OpenAI发布了一个AI agent，名字为Operator。目前仅开放给ChatGPT的Pro用户

先做个广告：如需代注册ChatGPT或充值 GPT4.0会员（plus），请添加站长微信：gptchongzhi

OpenAI发布了一个AI agent，名字为Operator。目前仅开放给ChatGPT的Pro用户。Operator可以自主浏览网页并执行相关任务。（AI Agent：人工智能的下一个风口，2025年将迎来爆发）

推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top

奥特曼和他的团队介绍了Operator，并通过预定餐厅、购买生活用品、订票、找清洁工、订披萨等示例对Operator的功能进行了演示，此外还介绍了背后强大的CUA原理以及其安全控制。以下为作者添加了中英文字幕的demo视频，视频时长约23分钟：

以下为Operator官网介绍内容的AI译文：

今天我们发布了Operator，这是一个可以上网为您执行任务的代理。它使用自己的浏览器查看网页，并通过输入、点击和滚动与网页进行交互。目前它处于研究预览阶段，这意味着它有一些局限性，并将根据用户反馈进行改进。Operator是我们首批agent之一，这些agent是能够独立为您工作的AI——您给它一个任务，它就会执行。

Operator可以处理各种重复性的浏览器任务，例如填写表格、订购杂货，甚至创建表情包。使用人类日常交互的相同界面和工具的能力，扩大了AI的实用性，帮助人们在日常任务中节省时间，同时为企业开辟了新的参与机会。

为了确保安全和逐步推出，我们从小的范围开始。从今天开始，Operator在美国的Pro用户可以在operator.chatgpt.com上使用。这个研究预览使我们能够从用户和更广泛的生态系统中学习，逐步完善和改进。我们的计划是扩展到Plus、Team和Enterprise用户，并在未来将这些功能集成到ChatGPT中。

Operator如何工作

Operator由一种名为计算机使用代理（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实现的高级推理能力，经过训练可以与图形用户界面（GUI）进行交互——这些界面是人们在屏幕上看到的按钮、菜单和文本字段。

Operator可以通过截图“看到”并通过鼠标和键盘允许的所有操作与浏览器“交互”，从而使其能够在不需要自定义API集成的情况下在网络上采取行动。

如果遇到挑战或犯错误，Operator可以利用其推理能力进行自我纠正。当它遇到困难需要帮助时，它会简单地将控制权交还给用户，确保流畅和协作的体验。

虽然CUA仍处于早期阶段并有一些局限性，但它在WebArena和WebVoyager这两个关键的浏览器使用基准测试中设定了新的最先进标准。在我们的研究博客文章中了解更多关于评估和Operator背后的研究。

如何使用

要开始使用，只需描述您想要完成的任务，Operator可以处理其余的事情。用户可以随时选择接管远程浏览器的控制权，Operator经过训练，会在需要登录、支付详细信息或解决验证码时主动要求用户接管。

用户可以通过添加自定义指令来个性化他们在Operator中的工作流程，这些指令可以适用于所有网站或特定网站，例如在Booking.com上设置航空公司偏好。Operator允许用户在主页上保存提示以便快速访问，非常适合重复任务，如在Instacart上补充杂货。类似于在浏览器中使用多个标签页，用户可以通过创建新的对话让Operator同时运行多个任务，例如在Etsy上订购个性化搪瓷杯的同时在Hipcamp上预订露营地。

生态系统与用户

Operator将AI从被动工具转变为数字生态系统中的积极参与者。它将简化用户的任务，并为希望提供创新客户体验和提高转化率的公司带来代理的好处。我们正在与DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber等公司合作，确保Operator在尊重既定规范的同时满足现实世界的需求。除了这些合作，我们还看到了提高某些工作流程的可访问性和效率的巨大潜力，特别是在公共部门应用中。为了进一步探索这些用例，我们正在与Stockton市等组织合作，使注册城市服务和计划变得更加容易。

安全与隐私

- 任务限制： Operator经过训练，会拒绝某些敏感任务，例如银行交易或需要高风险决策的任务，如对工作申请做出决定。

- 监视模式：在特别敏感的网站上，如电子邮件或金融服务，Operator需要对其操作进行密切监督，允许用户直接发现任何潜在的错误。

接下来，我们使在Operator中管理数据隐私变得容易。

- 选择退出训练：在ChatGPT设置中关闭“为所有人改进模型”意味着Operator中的数据也不会用于训练我们的模型。

- 透明的数据管理：用户可以在Operator设置的隐私部分一键删除所有浏览数据并注销所有网站。Operator中的过去对话也可以一键删除。

最后，我们建立了防御机制，以应对可能试图通过隐藏提示、恶意代码或钓鱼尝试误导Operator的敌对网站：

- 谨慎导航：Operator设计用于检测并忽略提示注入。

- 监控：专门的“监控模式”会监视可疑行为，并在出现异常时暂停任务。

- 检测管道：自动和人工审查流程持续识别新威胁并快速更新保障措施。

我们知道不良行为者可能会试图滥用这项技术。这就是为什么我们设计了Operator来拒绝有害请求并阻止不允许的内容。我们的审核系统可以发出警告，甚至在多次违规时撤销访问权限，并且我们集成了额外的审查流程以检测和处理滥用行为。我们还提供了有关如何遵守我们的使用政策与Operator互动的指导。

虽然Operator设计了这些保障措施，但没有系统是完美的，这仍然是一个研究预览；我们致力于通过现实世界的反馈和严格测试进行持续改进。有关我们的方法的更多信息，请访问Operator研究博客的安全部分。