OpenAI首席执行官Sam Altman在今年初就曾预言，2025年将是AI代理工具的重要一年。这些工具不仅能够自动化日常任务，还能代表用户采取行动。现在，这一愿景正逐步变为现实——OpenAI正式推出了名为Operator的研究预览版，这是一款可以控制网页浏览器并独立执行特定操作的通用AI代理工具。
Operator简介与适用范围
Operator首先面向美国地区的ChatGPT Pro订阅用户开放，这是一个价值200美元的高级服务计划。尽管目前仅限于美国用户使用，但Altman在最近的一次直播中透露，该功能未来将扩展至其他国家和地区，不过欧洲地区可能需要更长时间才能享受到这项服务。
功能特性与应用场景
- 多任务支持：Operator支持多种类型的自动化任务，如购物、配送、餐饮预订及旅行住宿等。
- 专用浏览器界面：当激活Operator时，用户可以看到一个专门的浏览器窗口，显示代理正在执行的任务详情，同时允许用户随时接管控制权。
技术背景
Operator由“计算机使用代理”（CUA）模型驱动，结合了GPT-4o的视觉识别能力和更先进的推理能力，使得它能够像人类一样与网站交互，无需依赖开发者API即可完成各种操作，例如点击按钮、导航菜单和填写表单。
安全措施与合作
考虑到安全性和隐私保护，OpenAI设计了多项措施确保Operator的安全使用，并与多家知名企业（如DoorDash、eBay等）合作，确保遵守各公司的服务条款协议。此外，在处理敏感信息时，如银行交易或信用卡输入，Operator会请求用户手动干预，避免收集或截图任何敏感数据。
展望未来
虽然CUA模型尚未达到完美状态，但它已经在多个场景中展示了其实用性。随着技术的进步和反馈的积累，OpenAI计划进一步提升Operator的性能和可靠性，最终目标是将其整合进ChatGPT的所有客户端版本中。
评论0