介绍 Operator

# 介绍 Operator 来源：https://openai.com/index/introducing-operator/ 一个可以使用自己浏览器为你执行任务的代理研究预览版。现已向美国Pro用户开放。 ***2025年7月17日更新**：Operator 现已完全集成到 ChatGPT 中作为 ChatGPT 代理。要访问这些更新的功能，只需从编辑器中的下拉菜单选择"代理模式"，然后直接在 ChatGPT 中输入你的查询。因此，独立的 Operator 网站（operator.chatgpt.com）将在未来几周内停用。* --- 今天我们发布了 Operator（https://operator.chatgpt.com/），一个可以去网络上为你执行任务的代理。使用其自己的浏览器，它可以查看网页并通过输入、点击和滚动与之交互。**它目前是研究预览版**，这意味着它有一些限制，将根据用户反馈进行演进。Operator 是我们首批代理之一，这些代理是能够独立为你工作的 AI——你给它一个任务，它就会执行。 Operator 可以处理各种重复性浏览器任务，如填写表单、订购杂货，甚至创建表情包。使用与人类日常交互的相同界面和工具的能力扩展了 AI 的实用性，帮助人们在日常任务上节省时间，同时为企业开启了新的参与机会。 为了确保安全和迭代式的推出，我们正在小范围开始。从今天开始，Operator 向美国的 Pro（https://openai.com/chatgpt/pricing/) 用户开放，网址为 operator.chatgpt.com（https://operator.chatgpt.com/）。这个研究预览版允许我们从用户和更广泛的生态系统中学习，不断完善和改进。我们的计划是在未来扩展到 Plus、Team 和 Enterprise 用户，并将这些功能集成到 ChatGPT 中。 Operator 由一个名为 Computer-Using Agent（CUA）（https://openai.com/index/computer-using-agent/) 的新模型提供支持。结合 GPT-4o 的视觉能力和通过强化学习的高级推理，CUA 经过训练可以与图形用户界面（GUI）交互——即人们在屏幕上看到的按钮、菜单和文本字段。 Operator 可以"看到"（通过截图）并"交互"（使用鼠标和键盘允许的所有操作）浏览器，使其能够在网上采取行动，而无需定制 API 集成。 如果它遇到困难或犯了错误，Operator 可以利用其推理能力进行自我纠正。当它陷入困境需要帮助时，它只是将控制权交回给用户，确保顺畅的协作体验。 虽然 CUA 仍处于早期阶段并有一些限制，但它在 WebArena 和 WebVoyager 这两个关键浏览器使用基准测试中取得了最先进的结果。有关评估和 Operator 背后研究的更多信息，请参阅我们的研究博客文章（https://openai.com/index/computer-using-agent/）。 要开始使用，只需描述你想要完成的任务，Operator 就能处理其余的事情。用户可以随时选择接管远程浏览器的控制权，Operator 经过训练可以在需要登录、支付详情的任务中，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说明在 Operator 中个性化他们的工作流程，可以是针对所有网站的，也可以是针对特定网站的，比如在 Booking.com 上设置航空公司偏好。Operator 允许用户保存提示以便在主页上快速访问，非常适合重复任务，如在 Instacart 上补充杂货。类似于在浏览器上使用多个标签，用户可以通过创建新的对话让 Operator 同时运行多个任务，比如在 Etsy 上订购个性化搪瓷杯，同时在 Hipcamp 上预订露营地。 Operator（https://operator.chatgpt.com/) 将 AI 从被动工具转变为数字生态系统中的主动参与者。它将为用户简化任务，为希望获得创新客户体验和更高转化率的公司带来代理的好处。我们与 DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber 等公司合作，以确保 Operator 满足真实世界的需求，同时尊重既定规范。除了这些合作外，我们看到了在改进某些工作流程的可访问性和效率方面的巨大潜力，特别是在公共部门应用中。为了进一步探索这些用例，我们与 Stockton 市（https://www.stocktonca.gov/) 等组织合作，使居民更容易注册城市服务和项目。 > "在研究预览期间了解更多关于 Operator 的信息，我们将更好地能够确定 AI 如何能使我们居民的公民参与变得更加容易。" Jamil Niazi，Stockton 市信息技术总监 通过最初向有限的受众发布 Operator，我们的目标是快速学习并根据现实世界的反馈完善其功能，确保我们在创新和信任安全之间取得平衡。这种协作方法有助于确保 Operator 为用户、创作者、企业和公共部门组织提供有意义的价值。 > "OpenAI 的 Operator 是一项技术突破，使订购杂货这样的流程变得极其简单。" Daniel Danker，Instacart 首席产品官 确保 Operator 可以安全使用是重中之重，有三层保护措施来防止滥用并确保用户始终掌握控制权。 首先，Operator 经过训练以确保使用它的人始终处于控制状态，并在关键点寻求输入。 - **接管模式：** Operator 在用户输入敏感信息到浏览器时要求接管，如登录凭据或支付信息。在接管模式下，Operator 不会收集或截图用户输入的信息。 - **用户确认：** 在完成任何重大操作前，如提交订单或发送电子邮件，Operator 应该寻求批准。 - **任务限制：** Operator 经过训练会拒绝某些敏感任务，如银行交易或需要高风险决策的任务，比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 需要密切监督其操作，允许用户直接发现任何潜在的错误。 其次，我们使得在 Operator 中管理数据隐私变得容易。 - **训练退出：** 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从所有网站退出登录。Operator 中的过去对话也可以一键删除。 最后，我们构建了针对可能通过隐藏提示、恶意代码或网络钓鱼尝试来误导 Operator 的敌对网站的防御措施： - **谨慎导航：** Operator 设计用来检测和忽略提示注入。 - **监控：** 一个专门的"监控模型"监视可疑行为，如果有异常可以暂停任务。 - **检测管道：** 自动化和人工审查流程持续识别新威胁，快速更新保护措施。 我们知道恶意行为者可能会尝试滥用此技术。这就是为什么我们设计 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，甚至撤销重复违反者的访问权限，我们已集成额外的审查流程来检测和解决滥用。我们还提供了关于如何在符合我们使用政策的情况下与 Operator 交互的指导（https://openai.com/policies/using-chatgpt-agent-in-line-with-our-policies/）。 虽然 Operator 是在这些保护措施下设计的，但没有系统是完美的，这仍然是一个研究预览版；我们致力于通过现实世界的反馈和严格的测试进行持续改进。有关我们方法的更多信息，请访问 Operator 研究博客的安全部分（https://openai.com/index/computer-using-agent/）。 Operator 目前处于早期研究预览版，虽然它已经能够处理大范围的任务，但它仍在学习、演进中，可能会犯错误。例如，它目前在处理复杂界面（如创建幻灯片或管理日历）时遇到困难。早期用户反馈将在增强其准确性、可靠性和安全性方面发挥至关重要的作用，帮助我们为所有人改进 Operator。 **API 中的 CUA：** 我们计划很快在 API 中公开驱动 Operator 的模型 CUA（https://openai.com/index/computer-using-agent/），以便开发人员可以使用它来构建自己的计算机使用代理。 **增强功能：** 我们将继续改进 Operator 处理更长和更复杂工作流程的能力。 **更广泛的访问：** 我们计划将 Operator（https://operator.chatgpt.com/) 扩展到 Plus、Team 和 Enterprise 用户，并在我们确信其安全性和大规模可用性后，将其功能直接集成到 ChatGPT 中，解锁无缝的实时和异步任务执行。