Opera 预览 Browser Operator：AI 智能体直接在浏览器帮你跑腿

如果让你把买袜子、订门票、在网页上搜集数据填表这些杂事外包出去，你会交给谁？以往的 AI 智能体，要么是在云端开个虚拟机模拟点击，要么是卡顿地截屏看画面。

Opera 拿出了一个新思路：在自家的 Opera 浏览器里直接塞进一个 AI 代理，名字叫 Browser Operator。

目前这个功能还在 Feature Preview 阶段。它最不一样的地方在于，它不再把 AI 当成挂在侧边的聊天框，而是直接把 AI 变成了能替你操作网页的替身。

不看屏幕截图，直接读网页骨架

市面上不少能帮你点网页的 AI，做法很笨重：每点一下就截个图，传到云端大模型做图像识别，再计算坐标移动虚拟鼠标。不仅慢，还经常因为弹窗或没滚到底漏掉信息。

Opera 做了几十年浏览器，它显然很清楚网页是怎么构成的。Browser Operator 完全抛弃了截图和录屏机制，它在你的本地设备上运行，直接去读网页底层的 DOM 树和布局数据。

换句话说，AI 看到的是网页的文本骨架，而不是屏幕像素。

这样做的好处非常明显。大部分网页它一眼就能把整页数据扫完，根本不需要一页页往下滚；遇到那些烦人的 Cookie 授权弹窗，AI 甚至能直接绕过视觉遮挡，操作背后你看不到的代码元素，处理速度比云端方案快得多。

更关键的是隐私。你已有的登录状态、本地 Cookie 和浏览历史，全都留在你自己的电脑里，不用把密码和凭据传给第三方服务器。

掏钱包的时候，它会主动退后一步

让 AI 帮你干活，最怕的是它自作主张把钱给花了。Opera 在交互里加了一道硬规则：敏感操作必须有人在场。

你可以在侧边栏或者命令行给它下指令，比如买某一双袜子。它会自己去搜索、加入购物车。但只要碰到要填写银行卡号、输入密码或者最后点付款确认，AI 就会立刻停下来，提醒你接管。

在你接管并输入敏感信息的这段时间里，AI 既不会记录你的按键，也不会把输入内容传给服务器。等你输完密码，点一下「继续」，它才会重新启动。

如果你中途反悔了，随时可以按取消键；要是买错了款式，还能在完成后直接对它说「帮我把刚才的订单取消」，它依然能认出上下文。

为什么重要

这给苦于「AI 幻觉」和「操作卡顿」的浏览器助手指了一条非常聪明的路。

以往很多人试过让 Claude 或其他桌面代理帮自己订票，往往要盯着用像素点击的笨拙过程，等得比自己动手还累。Opera 选择在本地直接利用 DOM 树，既避开了高昂的视觉多模态推理成本，又解决了用户最担心的账号凭据泄露问题。在我们看来，这种扬长避短的做法比硬拼通用视觉智能体现实得多。

对普通人来说，这代表着日常最繁琐的网页重复劳动终于有了落地的可能。比如跨网站比价订票、把网页名单提取进表格，你都不用亲自重复点几十次鼠标。

但问题也在于此：它高度依赖网页结构的规整程度。现在的现代网页充斥着各种反爬虫脚本、复杂的动态前端框架和形形色色的人机验证，光靠解析 DOM 树能否应付那些把按钮藏得极深的网站，还要打个问号。至少就目前而言，它最适合的是结构相对标准的主流电商和工具网站。未来正式推送后，它值不值得你把日常浏览器换成 Opera，就看它应对复杂页面的稳定性了。