可联网自主完成任务！OpenAI发布智能体Operator，给AI Agent又添了把火！

2025-02-15


图片
作者｜Jessica
邮箱｜Jessica@pingwest.com
AI Agent现在究竟有多火？2025刚开年，OpenAI已迫不及待入局。
今天凌晨，Sam Altman在毫无预告的情况下开启直播，正式发布了OpenAI首款智能体产品：Operator（预览版）。
图片
Operator是一个能够像人类一样使用计算机的AI智能体。它基于OpenAI最新研发的 Computer-Using Agent (CUA) 模型，通过观察屏幕并使用虚拟鼠标和键盘来完成任务，而无需依赖专门的API接口。这种设计使其可以适配任何为人类设计的软件界面，带来极高的灵活性。
技术实现上，CUA采用了一个精心设计的感知-推理-行动循环。具体的工作原理是：每次行动后，它会重新捕获屏幕画面，先将屏幕截图添加到模型上下文，通过GPT-4o的视觉能力准确理解界面内容，再依靠强化学习的推理能力（chain-of-thought）制定下一步计划，最后使用虚拟鼠标和键盘，精确执行点击、滚动或输入的界面操作，直到任务完成或需要用户输入。
图片
也就是说，无论订餐、买票、网上购物、还是预约清洁工，只需下达一句指令，Operator都能自动在后台替你完成。
只不过目前的预览版尚未全面开放，仅供每月付费200美元的美国Pro用户体验，地址在：https://operator.chatgpt.com/。
1
Operator实例展示：灵活智能的多任务助手

在直播活动中，OpenAI团队精彩地展示了Operator的几个令人难忘的应用场景：

场景一：智能餐厅预订服务

当用户输入指令“请在Beretta餐厅为我预订今晚7点的双人餐位”时，Operator迅速启动了一个远程浏览器会话。值得注意的是，该系统展现出了类似人类的地理定位智能——当OpenTable默认展示弗吉尼亚州的餐厅信息时，它根据用户预设的旧金山位置信息，立即进行了自动更正。在发现7点的座位已满后，Operator主动提出了7:45的备选时间，并在最终确认前征求了用户的意见，这体现了其灵活的应变能力。

场景二：智能购物帮手

在购物演示环节，Operator展现出了卓越的多模态理解能力。它能够直接识别并解析手写购物清单的图片，精确提取出“鸡蛋、菠菜、蘑菇、鸡腿肉、辣酱”等商品信息，并在Instacart平台上自动搜索并匹配相应的商品。Operator遵循了一个清晰明了的操作流程：首先准确理解每个商品的具体需求，然后搜索最相关的商品选项，并做出合理的数量和规格选择。当用户通过“接管控制”功能手动增加鸡蛋数量时，Operator也能够理解这一操作，并继续完成剩余的订单流程。

场景三：多任务并行执行

Operator最令人瞩目的特性之一是其多任务并行处理能力。它能够同时在StubHub上搜索勇士队的比赛门票，处理网球场的预订事宜，寻找清洁服务，以及通过DoorDash订购餐食。这得益于其远程浏览器架构，每个任务都在独立的会话中运行，确保了任务之间的互不干扰。在门票预订过程中，Operator还展现出了细致入微的判断力，能够分析不同座位区域的优劣（例如，识别出374美元的第一排座位相较于260美元的普通座位更具优势）。此外，在进行支付等敏感操作时，系统会自动切换到隐私模式，从而确保用户信息的安全性。

1
性能表现
CUA在多项基准测试中展现出了出色的表现：在WebArena测试（评估网页导航能力）中，它取得了58.1%的成功率；而在WebVoyager网页任务评测上，更是获得了高达87%的优异成绩。尽管在操作系统导航测试OSWorld中，CUA的38.1%成功率与人类表现（72.4%）相比仍有一定差距，但它已经超越了其他已公开发布的结果。官方指出，这些数据有力地证明了CUA在处理网页任务方面已经达到了实用标准，但在应对复杂的操作系统交互时，仍有待进一步提升。
图片
1
多层保护机制确保安全
安全性是Operator的另一大注重点。为确保实际操作可控，Operator构建了全面的多层保护体系，包括：
  • 用户确认机制：关键操作前必须获得用户批准
  • 实时监控：自动检测和预防可疑行为
  • 网站限制：预设黑名单，阻止访问违规网站
  • 隐私保护：敏感操作自动切换隐私模式
  • 用户控制："take control"功能确保用户可随时接管操作权限
1
“2025是AI Agents之年”

当前，Operator的功能尚存局限：它不支持如银行交易等高风险活动，且访问部分敏感网站时需用户持续监控。此外，其服务范围仅限于美国地区的Pro用户，欧洲等地的用户可能需要较长时间才能享受到该服务。然而，OpenAI已规划好明确的拓展蓝图：预计在两周内向开发者开放CUA模型API，并随后将其融入ChatGPT，以更广泛地提供服务。

为了提升用户体验，OpenAI已与OpenTable、Allrecipes、StubHub、Uber、Thumbtack、DoorDash、eBay、Target等众多知名品牌携手，共同挖掘AI Agent在不同垂直领域的应用前景，旨在推动AI Agent领域迈向新的发展阶段。Operator面世后，OpenAI总裁Greg Brockman迅速转发并宣称：“2025年将是AI Agents大放异彩的一年”。

图片

在Operator亮相的同时，AI Agent领域的竞争也日益白热化。

OpenAI今年的首步战略展现出了清晰的思路：一方面，它积极与各大主流第三方平台携手，致力于在常用场景中提供卓越的用户体验；另一方面，通过API的开放和与ChatGPT的融合，既鼓励开发者创建应用，又利用这一超级应用平台触及广大用户。同时，将使用权限定于Pro用户，既保障了产品的稳定性，又试探了其他用户对于付费服务的接受度——这些举措共同为探索未来Agent经济的商业化道路奠定了坚实的基础。


分享