Opera 預覽 Browser Operator：AI 智慧體直接在瀏覽器幫你跑腿

如果讓你把買襪子、訂門票、在網頁上搜集資料填表這些雜事外包出去，你會交給誰？以往的 AI 智慧體，要麼是在雲端開個虛擬機器模擬點選，要麼是卡頓地截圖看畫面。

Opera 拿出了一個新思路：在自家的 Opera 瀏覽器裡直接塞進一個 AI 代理，名字叫 Browser Operator。

目前這個功能還在 Feature Preview 階段。它最不一樣的地方在於，它不再把 AI 當成掛在側邊的聊天框，而是直接把 AI 變成了能替你操作網頁的替身。

不看螢幕截圖，直接讀網頁骨架

市面上不少能幫你點網頁的 AI，做法很笨重：每點一下就截個圖，傳到雲端大模型做影像識別，再計算座標移動虛擬滑鼠。不僅慢，還經常因為彈窗或沒滾到底漏掉資訊。

Opera 做了幾十年瀏覽器，它顯然很清楚網頁是怎麼構成的。Browser Operator 完全拋棄了截圖和錄屏機制，它在你的本地裝置上執行，直接去讀網頁底層的 DOM 樹和佈局資料。

換句話說，AI 看到的是網頁的文本骨架，而不是螢幕畫素。

這樣做的好處非常明顯。大部分網頁它一眼就能把整頁資料掃完，根本不需要一頁頁往下滾；遇到那些煩人的 Cookie 授權彈窗，AI 甚至能直接繞過視覺遮擋，操作背後你看不到的程式碼元素，處理速度比雲端方案快得多。

更關鍵的是隱私。你已有的登入狀態、本地 Cookie 和瀏覽歷史，全都留在你自己的電腦裡，不用把密碼和憑據傳給第三方伺服器。

掏錢包的時候，它會主動退後一步

讓 AI 幫你幹活，最怕的是它自作主張把錢給花了。Opera 在互動里加了一道硬規則：敏感操作必須有人在場。

你可以在側邊欄或者命令列給它下指令，比如買某一雙襪子。它會自己去搜索、加入購物車。但只要碰到要填寫銀行卡號、輸入密碼或者最後點付款確認，AI 就會立刻停下來，提醒你接管。

在你接管並輸入敏感資訊的這段時間裡，AI 既不會記錄你的按鍵，也不會把輸入內容傳給伺服器。等你輸完密碼，點一下「繼續」，它才會重新啟動。

如果你中途反悔了，隨時可以按取消鍵；要是買錯了款式，還能在完成後直接對它說「幫我把剛才的訂單取消」，它依然能認出上下文。

為什麼重要

這給苦於「AI 幻覺」和「操作卡頓」的瀏覽器助手指了一條非常聰明的路。

以往很多人試過讓 Claude 或其他桌面代理幫自己訂票，往往要盯著用畫素點選的笨拙過程，等得比自己動手還累。Opera 選擇在本地直接利用 DOM 樹，既避開了高昂的視覺多模態推理成本，又解決了使用者最擔心的賬號憑據洩露問題。在我們看來，這種揚長避短的做法比硬拼通用視覺智慧體現實得多。

對普通人來說，這代表著日常最繁瑣的網頁重複勞動終於有了落地的可能。比如跨網站比價訂票、把網頁名單提取進表格，你都不用親自重複點幾十次滑鼠。

但問題也在於此：它高度依賴網頁結構的規整程度。現在的現代網頁充斥著各種反爬蟲指令碼、複雜的動態前端框架和形形色色的人機驗證，光靠解析 DOM 樹能否應付那些把按鈕藏得極深的網站，還要打個問號。至少就目前而言，它最適合的是結構相對標準的主流電商和工具網站。未來正式推送後，它值不值得你把日常瀏覽器換成 Opera，就看它應對複雜頁面的穩定性了。