Perplexity Comet 再升级：语音助手可直接操控网页，迈向全任务自动化

Perplexity 旗下的 Comet 浏览器近期悄然上线了一项关键更新：其内置语音助手现已支持直接操控网页内容——不再局限于控制浏览器本身（如开关标签、导航），而是能通过语音命令完成网页内的点击、表单填写、按钮触发等操作。这一变化让 Comet 向“全任务自动化浏览”又迈进了一步。

核心升级：语音助手从“控浏览器”到“控网页”

此前，Comet 的语音助手仅能处理基础的浏览器级操作，如“打开新标签”“跳转到某网站”；而此次更新后，语音控制能力延伸至网页内部元素，具体表现为：

• 触发页面交互：通过语音指令让助手点击网页按钮（如“点击‘提交’按钮”）、选择下拉菜单（如“选择日期为10月1日”）、填写表单字段（如“在搜索框输入‘AI浏览器’”）；
• 实时可视化执行：与“后台静默完成”的自动化工具不同，Comet 会在界面上实时展示每一步操作过程（如光标移动、元素选中状态），用户若发现偏差可随时中断或修正；
• 适配免提场景：无需依赖键盘鼠标，适合在锻炼时用电视浏览网页、烹饪时查食谱、通勤时用平板处理简单网页任务等场景。

不过目前该功能仍有优化空间——部分复杂网页的元素识别速度较慢，且对动态加载的内容支持度有待提升。

设计逻辑：AI 与浏览体验的“深度融合”

从产品设计来看，Comet 的语音助手始终嵌入在浏览器侧边栏中，未采用独立聊天窗口的形式。这种“边浏览边控制”的设计，延续了 Perplexity 一贯的策略：将 AI 能力直接融入浏览流程，而非作为“外挂工具”存在。

此次将语音控制扩展到网页级操作，进一步强化了这一逻辑——用户无需在“语音助手”与“网页”之间切换注意力，即可通过自然语言完成从“搜索内容”到“操作内容”的闭环，例如：“搜索‘2024科技展会时间表’，并点击第一条结果中的‘下载日程’按钮”。

现状与前景：未官宣的“实验性功能”

目前该语音控网页功能尚未正式对外宣布，仅在部分 Comet 浏览器的最新构建版本中上线，推测仍处于实验阶段。结合 Perplexity 对 Comet 的定位（既是“AI 搜索伴侣”，也是“智能浏览测试场”），团队可能会根据用户反馈优化功能稳定性（如提升元素识别准确率、加快操作响应速度）后再推出正式版。

若该功能打磨成熟，Comet 有望成为首批实现“端到端语音控制网页交互”的主流浏览器之一——相比传统浏览器的“语音搜索”，其能覆盖“搜索-浏览-操作”全链路；相比专用自动化工具，其又更贴近普通用户的日常浏览习惯，或能在 AI 浏览器赛道形成独特竞争力。