OpenAI Operator：AI Agent 大战的号角，从 “工具” 到 “助手” 的飞跃

news2025/1/31 16:43:51

想尝试不同的 AI 模型？不必到处寻找！chatTools 为您集成了 o1、GPT4o、Claude 和 Gemini 等多种选择，一个平台解决您的所有 AI 需求。现在就来体验吧！

各位 AI 爱好者们，今天我们来聊聊 OpenAI 的最新力作——Operator。如果说之前的 ChatGPT 只是 AI 领域的 “工具”，那么这次的 Operator 则可以称得上是真正的 “助手” 了。它的发布，标志着 AI 技术已经扎扎实实地进入了第三阶段：智能体（Agents）。

Operator

从 “工具” 到 “助手”：AI 的进化

你有没有觉得，以往的 AI 更像是一个 “工具”：你需要给它明确的指令，它才能执行特定的任务。比如让 ChatGPT 写一篇文章，让 Kimi 解一道数学题。但 OpenAI 的 Operator 则不一样，它更像是一个真正意义上的 “助手”，它已经具备了一定的自主性和决策能力，可以理解你的模糊意图，并将任务分解成多个步骤，自主地在浏览器中执行操作，最终完成任务。

这本质上是一种从 “被动处理信息” 到 “主动完成任务” 的进化。这不仅仅是技术上的进步，更是 AI 应用模式的一次重大变革。

Operator 的核心能力：自主操作浏览器

Operator 最核心、最具颠覆性的特点在于它能直接操作浏览器，而无需通过 API 实现。要知道，不是所有的网站和应用都开放 API，即使有，功能也往往受限。

Operator 实现 “操作浏览器” 靠的是一个名为 CUA（Computer-Using Agent）的全新模型。CUA 基于 GPT-4o 专门训练，继承了 4o 的视觉能力，能够和图形用户界面（GUI）直接交互。简单来说，Operator 利用视觉能力通过 “查看” 屏幕截图来 “理解” 当前页面的内容，然后模拟鼠标和键盘操作和浏览器进行 “互动”。

这种方式的好处不言而喻：通用性强，不需要特定 API 的支持，也不需要为每个网站和应用单独适配 API。这意味着，Operator 可以轻松地在各种网站和应用上执行任务，大大拓宽了 AI 的应用场景。

Operator 的实际应用：预定餐厅、在线购物

预定餐厅、在线购物

那么，Operator 究竟能做什么呢？在 OpenAI 的演示中，我们看到了以下几个令人兴奋的应用场景：

预定餐厅： 你只需要告诉 Operator “帮我预定这家餐厅今晚 7 点的位置”，它就会自行打开浏览器，搜索该餐厅，选择，然后确定可预约的时间。如果搜索后发现你选定的时间已经不可选了，Operator 还会主动提醒你。
在线购物： 你可以告诉 Operator 你想买哪些菜，支持手写。Operator 会自动打开浏览器，进入 Instacart（美国的叮咚买菜），选定相应的菜品，加入购物车。在真正下单前，你可以随意修改购物车，直接用自然语言告诉 Operator 就可以。

这些应用场景不仅展示了 Operator 的强大能力，也让我们看到了 AI 在日常生活中的无限可能性。

人机协作：Human in the Loop

Operator 还有一个非常重要的特点，那就是强调人机协作。Operator 不是一个完全自主、不可控的黑盒，它在执行任务时会主动和你确认，尤其是重要操作，比如确认预定、付款。

这其中体现了一个非常重要的设计理念：Human in the loop（HITL）。HITL 通常用于 AI 系统中，指的就是当 AI 在执行任务时，人类必须保持在场，参与、监督，以确保 AI 系统的安全性和可靠性。简单来说，AI 在干活，你在把关。这种设计理念不仅保障了 AI 的可靠性，也增强了用户对 AI 的信任感。