Operator

OpenAI 发布了名为 Operator 的研究预览版智能代理，它能够使用自己的浏览器为用户执行任务。Operator 旨在通过模拟人类在浏览器上的操作（如打字、点击和滚动）来完成各种重复性任务，从而扩展 AI 的实用性，帮助用户节省时间和为企业创造新的互动机会。 技术原理 Operator 由名为 Computer-Using Agent (CUA) 的新模型驱动。CUA 结合了 GPT-4o 的视觉能力和通过强化学习获得的先进推理能力，使其能够与图形用户界面 (GUI) 进行交互。Operator 可以“看到”（通过屏幕截图）和“交互”（使用鼠标和键盘的所有操作）浏览器，无需自定义 API 集成即可在 Web 上执行操作。 应用场景与合作 Operator 可以处理各种浏览器任务，例如填写表格、订购杂货甚至创建 memes。OpenAI 正在与 DoorDash 、 Instacart 、 OpenTable 、 Priceline 、 StubHub 、 Thumbtack 、 Uber 等公司合作，以确保 Operator 满足现实世界的需求。此外，Operator 在公共部门应用中也具有潜力，例如与 Stockton 市合作，简化市民参与城市服务和计划的流程。 功能与特点 自主操作: Operator 是一个智能代理，用户只需给出任务，它就能独立执行。 广泛的任务处理: 能够处理各种重复性浏览器任务，例如填写表格、订购杂货等。 人机协作: 当遇到挑战或错误时，Operator 能够自我纠正；当遇到困难时，会将控制权交还给用户。 个性化定制: 用户可以通过添加自定义指令来个性化工作流程，并保存常用提示以便快速访问。 多任务处理: 用户可以同时运行多个任务，类似于在浏览器中使用多个标签页。 安全与隐私保障 多层安全防护: Operator 具有三层安全措施，以防止滥用并确保用户始终处于控制之下，包括接管模式、用户确认和任务限制。 数据隐私管理: 用户可以通过 ChatGPT 设置选择退出模型训练，并一键删除所有浏览数据和对话记录。 对抗性网站防御: Operator 具备检测和忽略提示注入、监控可疑行为以及快速更新安全措施的能力，以防御恶意网站的攻击。 局限性与未来展望 研究预览阶段: Operator 仍处于早期研究预览阶段，可能存在错误，尤其是在处理复杂界面时。 持续改进: OpenAI 将根据用户反馈不断改进 Operator 的准确性、可靠性和安全性。 API 开放与功能增强: 未来计划将 CUA 模型通过 API 开放给开发者，并增强 Operator 处理更长、更复杂工作流程的能力。 扩大用户范围: 计划将 Operator 扩展到 Plus 、 Team 和 Enterprise 用户，并将其功能集成到 ChatGPT 中。 合作机构与用户评价 合作机构: DoorDash, Instacart, OpenTable, Priceline, StubHub, Thumbtack, Uber, City of Stockton 等。 用户评价: Instacart 首席产品官 Daniel Danker 认为 Operator 是一个技术突破，使订购杂货等流程变得非常容易。Stockton 市信息技术主管 Jamil Niazi 认为 AI 可以使公民参与变得更加容易。 原文 2025 年 1 月 23 日...