OpenAI 推出 Operator：能自己操控浏览器干活的 AI 智能体

把订机票、买生鲜、甚至抢票的繁琐流程全扔给 AI，让它替你开浏览器点鼠标，这件事终于变成了现实。

OpenAI 正式发布了名为 Operator 的智能体研究预览版。它面向美国 Pro 用户开放，运行在独立的网页端。它的核心逻辑非常直接：不需要网站提供定制 API，AI 自己打开浏览器，像真人一样截图看网页、敲键盘、滑动滚轮、点击按钮来完成任务。

像真人一样看屏幕、点鼠标

支撑 Operator 运作的是一个名为 CUA（Computer-Using Agent）的新模型。OpenAI 将 GPT-4o 的视觉识别能力与强化学习推理结合在一起，专门训练它理解图形用户界面的各种按钮、输入框与菜单。

因为是靠视觉截图和模拟键鼠操作，Operator 理论上能直接操作任何人类可访问的网页。遇到卡壳或操作失误时，它会尝试利用推理能力自我纠错；一旦彻底卡住，就会立刻交还控制权给用户。在 WebArena 和 WebVoyager 两项关键的浏览器操作基准测试中，CUA 拿下了业内最佳成绩。

使用方式也很直观。用户只需输入一句话需求，Operator 就会在远程浏览器中干活。它支持多任务并发，用户可以同时开几个标签页，让它一边在 Etsy 上订购定制马克杯，一边在 Hipcamp 上预订营地。

你还可以为它保存常用指令，或者为特定网站配置个性化规则，比如在 Booking.com 查找行程时锁定偏好的航空公司。

把好安全门：密码和付款仍需人工接管

让 AI 替人上网，最大的风险在于资金与账户安全。OpenAI 为 Operator 设定了三道防线。

首先是接管模式。一旦流程涉及登录账号、输入密码、填写信用卡信息或破解验证码，Operator 会强制提示用户接管浏览器。在此期间，系统承诺不记录输入内容也不截图。

其次是任务红线。在点击最终付款或发送邮件前，它必须获得用户明确确认。同时，它会主动拒绝处理银行业务或求职决策等高风险场景。

最后是防范网页恶意攻击。针对可能存在的隐藏提示词注入或钓鱼陷阱，OpenAI 配备了专门的监控模型，实时叫停异常操作。用户也可以一键清除所有浏览记录并退出全部网站登录。

目前 Operator 仍处于早期阶段，OpenAI 坦言它在面对幻灯片制作或日历排程等复杂界面时依然吃力。后续 OpenAI 计划将底层的 CUA 模型通过 API 开放给开发者，并逐步向 Plus、Team 等更多层级用户推送。

为什么重要

我们认为，Operator 是生成式 AI 从单纯输出图文的顾问，转向直接替人干活的执行者的重要转折点。过去 AI 只能给你列出旅游攻略，最后订票还得你自己填几十项表单；现在操作链条被直接打通，日常那些枯燥的重复性网络流程有了被全面托管的可能。

对普通用户而言，虽然现在仅限美国 Pro 用户使用且门槛不低，但这种代劳买菜、订票的交互形态非常吸引人。不过，在它能完全稳定处理复杂界面之前，尝鲜的意义仍大于全面依赖。

在行业层面，OpenAI 选择以视觉和模拟键鼠切入，是一步非常聪明的实用主义走法。它绕过了漫长而艰难的跨平台 API 对接，只要有网页就能直接跑。这会直接倒逼其他 AI 厂商加速跟进操作级智能体，未来的应用流量入口很可能会被重构。

但这种模式的隐患也很明显。网页前端结构只要稍有改动，或遭遇复杂的防爬校验，模型的判断就可能出错。更关键的是，把核心资产的安全赌在用户的眼睛和最终那次确认点击上，一旦用户产生操作疲劳顺手点了确认，潜在损失依然难以避免。在便利与安全之间，这套方案看起来依然是一个小心翼翼的折中产物。