OpenAI 发布首个 AI 智能体-低调大师

OpenAI 发布首个 AI 智能体

2025-01-24 250

今日凌晨，OpenAI 正式发布其首个 AI 智能体—「Operator」研究预览版。

作为 OpenAI 首款真正模拟人类操作网页浏览器的 AI 助手，Operator 能够自动完成预订旅行住宿、餐厅预约和在线购物等复杂任务。用户可以在多个类别中选择不同的自动化任务，涵盖购物、配送、餐饮和旅行等领域。

目前，OpenAI 已与 DoorDash、Instacart、Priceline、StubHub 和 Uber 等公司建立合作。

技术层面，Operator 采用远程云端浏览器执行任务，无需依赖网站 API。它通过截图识别界面元素，规划后续动作，形成「观察-计划-执行」的闭环，直至完成任务。系统支持多任务并行处理，运行效率高，且能保持登录状态。

据了解，Computer-Using Agent （CUA）是支撑 Operator 的核心技术，它融合了 GPT-4o 的视觉识别能力和基于强化学习的高级推理功能。CUA 通过训练掌握了与图形用户界面（GUI）交互的能力，能像人类一样操作屏幕上的按钮、菜单和文本框，无需依赖特定的操作系统或网络 API。不过 OpenAI 坦言 CUA 还有许多需要改进的地方，比如目前就没法保证在所有场景下都能稳定运行。

据悉，当用户启用 Operator 时，系统会弹出一个小窗口，展示专用 Web 浏览器的操作界面，并实时说明正在执行的任务。在此期间，允许用户随时接管控制。但 Operator 目前最大的问题还是不够稳定，其在发布会刚开始演示时还算顺利，但中后期的演示过程中遭遇连环「翻车」，甚至未能成功加载相关网页。

The Rundown AI 创始人 Rowan Cheung 提前体验 Operator，并分享了自己的反馈表示，目前 Operator 的系统仍存在限制，包括部分网站会屏蔽 AI 访问，合作伙伴集成有限。同时 Rowan Cheung 指出 Operator 需要特定的使用方法来优化效果，就像 GPT-4 适合 CoT 提示一样，但目前对 Operator 的最佳使用方式研究还很初步。

此前有消息称，Operator 在执行任务时使用的截图内容可能被恶意利用，导致「提示注入攻击」，存在严重的安全隐患。因此，为确保 Operator 的安全使用，OpenAI 通过多层保护措施防止滥用并确保用户牢牢控制 Operator，如系统在浏览器中输入敏感信息（例如登录凭据或支付信息）时要求用户接管。

目前，Operator 将率先向订阅 200 美元 Pro 计划的美国用户开放，随后逐步扩展至 Plus、Team 和 Enterprise 级别用户，API 预计将在数周内推出，用户可通过 operator.chatgpt.com 访问该服务，OpenAI 计划后续将其整合到 ChatGPT。

此外，OpenAI CEO Sam Altman 宣布 ChatGPT 用户不仅将获得 o3-mini 的免费试用机会，Plus 付费订阅会员还将享有更多使用额度。近日，OpenAI 首席产品官 Kevin Weil 还在达沃斯世界经济论坛上表示，公司预计在 2 月或 3 月发布更智能的 GPT-o3 模型。

关于「Operator」的更多技术细节：https://openai.com/index/computer-using-agent/

微信关注我们

原文链接：https://www.oschina.net/news/331290/openai-operator

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

智谱宣布电脑智能体 GLM-PC 开放体验

1 月 23 日，智谱宣布自主操作电脑的多模态 Agent — GLM-PC 开放体验。据了解，GLM-PC 是基于智谱多模态大模型 CogAgent，全球首个面向公众、回车即用的电脑智能体（agent）。它能像人类一样「观察」和「操作」计算机，协助用户高效完成各类电脑任务。本次 GLM-PC 升级推出「深度思考」模式，并增加了专用来做逻辑推理和代码生成的功能。新版 GLM-PC 将借鉴人类「左脑」与「右脑」分工，通过代码生成与图形界面理解，实现逻辑推理与感知认知的深度结合。据悉，GLM-PC 的「左脑」部分负责代码生成与逻辑执行，具有规划、循环执行、长思考能力（动态反思、纠错与优化）等功能；而「右脑」部分负责图像与 GUI 认知，专注于深度感知与交互体验，支持 GUI 图像理解、用户行为认知、图像语义解析等功能。「左右脑」还支持协作，使 GLM-PC 不仅能够处理复杂逻辑任务，还能在开放性问题上展现更高的适应能力、创造力和泛化能力。更能通过动态优化和情境感知，帮助用户探索更高效的解决方案，特别是在循环任务处理、多步推理执行以及长链条任务管理等方面。目前，新版 GLM-PC ...

2025-01-24

240

在当今复杂多变的商业环境中，企业架构的设计与优化成为了一个关键议题。本文通过一系列随笔，探讨了业务架构的价值、从通用架构到场景架构的转变、恰如其分的架构设计以及如何避免盲目低效等问题。通过对多个实际案例的分析，笔者揭示了架构设计不仅仅是技术问题，更是对企业现状和未来发展的深度理解与把握。本文适合希望深入了解业务架构及其实践意义的读者阅读。价值理解：（业务）架构的价值当我们需要了解一个人时，需要“察其言观其行”，不过也难免“误判”。企业的发展与管理，最重要的还是要了解企业自身，知道在做哪些事情，有哪些能力。如果企业都不知道自身的能力和发展情况，那么管理层就容易“纸上谈兵”、“朝令夕改”，或选择“无为而治”。因为不了解一线情况，就会提出不合时宜、不够长期的个人主张，下面的人也会“晕头转向”，企业长期也可能“原地踏步”。企业黑盒：盲目，低效业务架构其实是为了“塑造一面镜子”，让企业看清自己。下面是本人之前梳理的一个整体逻辑图。从顶层的商业模式，到中间的业务能力、业务流程，再到具体的系统实现与资源消耗，是一个抽象层面的认知结构。业务架构大图说白了，我们需要一个能够承上启下的模型，...

2025-01-17

158

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。