OpenAI的ChatGPT代理是一个创新的AI助手，旨在作为个人助手，能够完成各种任务，如点咖啡、购买房屋，甚至构建和部署应用程序。最近，OpenAI发布了这个AI代理的开放预览，它能够积极与数字世界和网站互动，代表用户执行任务。
ChatGPT代理，也称为计算机使用代理（CUA），建立在ChatGPT-4的先进能力之上，并增强了视觉能力。该模型专门训练用于与网页元素（如按钮、菜单和表单）互动，并能够通过滚动进行导航。CUA通过处理屏幕上显示的原始像素来操作，并利用虚拟鼠标和键盘在虚拟机内执行任务。
CUA的操作涉及一个三步循环：感知、推理和行动。首先，它捕捉当前屏幕的截图（感知）。接下来，它采用思维链推理过程来确定必要的行动。最后，它执行所需的行动，如点击、滚动或输入。这种简化的方法使用户能够与网络互动，而无需特定的API。
要访问ChatGPT代理，用户必须满足两个要求：位于美国并拥有ChatGPT的专业订阅，费用为200美元。对于在美国以外的用户，使用VPN可以提供访问权限。登录后，用户可以输入类似于常规ChatGPT的提示，并提供示例以指导互动。
代理的一个实际应用是发布Wix Studio网站上的草稿博客。代理启动浏览器会话，导航到Wix登录页面，并提示用户输入凭据。登录后，它高效地找到草稿博客，确认用户的发布意图，并成功发布内容，展示了其处理简单任务的能力。
代理的能力扩展到在无代码网站平台上进行更新。例如，当被要求删除导航项时，代理能够通过安全提示并有效地执行请求。然而，它在各个阶段需要用户确认，展示了自动化与用户监督的结合。
虽然代理在基本任务上表现良好，但在更复杂的请求中遇到限制。例如，更改菜单的字体粗细需要细致的调整，而代理在执行时遇到了困难。此外，当被要求寻找适合的GitHub库以转换React项目的markdown文本时，代理通常选择第一个相关项目，而没有考虑其他标准，这需要用户提供更具体的提示。
随着用户继续探索ChatGPT代理的能力，存在许多潜在应用，从寻找可负担的保险到构建研究论文。持续的测试将揭示其能力和限制的全部范围，为该AI代理如何协助各种任务提供有价值的见解。
问：OpenAI的ChatGPT代理是什么？
答：OpenAI的ChatGPT代理是一个AI助手，旨在作为个人助手，能够完成如点咖啡、购买房屋或构建应用程序等任务。
问：ChatGPT代理使用什么技术？
答：ChatGPT代理建立在ChatGPT-4之上，增强了视觉能力，使其能够与网页元素互动并通过滚动进行导航。
问：ChatGPT代理如何工作？
答：代理通过一个三步循环工作：感知（捕捉屏幕截图）、推理（确定行动）和行动（执行点击或输入等任务）。
问：访问ChatGPT代理的要求是什么？
答：用户必须位于美国并拥有ChatGPT的专业订阅，费用为200美元。美国以外的用户可以使用VPN访问。
问：代理可以发布博客吗？
答：是的，代理可以在Wix Studio网站上发布草稿博客，通过导航到登录页面、输入凭据并确认发布。
问：代理可以对网站进行什么样的更新？
答：代理可以在无代码网站平台上进行更新，例如删除导航项，但在各个阶段需要用户确认。
问：ChatGPT代理有哪些限制？
答：代理在复杂请求上表现不佳，例如对字体粗细的细致调整或选择合适的GitHub库，通常需要用户提供更具体的提示。
问：ChatGPT代理的未来应用是什么？
答：潜在应用包括寻找可负担的保险、构建研究论文，持续的测试将揭示其全部能力和限制。
