Operator是OpenAI推出的首款AI智能体。能像人类一样操作网页浏览器的AI工具，可以自动完成各种在线任务，如预订餐厅、购买机票、填写表单等。Operator基于Computer-Using Agent（CUA）的新模型驱动，模型结合了GPT-4o的视觉能力和强化学习的高级推理能力。通过屏幕截图“观察”网页，使用虚拟鼠标和键盘进行操作。Operator目前处于研究预览阶段，仅对美国的ChatGPT Pro用户开放。未来，OpenAI计划将其扩展到更多用户群体，并集成到ChatGPT中。
Operator的主要功能
- 自动化任务执行：Operator能自动完成多种在线任务，如预订餐厅、购买机票、在线购物、填写表单等。
- 多任务处理：支持同时运行多个任务，例如在不同网站上预订旅行和购物。
- 个性化设置：用户可以设置偏好（如首选航空公司）并保存常用任务，以便快速执行。
- 自我纠错与推理能力：在遇到问题时，Operator能通过推理自我调整，若无法解决则交还用户控制。
- 安全与隐私保护：在涉及敏感信息（如登录、支付）时，Operator会请求用户接管，拒绝执行高风险任务。
Operator的技术原理
- Computer-Using Agent (CUA)模型：模型结合了GPT-4o的视觉识别能力和通过强化学习获得的高级推理能力。Operator能理解和交互图形用户界面（GUI），像人类用户一样操作网页。
- 感知（Perception）：Operator通过屏幕截图获取当前界面的信息。使用GPT-4o的视觉能力分析截图，识别界面元素如按钮、菜单和文本框。
- 推理（Reasoning）：基于强化学习的推理能力，Operator规划下一步操作。通过“内心独白”机制，评估观察结果、跟踪中间步骤并动态调整。
- 行动（Action）：执行操作，如点击、滚动或键入。在任务完成或需要用户输入时停止操作。
- 视觉能力：Operator通过屏幕截图“看到”网页内容。识别和理解GUI元素，无需依赖特定操作系统或网络API。
- 强化学习：通过强化学习，Operator获得高级推理能力。能自我纠错，当遇到挑战或犯错时，可以基于推理能力进行自我调整。
- 自我纠错与学习：在执行任务过程中，如果出现错误，Operator能检测到问题所在。通过重新尝试或提示用户确认，Operator能纠正错误。
如何使用Operator
- Operator的官方网站： https://operator.chatgpt.com/
