Simple/Advanced 两种路线、Anti-DPI 配置和 Xray 配置导出。项目以 Go 编写,采用 Apache-2.0 许可证,目前约 473 Star,仍处于 0.1.0 早期预发布阶段。
Gemini Config Checker:用已登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker 是一个 Go 编写的开源工具,用已登录浏览器实测代理配置能否真正进入 Google AI Studio 和 Gemini,支持简单/高级两种链路模式、Anti-DPI 参数与 Xray 配置导出,当前为 0.1.0 早期预发布版本。
Gemini Config Checker:用已登录浏览器验证代理配置能否进入 Gemini
Gemini Config Checker 是一个代理配置扫描工具,通过已登录的浏览器实际访问 Google AI Studio 和 Gemini,读取 Google 的区域判定,帮助用户筛出真正可用的代理配置。支持 Simple 和 Advanced 两种模式,内置 Anti-DPI 配置,提供 Windows、macOS、Linux、Android 及 Web 服务器版本。
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
ai-texture-forge 是一个 Blender 插件,可在 3D 视口内用文本提示生成无缝 PBR 材质、概念图和场景级投影纹理,支持本地 GPU 或云端扩散模型,面向 Windows x64 和 Blender 4.2+。
Gemini Config Checker:用已登录浏览器实测代理配置能否访问 Google AI Studio 与 Gemini
Gemini Config Checker 是一款通过已登录浏览器实测代理配置能否访问 Google AI Studio 和 Gemini 的工具,支持 Simple/Advanced 双模式、Anti-DPI 参数和链式配置导出,当前处于 0.1.0 早期预发布阶段。
Gemini Config Checker:用已登录浏览器筛选能进 Google AI Studio 和 Gemini 的代理配置
Gemini Config Checker 是一个面向代理配置的检查工具,通过已登录的 Chrome/Edge/Brave 浏览器读取 Google 对 AI Studio 和 Gemini 的区域判定,支持简单与高级两种扫描模式,并提供 Anti-DPI 配置和 Xray 配置导出。




