新智元报道
编辑：泽正 英智
【新智元导读】今天发布的Operator无疑是AI圈最大的亮点，本文为大家带来了关于Operator的全面评测。这款AI智能体能够自动处理一系列任务，像是演唱会购票、家政服务预订、AI新闻查找等。
演唱会抢票终于不用自己蹲守了，公司订餐也可以直接「无脑托管」，这就是OpenAI今天发布的Operator。
顾名思义，Operator就是能帮你端到端处理任务的AI智能体。
比较有趣的是，OpenAI针对Operator新开了一个网页operator.chatgpt.com，而不是像之前发布的功能都直接统一内置在ChatGPT中。
Operator的页面与ChatGPT大致相似，只是输入框的提示词从「我能帮您什么吗？」变为了「我能帮您做什么吗？」
显然Operator多了个「做」字，而就是这一字之差，便已揭示了两者的本质性区别。
Operator深度测评
这里展示了一些Operator在OpenAI的合作伙伴网站上能为您执行的推荐任务。比如，不用半小时就能用鸡肉做好的晚餐食谱。
当前，Operator的功能还比较有限，但我们相信它会快速优化。不妨想想，你每天在电脑上做的那些重复任务，说不定一年之后，大部分都不用你亲自动手了。
先来看看Operator能做哪些事情，并且到底做得怎么样吧！
购票
提示：帮我找两张Jamie XX在洛杉矶举行的下一场演出的门票。
结果：
- 调用指定合作伙伴Stubhub，成功获取相关门票。
- 未选定合作伙伴时，因无法浏览被阻止的网站，未成功。
提示：找出Jamie xx的演出安排以及每场演出的门票价格。
结果：
- 调用指定合作伙伴Stubhub，失败。过程中出现虚假信息，在多次提示后，最终取得成功。
AI新闻
提示：AI领域的最新消息是什么？
结果：
- 调用指定合作伙伴Axios，表现尚可，返回了一篇简短的新闻摘要。
预订Uber
提示：现在从这里到机场的UberX多少钱？
结果：
- 使用指定合作伙伴Uber，操作成功。
- Operator提出合理的问题，询问「请提供接客地点，以便我为您查找从接客地点到机场的UberX费用。」以及「请指定您的目的地机场。」
- 登录后，Operator给出答案：「从南加州大学到洛杉矶国际机场的UberX当前票价为43.47美元。您是否希望预订此行程？」
房屋清洁
提示：我需要一名家政清洁员明天来我家做一次性清洁。
结果：
- 调用指定合作伙伴Thumbtack，失败。
- 未询问我的具体位置，就推荐了一名位于弗吉尼亚的清洁员，可能是因为浏览器所在的数据中心位于该地。
Spotify Wrapped
提示：我想了解Spotify Wrapped成功的原因。（Spotify Wrapped是音乐流媒体平台Spotify推出的年度回顾功能。）
结果：
- 采用简单提示时，失败。系统卡在循环中，表现不佳，且研究资料有限。
- 采用复杂提示时，结果尚可。需要多次提示，报告质量不高。在提供了如何进行高级搜索的提示后完成了任务。期间3次请求获取2024年的信息均被拒绝。
看完上述演示，也自然引发了一个问题：
「我们能够随时介入Operator的操作并做出符合自己偏好的更改吗？」
答案是：完全可以！
事实上，在任何时候，你都可以控制其远程浏览器并引导操作，比如输入用户名和密码。并且如果你给出自己要求后，它还会保存重要的账户信息，这样，只要你登录一次，它就能在你的账户内自行操作，而无需再次打扰你。
最后，Operator将在结账页面停止继续操作，返回支付请求后，再获取您的付款详情：
目前Operator支持自动完成通常需要15-20分钟内的网络任务。
值得一提的是，Operator还拥有能够极大提高用户体验的「保存和共享功能」。也就是说，一旦完成任务，Operator就可以轻松保存工作流程。比如持续用最新的销售数据来更新相应的报表。它甚至提供了一个流畅的会话记录视频，支持用户观看并与其他人分享。
换句话说，Operator就像是一个可以不断和你磨合，且可以持续进步，还能24小时不停按照既定流程为你工作的私人管家一样。
但是，由于Operator才刚刚发布，所以还是有一定的缺陷。
Operator的缺陷
正如道德经所说，「有无相生，难易相成」。Operator自身的缺陷亦是源于它的优势本身。
它的独特之处在于不用使用用户本地的浏览器执行操作，而是OpenAI数据中心之一的一个浏览器，用户可以远程观看并与之互动。这种设计的优点是你可以在任何地方、任何时候使用它——例如，在任意移动设备上。
但缺点是许多像Reddit这样的网站已经阻止AI智能体浏览，因此它们无法被Operator访问。并且Operator也因性能或法律原因被OpenAI阻止访问某些资源密集型网站，如Figma或YouTube。
简单来讲，目前的Operator就像是被隔离在玻璃门外的人一样，对于许多东西都是「看得见却摸不着」。
像是一个外包乙方，而不是研究助理
目前的Operator实际上更像是一个能够完成你给外包出去业务的乙方，而不是一个足够聪明的个人研究助理。
例如，可以让Operator阅读《战争与和平》的第一章，并总结每个角色的所有细节以及他们所展现的人类心理和行为。然后，Operator在Project Gutenberg网站上找到了《战争与和平》并阅读了第一章，做得非常出色。
但是其摘要却枯燥乏味且粗糙宽泛：
在上述摘要中，它做出了正确的观察：「角色意识到他们的社会地位，有些人，比如安娜・帕夫洛夫娜，小心翼翼地互动以保持礼仪」。但是这个摘要也有一种SparkNotes的味道，也就是不够详细，还无法真正理解故事情节。
如果提供相同的信息，OpenAI的o1在这项任务上会做得更好——但是o1还没有自主执行任务的能力。也就是说，OpenAI专注于让Operator非常适合自动执行重复性工作流程，而不太关注其智能水平。
它确实自主，但提示很重要
关于 Operator，最令人印象深刻的一点是，它只需极少的提示就能独自完成冗长的任务。例如，我们让它执行一项耗时20多分钟的任务：我们请它帮我们了解Spotify年度总结（Spotify Wrapped）功能这些年是如何演变的。
「它最初是什么样的？」
「现在又新增了哪些内容？」
它时不时需要一些提示才能继续推进任务，但最终也成功实现了任务目标。
不可置否的是，与12个月甚至6个月前的智能体相比，这是一个重大进步，毕竟那时的智能体往往在短短几秒钟后就会偏离正轨。
话虽如此，用户对Operator的提示方式仍然很关键。如果你向它提供更多关于如何完成任务的细节，它成功完成你交给它的任务的几率就会更高。
例如，在我们关于Spotify年度总结的例子中，我们要求它收集并总结不同年份的搜索结果数据。它一开始失败了，因为它不知道如何按年份筛选搜索数据。但当我们告诉它使用谷歌的高级搜索工具（该工具提供逐年筛选搜索功能）时，它就成功完成了任务。
OpenAI：一切以消费者为中心
当前，Operator仅是一个研究预览，而非成熟产品。但这个预览版意义重大，要知道就连ChatGPT最初也是以研究预览的形式问世的。
OpenAI正重拾曾经大获成功的策略：即使产品还有很多不完善的地方，也要尽早发布，并持续频繁迭代。
因此OpenAI不仅推出API，还发布了面向消费者的产品。
这一举措与竞争对手Anthropic的做法有所不同。Anthropic虽然也有一款自主智能体Claude Computer use，但其仅以API的形式发布，因此应用范围相当有限。
OpenAI从ChatGPT中学到一点，AI的发布形式对其推广的影响，丝毫不亚于底层技术。
因此，他们将首款自主智能体产品，以面向消费者的方式发布，即使这个产品还存在不少缺陷。
总的来说，尽管Operator目前功能有限，但可以预计它会迅速改进。对于广大用户来讲，现在是时候梳理一下你每天在电脑上做的重复性任务了，也许一年后你就无需再做其中的大部分工作。
参考资料：
https://every.to/chain-of-thought/we-tried-openai-s-new-agent-here-s-what-we-found
