OpenAI近日发布了一款名为Operator的智能代理工具，旨在通过自然语言交互帮助用户完成复杂的多步骤任务。Operator基于OpenAI的GPT模型，能够理解用户的指令并自动执行相关操作，如生成代码、查询数据库、发送邮件或管理文件等。该工具特别适用于开发者和企业用户，能够显著提升工作效率。Operator的亮点在于其灵活性和可定制性，用户可以通过简单的对话指导其完成任务，无需编写复杂的脚本或代码。Operator处于测试阶段，未来有望集成到更多工作流中，成为智能化办公的重要工具。
今天我们发布了Operator，这是一个可以代你在网络上执行任务的代理。它使用自己的浏览器，可以查看网页并通过打字、点击和滚动与之交互。目前这是一个研究预览版，意味着它有一些限制，并将根据用户反馈不断发展。Operator是我们首批代理之一，这些AI能够独立为你完成工作——你给它一个任务，它就会执行。
Operator可以处理各种重复性浏览器任务，如填写表格、订购杂货，甚至创建迷因。能够使用人类每天交互的相同界面和工具，扩大了AI的实用性，帮助人们节省日常任务的时间，同时为企业开辟了新的互动机会。
为确保安全和迭代推出，我们从小规模开始。从今天起，Operator将在Operator.chatgpt.com提供给美国的Pro用户。这个研究预览版让我们能够从用户和更广泛的生态系统中学习，并不断完善和改进。我们的计划是扩展到Plus、Team和Enterprise用户，并在未来将这些功能整合到ChatGPT中。
Operator由一个名为计算机使用代理（Computer-Using Agent，CUA）的新模型驱动。通过结合GPT-4o的视觉功能和通过强化学习的高级推理能力，CUA经过训练可以与图形用户界面（GUI）交互，包括屏幕上的按钮、菜单和文本框。
Operator可以通过截图"看"并使用鼠标和键盘允许的所有操作与浏览器"交互"，使其能够在网络上采取行动，而无需定制API集成。
如果遇到挑战或犯错，Operator可以利用其推理能力进行自我纠正。当它陷入困境需要帮助时，会将控制权交还给用户，确保流畅的协作体验。
尽管CUA仍处于早期阶段并存在局限性，但它在WebArena和WebVoyager两个关键浏览器使用基准测试中创造了新的最先进的基准结果。
使用方法 开始时，只需描述你想完成的任务，Operator即可处理其余工作。用户可以随时接管远程浏览器的控制权，且Operator经过训练，会主动要求用户接管需要登录、支付详情或解决验证码的任务。
用户可以通过添加自定义指令来个性化Operator的工作流，可以针对所有网站或特定网站，如在Booking.com上设置航空公司偏好。Operator允许用户在主页保存提示以快速访问，非常适合重复任务，如在Instacart上补充杂货。类似于使用多个浏览器标签，用户可以通过创建新对话让Operator同时运行多个任务，比如在Etsy上订购个性化珐琅杯的同时在Hipcamp上预订露营地。
网友评论