%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
简介
Computer-Using Agent (CUA) 是 OpenAI 开发的一种先进的人工智能模型，结合了 GPT-4o 的视觉能力和通过强化学习的高级推理能力。它能够像人类一样与图形用户界面（GUI）交互，无需依赖特定操作系统的 API 或网络接口。CUA 的灵活性使其能够在多种数字环境中执行任务，如填写表单、浏览网页等。这一技术的出现标志着 AI 发展的下一步，为 AI 在日常工具中的应用开辟了新的可能性。CUA 目前处于研究预览阶段，通过 Operator 提供给美国的 Pro 用户使用。
截图
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。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
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。
流量来源
| 直接访问 | 35.34% | 外链引荐 | 46.92% | 邮件 | 0.05% |
| 自然搜索 | 17.37% | 社交媒体 | 0.29% | 展示广告 | 0.03% |
最新流量情况
月访问量
7.01m
平均访问时长
121.26
每次访问页数
2.18
跳出率
59.77%
总流量趋势图
地理流量分布情况
美国
17.26%
印度
9.02%
巴西
6.18%
日本
5.57%
英国
3.62%
地理流量分布全球图
同类开源产品
Propolis
Propoliskey是一款自动化QA工具，利用智能代理模拟真实用户操作，通过探索学习如何使用产品，发现并报告错误和建议。
自动化工作流#智能代理
Magentic UI
Magentic-UI 是一个基于多代理系统的研究原型，允许用户通过透明且可控的界面进行网络浏览和任务自动化。
自动化工作流#人机交互
Overhyped AI
Overhyped AI是一种AI语音代理，旨在提高产品采纳率。
个人助理#AI技术
Goonj
Goonj是一款宝宝哭声分析应用，利用人工智能分析宝宝哭声，并在5秒内准确告诉您宝宝哭泣的原因。
个人助理#健康
Dropflow
Dropflow是一款能够从转发的电子邮件中提取数据并将其发送到Slack、Trello、Google Sheets、Notion或您自己的API的工具。
自动化工作流#自动化
Minimax Agent
MiniMax Agent是一款智能AI伴侣，采用最新的多模态技术。
个人助理#多模态技术
Vetzi.io
Vetzi.io是一款专为兽医诊所设计的自动化文档记录工具，可以帮助兽医诊所节省时间，并提高患者护理的效率。
自动化工作流#兽医
Velin
Velin是一种AI动力集成产品营销环境（IPME），为现代产品团队提供无缝的产品和客户洞察数据合并，创建顺序广告活动和对齐内容的能力。
自动化工作流#AI
ODYSSEA
ODYSSEA是一款旨在帮助用户更好地了解自己生活的应用程序。
个人助理#数据分析
替代品
Magentic UI
Magentic-UI 是一个基于多代理系统的研究原型，允许用户通过透明且可控的界面进行网络浏览和任务自动化。
自动化工作流#人机交互
Agentcpm GUI
AgentCPM-GUI 是一款开源的手机端大型语言模型（LLM）代理，专为操作中英文应用程序而设计，能够根据用户的屏幕截图自动执行任务。
个人助理#智能代理
Suna
Suna 是一个开源的 AI 助手，通过自然对话帮助用户轻松完成研究、数据分析和日常挑战。
个人助理#开源
Social Auto Upload
该项目旨在自动化将视频上传到多种社交媒体平台，包括抖音、小红书、视频号、tiktok、youtube 和 bilibili。
自动化工作流#社交媒体
Nanobrowser
Nanobrowser 是一款开源的 Chrome 扩展工具，旨在通过 AI 技术实现高效的网络自动化操作。
自动化工作流#开源
TEN Agent
国外精选
TEN Agent 是基于 TEN 框架构建的实时对话 AI引擎，为开发者提供快速、高效的工具来构建实时对话式 AI Agent，如AI虚拟客服、AI 口语陪练、AI 情感陪伴、AI 个人助理等。
个人助理#Voice Agent
Automate
autoMate 是一款基于 OmniParser 的 AI+RPA 自动化工具，旨在通过自然语言描述任务，实现复杂自动化流程。
自动化工作流#自动化
Egolife
EgoLife是一个面向长期、多模态、多视角日常生活的AI助手项目。
个人助理#多模态
Mobile Agent E
Mobile-Agent-E 是一款基于大型多模态模型（LMM）的移动助手，旨在帮助用户高效完成复杂的多步骤任务。
个人助理#移动助手
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k