gpt老师的新能力初探：浏览器交互

早上正打算向gpt老师请教一下不懂的知识，突然他告诉我现在可以用代理模式帮我操作浏览器了，抱着想看看他能做到哪一步的心态，我尝试了以下三个案例。

案例

1. 骑行路线规划

这一条来自于他给出的示例：标记某某地附近的餐厅。我稍微修改了一下，给他提出了规划骑行路线的需求。

可以看到，此时他认为信息量还不足，向我进行了追问，于是我给他拟定了一个地点，并告诉他起点终点一致，并且全长要在10-20km左右。在这次回复后，他在聊天界面打开了一个浏览器框并开始操作。

可以看到，gpt老师开始用他的鼠标在浏览器里点点了，并且会把当前思考的内容显示在鼠标旁边，经过一番操作后，最终得到了以下结果：

2. 博客站评论

在初次尝试成功后，我决定来尝试点他示例里没有的，于是我提出了如下需求：帮我在这个网站里留下一个评论，让我体验一下请ai水军的感觉

运行结果：

可以看到gpt老师操作的是相当轻松，无论是刚进入网站时向下滑动网站才能看到文章，还是打开文章后需要滑到底才能看到评论框，这些都没用丝毫的难度。

3.在需要登录的博客站里发表评论

基于上面两个任务gpt老师都轻而易举完成的原因，我决定给他上点强度。在征求了朋友意见后，我请求gpt老师给他的网站也留下一句评论。这个任务与在现在这个网站留言有一个很明显的区别：别人的网站里要留言的话需要经过注册登录的流程才能留言，这无疑增大了gpt老师的操作难度。

一开始，gpt老师和刚才一样，首先通过本网站的友链精确找到了朋友的网站，然后直奔评论区而去，然而，在写了评论点击提交后，网页弹出了请先登录的提示框，此时gpt老师开始懵逼了，开始在各个文章之间反复切换，试图找到一个可以进行留言的页面。这里开始显然就出问题了，因为网站是明确提示了需要登录的，按照我们正常人的思路，应该是去想办法搞到一个账号然后登录注册留言一条龙，因为这个路径的错误，gpt老师在这里反反复复卡了11分钟。

这时我已经看不下去了，给了一个提示，此时的提示是在gpt老师操作的过程中给出的，也就是说在整个过程中，我可以随时向gpt老师补充信息。可以看到，在提示了该网站需要注册后，gpt老师仿佛顿悟了，不一下就顺利找到注册界面，非常流畅的给自己注册了个账号并登录，随后重新前往评论页面留下了自己的评论。

总结

从上面三个任务可以看出来，gpt老师还是具备很强大的浏览器交互能力了，尤其是在相关提示信息到位的情况下，几乎能顺利执行一整个流程，此外，在上面的案例中有一点没有提到，在这个操作流程中，用户是可以去干预gpt老师与浏览器的交互的，也就是说，在不担心信息隐私的情况下，用户甚至可以登录自己的一些账号去网页中执行操作，可以说，如今的ai几乎得到了在互联网中自由行动的能力。

正文以外的内容：

本来还打算写写我对这个能力的一些看法，但是我发现我很难给出一个经得起推敲的观点，因此我暂时放弃了这一段的编写，鉴于如今ai的发展速度，或许在不远的未来，我能从现实中印证或推翻如今的想法。