Operator

当 AI 开始替你“上网”：Operator 到底带来了什么？

在生成式 AI 狂飙突进的几年里，我们习惯了让模型写诗、编程、回答问题，但始终隔着一层屏幕。OpenAI 新推出的 Operator，第一次把 AI 的双手直接放在了浏览器上。它不是简单的网页解析工具，而是一个能够理解界面、点击按钮、填写表单、滚动页面的自主代理。我们花了一周时间深度体验，试图回答一个关键问题：让 AI 像人一样操控网页，到底靠不靠谱？

核心优势：像真人一样“看见”并操作系统

Operator 最根本的突破在于交互范式的改变。传统的自动化脚本依赖固定的元素选择器，网站一改版就会崩溃。Operator 则基于屏幕截图和视觉理解，像人类一样“看”着网页布局进行操作。这意味着它能应对一定程度的界面变化，甚至在遇到弹窗、验证码或意外跳转时主动暂停并请求用户接管。在订餐任务中，我们观察到它能依次打开餐厅页面、浏览菜单、将指定菜品加入购物车，最后停留在支付确认页等待人工核对。整个过程丝滑得不像是机器在操作。

另一个被低估的优势在于云端执行。Operator 在远程浏览器中运行任务，用户可以关闭自己的电脑，任务照样进行。这对需要长时间等待的业务，比如抢票排队、定时下单，有极高的实用价值。此外，它的安全模型设计得比较谨慎，涉及登录、支付等敏感步骤时，会明确要求用户在场操作或确认，避免了自动化工具的常见风险。

适用人群：从效率控到数字弱势群体的跨越

表面上看，Operator 是为那些讨厌重复性网页操作的技术爱好者准备的。但实际体验下来，它的受众远比想象中更广。

• 高频线上事务处理者：经常需要预订机票、酒店、餐厅，或者定期采购办公耗材的人群。Operator 能把多步骤的比价、填写信息、确认订单流程压缩成一句自然语言指令。
• 对网页操作有障碍的用户：老年人或不熟悉复杂网页交互的人，往往被层层菜单、密集信息劝退。用口语告诉 Operator “帮我在这家医院挂下周二的普通内科号”，技术门槛几乎降为零。
• 小型团队与自由职业者：没有专属 IT 支持，却需要处理大量线上表单、数据抓取、竞品信息收集。Operator 某种程度上扮演了虚拟实习生的角色，成本远低于雇人或者定制开发脚本。

使用体验：不够完美，但方向清晰

在实际测试中，Operator 的表现可以概括为“惊喜与克制并存”。让它购买一张指定日期和时段的高铁票，它能够正确完成车次查询、座位筛选和乘车人选择，但在最终支付环节稳妥地停下等待确认。这种“主动刹车”机制虽然略微拖慢了速度，却让人感到安心。任务执行过程中，右侧会实时显示思考步骤和当前看到的截图，透明度很高。一旦 AI 理解错误，比如把“靠窗座位”错误地对应到按钮上，用户可以随时暂停纠正，纠正后 AI 能迅速从断点继续，不会从头开始。

不过，速度是目前的明显短板。由于每一步操作都基于视觉分析，一个简单的点餐任务可能需要一两分钟，比真人手动操作慢不少。此外，对于高度定制化、使用大量非标准交互组件的网站，Operator 偶尔会陷入迷茫，不断尝试却无法推进。但考虑到这仍是早期版本，这些问题都在可接受范围内。真正重要的是，它验证了“通用网页操作代理”这条路走得通。

总体而言，Operator 并不试图立刻取代人类，而是精准地接住了那些我们不想做、懒得做、或者没时间做的网页杂务。当浏览器里的 AI 开始帮你排队、填表、比价，人机关系的新一页可能已经悄然翻开了。