前 Meta 工程师推出 Jace：能自主操作浏览器的 AI 智能体

平时让 AI 订张机票或者发个招聘需求，它通常只是列出一堆建议，剩下的点击和填表还得你自己来。

两位前 Meta 工程师想把这部分手动操作彻底省掉。他们创立的初创公司 Zeta Labs 宣布推出 Jace，这是一个能在云端浏览器里替你自主办事的 AI 智能体。

伴随产品亮相的，还有一笔 290 万美元的种子轮融资。投资阵容相当亮眼，由前 GitHub CEO Nat Friedman 和前 Y Combinator AI 负责人 Daniel Gross 领投，ElevenLabs 创始人 Mati Staniszewski 等人也参与了投资。

给聊天机器人装上手和脚

联合创始人 Peter Albert 最早萌生这个想法，是因为八年前做电商时每天都要做大量机械的数据搬运。大语言模型成熟后，他和同在 Meta 的同事 Fryderyk Wiatrowski 联手做了 Jace。

用起来的感觉和普通聊天机器人类似。你在对话框里说清需求，接下来的事情就交给它。如果中途缺信息，它会弹窗找你确认。

比如你想订巴黎某家酒店，Jace 不仅会检索信息，还会直接进入酒店官网一路点到付款页面。官方演示甚至显示，它能独立完成撰写商业计划书、注册公司，并找到第一位付费客户。

在执行过程中，用户可以随时切换界面，亲眼看着它在云端浏览器里一步步点按、滚动和输入。涉及 LinkedIn 账号等第三方登录信息时，系统会像密码管理器一样进行加密保存。

怎么让它不卡在第十步

做过浏览器自动化的开发者都知道，网页 Agent 最容易在操作十步左右时陷入死循环。前端界面的一个小弹窗或验证码，就能让它彻底卡住。

Zeta Labs 拿出的解法是一套双模型架构。上层由顶尖的通用大模型负责理解对话、拆解任务和制定计划；底层则是自研的网页交互模型 AWA-1，专门把指令翻译成点击和输入。

据 Wiatrowski 介绍，AWA-1 基于开源模型开发，团队用大量模拟交互和合成数据，通过 AI 反馈强化学习（RLAIF）进行了针对性微调。

他们还加入了一套包含规划器和验证器的推理架构。每走一步，系统都会回头验证目标是否达成，从而把支持的操作上限拉高到了数百步。团队目前正在研发下一代 AWA-2，准备加强对地图等复杂视觉界面的处理能力。

为什么重要

如果说 ChatGPT 给了 AI 一张能说会道的嘴，像 Jace 这样的 Agent 则是在给它装上手和脚。

对普通用户和运营人员来说，它的价值在于接管那些必须开着浏览器机械重复的苦差事，比如搬运后台数据、跨平台排查库存或搭建 LinkedIn 招聘流程。但我们认为，现在把它完全放手给企业关键业务还为时过早，毕竟涉及真金白银的支付和敏感账号权限，任何一步会错意都可能带来实质损失。

行业层面看，AI 的竞争重心正在从单纯比拼模型参数，快速转向多步骤执行能力。Zeta Labs 的聪明之处在于没有试图用一个大模型包办一切，而是让大模型负责动脑规划，让专门微调的轻量模型负责动手操作，这在延迟和成本上都更合算。

不过隐患也显而易见。现代网站反爬机制严密、前端更新频繁，模拟人类浏览器操作的容错率极低。能否在真实开放的网络环境中长期保持稳定，会是考验它能否真正走出实验室的硬指标。