ActionEngine：通过状态机记忆将反应式 GUI 代理转化为程序化代理

现有图形用户界面（GUI）代理依赖逐步调用视觉语言模型，导致成本高、延迟大且缺乏持久记忆。本文提出 ActionEngine，一种无需训练的框架，通过双代理架构实现从反应式执行到程序化规划的转变：爬取代理构建可更新的状态机记忆，执行代理利用该记忆合成完整的可执行 Python 程序。针对界面演变，设计了基于视觉的重定位 fallback 机制以修复失败动作并更新记忆。实验表明，该方法在 WebArena 基准上成功率达 95%，显著降低成本与延迟。