2025 年业界如何看待 OpenAI Operator

OpenAI 的 Operator 研究预览版在 AI 业内引发了强烈反响。它使用浏览器代表用户执行网页任务，人们已经开始尝试实际用途，也发现了一些限制。这次讨论发生在 2025 年 1 月；[OpenAI 后来于 2025 年 7 月将 Operator 的核心功能整合进 ChatGPT agent](https://openai.com/index/introducing-operator/)。

Andrej Karpathy 将数字世界中的浏览器智能体比作物理世界中的人形机器人。我也作过类似类比：浏览器、住宅和工厂都围绕人类设计，因此能够通过熟悉界面工作的系统可能很有用，无须重建每一个环境。

浏览器智能体通过屏幕观察，并使用键盘和鼠标等输入方式行动。对于特定服务，API 可能更直接，但许多日常工作流程没有方便的 API。我认为，操作现有界面可以拓宽智能体能够尝试的任务范围，即使这些交互一开始会很困难。

Karpathy 设想了一种混合自主模式，由人类监督较低层次的自动化。我预计，随着时间推移，智能体会承担更复杂的工作，但人们在委托有重大影响的决策前需要建立信任。他认为移动比特比移动原子便宜得多，这是一种类比，并非经过测量的普遍成本比例。

Karpathy 建议将 2025 至 2035 年看作智能体的十年，而不是假定一年内就能解决所有问题。他设想一个人同时监督多个智能体，并在遇到障碍时介入。我同意，仍有大量工程工作要做。

Nick Dobos 和 OpenAI 的 Greg Brockman 将 Operator 看作更广泛的智能体浪潮之一。我尤其关注并行启动多个任务并检查其进度的可能性，但实际生产力收益取决于任务可靠性和所需的监督程度。

Box 首席执行官 Aaron Levie 认为，浏览器访问可以大幅扩展智能体的用途，因为许多日常网页任务没有 API。他提到的“100 倍”是预测，而非测量结果。我也喜欢 Operator 用于观察工作、回看步骤和向智能体提供更新的界面。

Sunny Madra 认为，如果智能体能在用户自己的浏览器中运行，会更加有用。独立浏览器可能缺少用户熟悉的 Cookie 和登录状态，需要重新进行身份验证，从而带来障碍。浏览器访问也需要谨慎处理敏感信息和权限。

在我自己寻找门票的一次尝试中，Ticketmaster 检测到异常浏览器或网络活动后暂停了会话。这说明存在实际障碍，但仅凭通知无法确定具体触发原因。我推测 OpenAI 选择独立浏览器也能获得更多控制权；我不知道其完整理由。

Operator 不是第一个浏览器智能体。当时介绍的其他项目包括 AI Gradio 浏览器集成，以及可以搭配不同模型的开源 Browser Use 项目。Browserbase 的 Stagehand 是另一个相关开源工具，并不是 OpenAI Operator 的源代码。

Berman 引用了报告中的 WebVoyager 分数：Browser Use 约为 89%，Operator 为 87%。[Browser Use 自己的报告](https://browser-use.com/posts/sota-technical-report)介绍了其评估设置，其中包括修改日期和使用自动评判器。不同评估的分数需要在可比条件下才能比较，不能据此确定普遍的胜者。

一位名为 Pliny 的安全研究人员报告说，他在发布后不久绕过了 Operator 的部分防护措施。这类演示引发了对控制措施可靠性的疑问；报告的例子是针对早期预览版的说法，并不能证明所有防护都已失效，也不能证明其行为至今没有变化。

另一个实验要求 Operator 打开 Operator 本身。网站拒绝了这次尝试。这是一个令人印象深刻的产品边界案例，不过我提出无限嵌套可能成本高昂，只是对设立这一边界原因的推测。

Bojan Tunguz 开玩笑说，智能体可能花半小时完成一个人不到一分钟就能完成的事情。这反映了早期预览版的真实局限：算上导航、等待和监督后，自动化不一定更快。我预计它会进步，但不能保证每项任务都会如此。

Ethan Mollick 观察到智能体搜索和购物的网站似乎有所不同，例如选择 Bing 搜索结果或特定零售商。这些是从个例中得到的观察，并不能证明存在固定偏好。它们给品牌提出一个有趣的问题：如果由智能体决定去哪里找信息，针对其行为进行优化可能会变得有价值。

另一篇帖子以音乐制作人 Rick Rubin 为例，讨论人类的品味与判断。我觉得这一点很有意思：随着工具自动化更多制作环节，选择哪些作品值得发展和推广可能仍然有价值。这是对创作工作的观点，并非已经证明的 AI 能力边界。

Greg Kamradt 推测，浏览网页获得的反馈可以改进未来的智能体，而访问桌面能够将自动化扩展到网页之外。可能从使用中学习，并不能证明 OpenAI 在任何具体案例中实际保留或使用了哪些数据；这些细节取决于其公开政策和设置。

我预测智能体可能重塑软件，让用户在现有数据库之上指挥任务。这是一种愿景，并不能证明业务逻辑或应用程序会消失。从浏览器演示走向可靠的桌面工作流程，除了模型能力，还涉及安全、权限和验证。

Garry Tan 分享了一个旅行规划例子：Operator 浏览航空公司网站，发现返程航班售罄，然后询问是否更改计划。这种交互展示了一个有用的模式：智能体可以把意外限制反馈给用户，而不是默默作出决定。

Olivia Moore 描述说，她向 Operator 提供一张账单图片，让它导航到付款步骤，然后系统询问银行卡信息。这是个人叙述，并非经过验证的支付完成案例。金融操作和敏感信息仍需要用户仔细审查并确认。

另一名用户描述了尝试在 Facebook Marketplace 上为一张健身凳议价并安排送货。其吸引力在于可能一次委托多个步骤，但一篇关于尝试的公开帖子本身，并不能证明整个购买和配送已经成功。

Dan Mac 描述了一个将 Operator、Google AI Studio 和 Replit 连接起来创建作品集网站的实验。Kieran Klaassen 还展示了一个智能体通过隧道测试开发功能。这些例子提示了可能的工作流程，但将智能体连接到开发系统需要注意访问权限和暴露风险。

我对早期反馈的总体印象是积极的，但同时要考虑操作障碍、速度和可靠性。Operator 当时是研究预览版，OpenAI 之外也已经有类似项目。我希望竞争能促使商业和开源项目共同进步。