無需人類插手，AI智能體聯(lián)手AI智能體竟完成了程序開發(fā)。

這簡(jiǎn)直太瘋狂了！

最近，AI開發(fā)者Lamar將OpenAI Operator和Replit Agent配對(duì)后，讓其構(gòu)建應(yīng)用程序。

最不可思議的是，在實(shí)現(xiàn)過程中，僅僅用了5個(gè)提示，兩個(gè)AI智能體竟像人類一樣，互相合作、交換憑證，并開始測(cè)試。

最終，他們?cè)?0分鐘之內(nèi)完成了開發(fā)。

可以看到，左邊OpenAI Operator光速執(zhí)行搜索的同時(shí)，右邊Replit Agent也在快速構(gòu)建代碼。

這個(gè)帖子瞬間在全網(wǎng)爆火，視頻已有140萬瀏覽量。

OpenAI總裁轉(zhuǎn)發(fā)后激動(dòng)表示，「AI智能體互動(dòng)的初體驗(yàn)」。

開源Brower-Use構(gòu)建智能體

無獨(dú)有偶，另一位開發(fā)者Shubham Saboo構(gòu)建了一個(gè)自主3D Python游戲可視化智能體團(tuán)隊(duì)，僅使用了瀏覽器和 DeepSeek R1完成。

這個(gè)團(tuán)隊(duì)由4個(gè)AI智能體組成，它們?cè)跒g覽器中自主合作——編寫、運(yùn)行并可視化游戲。

有網(wǎng)友表示，不知是否有開源模型，能夠做這件事。

開發(fā)者給推薦了一個(gè)Browser Use的項(xiàng)目，這是專為控制AI瀏覽器打造的。

項(xiàng)目地址：https://github.com/browser-use/browser-use

它能夠?qū)崿F(xiàn)，將自己想要的物品加入購物車，然后結(jié)賬。

再比如，讓它閱讀簡(jiǎn)歷并找到機(jī)器學(xué)習(xí)相關(guān)的工作，保存到一個(gè)文件中，然后在新標(biāo)簽頁中開始申請(qǐng)。

或者，讓AI用谷歌郵箱給父親寫一封信，感謝他所做的一切，并將文檔保存為PDF。

又或是查找許可證為cc-by-sa-4.0的模特，并按Hugging Face上的最喜歡排序，將前5名保存到文件中。

快速啟動(dòng)

使用pip（Python>=3.11）：

pip install browser-use

安裝playwright：

playwright install

啟動(dòng)你的智能體：

from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
from dotenv import load_dotenv
load_dotenv()


async def main():
    agent = Agent(
        task="Go to Reddit, search for 'browser-use', click on the first post and return the first comment.",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    result = await agent.run()
    print(result)


asyncio.run(main())

將你想使用的提供商的API密鑰添加到.env文件中。

OPENAI_API_KEY=

使用UI測(cè)試

你可以通過一個(gè)UI倉庫來測(cè)試瀏覽器使用，或者簡(jiǎn)單地運(yùn)行g(shù)radio示例：

uv pip install gradio
python examples/ui/gradio_demo.py

除了Browser Use，另一位網(wǎng)友還推薦了微軟團(tuán)隊(duì)開發(fā)的OmniParser V2的項(xiàng)目，也是利用AI操控屏幕幫人類完成復(fù)雜任務(wù)。

這兩者開發(fā)的主要區(qū)別在于，OmniParser V2是圖形用戶界面自動(dòng)化和屏幕解析，輸入的是UI截圖，輸出的是大模型的結(jié)構(gòu)化數(shù)據(jù)。

而Browser Use主要用在debug和代碼導(dǎo)航，輸入代碼或程序執(zhí)行文本，輸出的是debug觀點(diǎn)和導(dǎo)航。

兩者側(cè)重各有所不同，可依據(jù)實(shí)際使用場(chǎng)景擇優(yōu)選擇。

AI自主開發(fā)，震驚全網(wǎng)

2025年，幾乎所有科技大廠將賭注壓在了智能體之上。

在巴黎AI行動(dòng)峰會(huì)上，圖靈獎(jiǎng)得主Yann LeCun表示，Meta將在明年推出，帶有顯示屏和肌電接口的智能眼鏡。

完全增強(qiáng)現(xiàn)實(shí)眼鏡將在幾年內(nèi)問世，屆時(shí)，我們每個(gè)人都會(huì)管理一支由人類級(jí)智能的AI智能體組成的團(tuán)隊(duì)。

奧特曼在通常會(huì)議中表示，如果AI智能體只需50美分的計(jì)算成本，就能完成5000美元的工作，那么AI帶來的經(jīng)濟(jì)機(jī)會(huì)規(guī)模將是「瓶裝閃電。

學(xué)術(shù)界，也將智能體的研究作為一個(gè)重點(diǎn)。

前段時(shí)間，來自斯坦福團(tuán)隊(duì)研究人員通過多智能體強(qiáng)化學(xué)習(xí)（multi-agent RL），訓(xùn)練LLM掌握戰(zhàn)略性社交推理，結(jié)果發(fā)現(xiàn)，使勝率比標(biāo)準(zhǔn)強(qiáng)化學(xué)習(xí)提升一倍。

論文地址：https://www.alphaxiv.org/abs/2502.06060

1997年：深藍(lán)（Deep Blue）擊敗卡斯帕羅夫（Kasparov）

2016年：AlphaGo精通圍棋

2025年：斯坦福研究人員攻克《Among Us》

另有微軟團(tuán)隊(duì)開源了OmniParser V2，可以將任何大模型轉(zhuǎn)換為能夠使用計(jì)算機(jī)的智能體。

以上demo中，兩個(gè)AI分工協(xié)作的強(qiáng)大能力，讓許多人窺見了另一個(gè)未來。

AI研究員David Shapiro表示，這比人們想象的要重要得多。人類發(fā)現(xiàn)了「分工」這一概念，改變了人類文明。

從來都不會(huì)是一個(gè)智能體單打獨(dú)斗，而是無數(shù)智能體協(xié)作，「分而治之」去搞定任何任務(wù)。

一位教授表示，「這只是未來瘋狂場(chǎng)景的一瞥，成百上千的AI智能體協(xié)作解決極其復(fù)雜的問題，或執(zhí)行通常需要整個(gè)組織的任務(wù)——速度和效率是現(xiàn)在的成千上萬倍」。

AI智能體時(shí)代已經(jīng)到來！