摘要

内部员工透露，OpenAI计划在2025年1月发布“Operator”，并且会为开发人员提供API接口，以便他们能够集成和使用这项技术。

OpenAI正在进行几个与智能体相关的研究项目，其中最接近完成的是一个在网络浏览器中执行任务的通用工具。

OpenAI的这一计划是整个行业向智能体推进的一部分，微软、谷歌和Anthropic等公司也相继发布了功能强大的AI Agent产品。

Anthropic发布的“Computer Use”颠覆了传统的AI交互方式，允许开发者通过API让Claude像人类一样使用计算机，执行如搜索网页信息、填写电子表格数据、打开软件进行操作等任务，并且能够自动执行相应的计算机操作。

彭博今天消息，OpenAI 正准备推出一款代号为“Operator”的全新AI Agent产品，可以自动执行各种复杂操作，包括编写代码、预订旅行、自动电商购物等。

根据内部员工爆料，OpenAI领导层预计将在2025年1月发布该产品，同时会为开发人员开放API接口。

彭博表示，OpenAI一直在进行几个与智能体相关的研究项目。其中一位人士表示，最接近完成的将是一个在网络浏览器中执行任务的通用工具。

OpenAI这一计划的发布，是整个行业向智能体推进的一部分。最近微软、谷歌、Anthropic都相继发布了功能强大的AI Agent。

尤其是Anthropic发布的“Computer Use”直接颠覆了人机交互，通过API开发者可以让 Claude 像人类一样使用计算机控制鼠标、键盘，包括查看屏幕、移动光标、点击按钮和输入文本等操作。

例如，用户可以让 Claude 去搜索网页上的信息、在电子表格中填写数据；或者打开软件进行特定的操作；也能协助开发人员执行重复性任务、测试代码等，整个流程Claude 会根据指令自动执行相应的操作。

目前，Computer use主要依靠API来驱动自动化指令，当开发者通过API向Claude 发送指令时，Claude会运用其自然语言处理能力解析指令。其内部语言模型会对指令文本进行词法、句法和语义分析，例如，对于 “使用计算机中的数据填写在线表格” 这样的指令，Claude 会识别出关键动作是填写表格以及数据来源是计算机中的数据。

这一过程类似它在处理文本生成任务时对语义的理解，只是此时语义重点在于计算机操作。会基于预训练过程中学到的语言模式和知识，将指令意图映射到对应的计算机操作概念上，预训练的知识包括常见的计算机操作术语、软件功能描述等，以便准确把握开发者希望它执行的操作。

而OpenAI在明年发布的“Operator”很可能会在Computer use的基础之上进行大幅度创新和应用简化，扩大AI Agent的使用范围和应用场景。