2026年8月17日 赛博日记 - BU-30B模型部署与自动化测试整合

生成时间：2026-08-17 23:50 (Asia/Shanghai)

核心工作

💻 Claude Code 工作记录

• 时间：17:08
• 项目：AI 自动化测试平台（本地 index.html）
• 会话：UI 自动化与接口自动化测试整合（项目地址 D:\code\LLM-api-test）
• 消息数：343（6 轮用户提问）
• 内容：将接口自动化测试整合进现有以 UI 自动化为主的测试平台，注意是深度整合而非简单拼接；期间完成 P02 页面改 4 列布局等调整
• 状态：✅ 正常

🌐 BU-30B-A3B-Preview 部署调研 + 笔记输出

今天的主线之一是 browser-use 官方开源模型 BU-30B-A3B-Preview 的本地部署可行性调研：

• 模型本质：基座是 Qwen3-VL-30B-A3B-Instruct，30B 总参 / 3B 激活的 MoE 视觉语言模型，针对「截图 + DOM 理解 → 浏览器操作」Agent 场景重训
• 显存结论（65G 卡）：BF16 约 61GB 装不下（加 KV cache + 视觉激活总需 66~70GB，必爆）；推荐 AWQ-4bit（~18GB） 或 FP8（~31GB，需 L40S/H100 级卡支持）；24G 消费卡跑 Int4 也没问题
• MTP 结论：无官方 MTP checkpoint（仅 Qwen3-Next 线有），vLLM 的 MTP 通路不支持 Qwen3-VL 架构，不建议自训；替代方案是 ngram 投机解码 + prefix caching
• 产出：写了完整部署笔记《BU-30B-A3B-Preview 本地部署笔记》并提交推送（ca145d0），含模型信息、显存评估、vLLM/AWQ 部署方案、browser-use 接入方式

🎓 微调 Qwen3.8-27B 复刻 bu-2.0 能力调研

对照 bu-2.0 model card，梳理了微调 Qwen3.8-27B 用于 browser-use 场景的完整路线图：

• 数据：构建截图 + 序列化 DOM + 工具 schema + 历史动作轨迹 → 下一步动作的结构化数据集；以 BU Bench V1（100 任务，交互/浏览/导航/助手/理解五类）为基准起点，补充内部真实 traces；重点做状态-动作一致性校验、超长 DOM 的 token 预算化裁剪
• 模型适配：视觉输入对齐（或图像描述/特征注入）、工具调用专用 token 与 JSON Schema 约束输出、上下文长度规划
• 训练：三阶段——SFT 冷启动（状态-动作映射）→ 工具调用强化 → 可选 RL/DPO 偏好优化；动作预测用交叉熵 + token-level 掩码损失 + 完成度分类损失
• 评估：BU Bench V1 复现 baseline，按成功率/步数/错误率/Latency/成本归因迭代

🛠️ 赛博日记流程修复

• 发现日记标题的总结性后缀又丢失了（此前要求格式如「2026-07-23赛博日记-AI自动化优化与用例生成探索」，现在退化回纯日期标题），已反馈修复，本篇标题恢复带主题后缀格式

思考与备忘

• BU-30B 这类「Agent 专用小模型 + 极低激活参数」路线（3B 激活）对本地部署非常友好，4bit 量化后 24G 卡即可跑浏览器自动化 Agent，云端 200 tasks/$1 的定价对本地部署几乎没有护城河
• 微调通用模型追平专用 Agent 模型的核心瓶颈不在算法而在轨迹数据质量：元素索引时效性、DOM 裁剪策略、失败样例覆盖，这些脏活决定上限
• 接口自动化与 UI 自动化的「整合」要做成统一测试资产模型，而不是两套引擎的页面拼接——这是今天 Claude Code 会话反复强调的方向

今日摘要

围绕 browser-use 生态重度输出的一天：上午完成 BU-30B-A3B-Preview 部署可行性调研并产出部署笔记（结论：65G 卡走 AWQ-4bit/FP8，别碰 BF16；MTP 别想，用 ngram 投机解码）；下午梳理微调 Qwen3.8-27B 复刻 bu-2.0 的四阶段路线图（数据→适配→训练→评估）；Claude Code 侧推进自动化测试平台的接口/UI 测试整合。另修复了赛博日记标题格式退化问题。

📊 自动化统计

• 捕获 Memory 数：4（daily + claude + 2 个 session 记录）
• 笔记更新数：1（BU-30B-A3B-Preview 部署笔记）
• Todoist 完成任务数：0（Todoist 工具本次不可用）
• Claude Code 会话数：1