使用场景

通过 Operator，CUA 可以帮助用户在网页上完成复杂的多步骤任务，如搜索信息、填写表单和预订服务。

CUA 能够在不同的操作系统和网页环境中导航，无需依赖特定的 API，展现了强大的通用性。

在教育领域，CUA 可以帮助学生和教师快速获取和整理在线学习资源。

产品特色

通过视觉感知屏幕内容并使用虚拟鼠标和键盘完成操作。

能够处理多步骤任务，自动处理错误并适应意外变化。

支持用户指令的迭代处理，结合感知、推理和行动。

在执行敏感操作（如输入登录信息或处理验证码）时会要求用户确认。

在多个基准测试中取得领先性能，如 WebArena 和 WebVoyager。

使用教程

1. 访问 https://operator.chatgpt.com 并登录 Pro 账户。

2. 在 Operator 中输入需要执行的任务指令。

3. CUA 将自动解析指令，并通过视觉感知界面开始执行任务。

4. 在执行过程中，CUA 会根据需要与用户交互，确认敏感操作。

5. 任务完成后，CUA 会提供执行结果或进一步的交互选项。