Operator是一款面向?yàn)g覽器的智能體，能夠模擬人類操作計(jì)算機(jī)的能力的ai智能體，Operator能執(zhí)行各種基于網(wǎng)頁的操作，如在線訂餐、預(yù)訂旅行、自動(dòng)電商購物等。Operator標(biāo)志著AI從被動(dòng)工具向主動(dòng)參與者的轉(zhuǎn)變，開啟了全民智能體時(shí)代。

Operator網(wǎng)站地址官網(wǎng)：https://openai.com/index/introducing-operator

Operator功能特征：

• 計(jì)算機(jī)使用代理（CUA）模型：Operator基于一個(gè)名為CUA的新模型，該模型結(jié)合了GPT-4o的視覺功能和強(qiáng)化學(xué)習(xí)的高級(jí)推理能力，使AI能夠與圖形用戶界面（GUI）直接交互，包括點(diǎn)擊按鈕、操作菜單和輸入文本。

• 獨(dú)立操作能力：Operator能夠獨(dú)立完成任務(wù)，如填寫表單、在線購物、預(yù)定服務(wù)等，無需人類直接操作瀏覽器。

• 內(nèi)置瀏覽器：擁有自己的瀏覽器環(huán)境，使得它能夠在網(wǎng)絡(luò)上自由行動(dòng)，執(zhí)行基于視覺的任務(wù)，而不僅僅是通過API調(diào)用。

• 錯(cuò)誤修正與協(xié)作：當(dāng)遇到復(fù)雜情況或錯(cuò)誤時(shí)，Operator能嘗試自我糾正，并在必要時(shí)將控制權(quán)交還給用戶，確保任務(wù)順利完成。

• 網(wǎng)頁操作：Operator能夠自動(dòng)執(zhí)行基于網(wǎng)頁的操作，包括填寫在線表單、進(jìn)行網(wǎng)上購物、預(yù)訂旅行等。這意味著用戶可以通過Operator來完成繁瑣的任務(wù)，而無需手動(dòng)操作。

• 智能交互：該工具可以與網(wǎng)頁上的按鈕、菜單和文本字段進(jìn)行交互，能夠理解并執(zhí)行用戶的指令。例如，用戶可以要求Operator進(jìn)行餐廳預(yù)訂，Operator會(huì)詢問相關(guān)信息并完成預(yù)訂過程。

• 任務(wù)自動(dòng)化：Operator能夠處理重復(fù)性任務(wù)，如自動(dòng)填寫信息、處理購物清單等。用戶只需提供基本信息，Operator便能自動(dòng)完成后續(xù)操作。

• 反饋與學(xué)習(xí)：Operator在執(zhí)行任務(wù)后，會(huì)向用戶反饋完成情況，包括總費(fèi)用和預(yù)計(jì)送達(dá)時(shí)間。這種反饋機(jī)制有助于用戶了解任務(wù)進(jìn)展，并為未來的操作提供參考。

Operator應(yīng)用場(chǎng)景：

• 網(wǎng)頁操作自動(dòng)化：填寫表單、數(shù)據(jù)抓取、內(nèi)容創(chuàng)建（如制作迷因）等，尤其適合需要大量網(wǎng)頁交互的任務(wù)。

• 個(gè)性化與定制：用戶可以通過添加自定義指令來調(diào)整Operator的行為，適應(yīng)特定網(wǎng)站或任務(wù)需求。

• 多任務(wù)處理：支持同時(shí)運(yùn)行多個(gè)任務(wù)，比如一邊預(yù)訂露營(yíng)地，一邊購買個(gè)性化商品，提高效率。

• 在線訂餐: Operator可以在OpenTable上預(yù)訂餐廳。

• 預(yù)訂酒店: 能夠自動(dòng)識(shí)別指令并在網(wǎng)站上完成預(yù)訂操作。

• 購買機(jī)票: 處理日常繁瑣、重復(fù)任務(wù)，如購買機(jī)票。

• 購物: 自動(dòng)填寫繁瑣的在線表單、上網(wǎng)購物。

Operator使用方法：

• 任務(wù)描述: 用戶只需簡(jiǎn)單描述想要完成的任務(wù)，Operator即可自動(dòng)處理后續(xù)步驟。

• 控制權(quán): 用戶可以隨時(shí)接管遠(yuǎn)程瀏覽器的控制權(quán)。

• 安全性: 在需要登錄、輸入支付信息或解決CAPTCHA驗(yàn)證碼等任務(wù)時(shí)，Operator會(huì)主動(dòng)請(qǐng)求用戶接管。

• 界面: Operator的界面與聊天機(jī)器人ChatGPT類似，調(diào)用“AI代理”完成用戶吩咐的事情。

• 示例: 在演示案例中，Operator被要求預(yù)訂某家飯店，用戶只需輸入指令，AI代理即可完成預(yù)訂。

Operator技術(shù)背景：

• CUA模型: Operator由CUA（計(jì)算機(jī)使用代理）的新模型驅(qū)動(dòng)。

• GPT-4o: 結(jié)合了GPT-4o的視覺能力和高級(jí)推理能力。

• 強(qiáng)化學(xué)習(xí): 通過強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)的高級(jí)推理能力。

• 視覺UI: 專門對(duì)視覺UI界面的理解和交互進(jìn)行了額外專項(xiàng)訓(xùn)練。

• 瀏覽器交互: 內(nèi)置瀏覽器，能查看網(wǎng)頁并通過打字、點(diǎn)擊和滾動(dòng)來與網(wǎng)頁進(jìn)行交互。

用戶體驗(yàn)與反饋機(jī)制

• 直觀交互：用戶只需以自然語言描述任務(wù)，Operator即會(huì)執(zhí)行，簡(jiǎn)化了人機(jī)交互過程。

• 安全控制：對(duì)于需要敏感信息（如登錄、支付）的任務(wù)，Operator會(huì)要求用戶介入，確保安全性。

• 持續(xù)迭代：作為研究預(yù)覽版，Operator將根據(jù)用戶反饋不斷改進(jìn)，未來可能整合進(jìn)ChatGPT等其他服務(wù)中。

Operator的發(fā)布標(biāo)志著AI從被動(dòng)工具轉(zhuǎn)變?yōu)閿?shù)字生態(tài)系統(tǒng)中的積極參與者，為希望提供創(chuàng)新客戶體驗(yàn)和提高轉(zhuǎn)化率的企業(yè)帶來代理的優(yōu)勢(shì)。