OpenAI 的新 Agent 栈：模型会点按钮以后，瓶颈去了哪里？

导读

Agent 学会操作电脑以后，怎样让长任务更快、更可控地运行？OpenAI 的 Ari Weinstein 和 Nikunj Handa 介绍，Computer Use 不再只靠截图逐步点击：遇到结构化网页可以读取无障碍信息或 DOM，重复操作可写代码批量执行，出错时再调试重试。模型加快后，网页加载和外部工具等待也可能成为瓶颈，异步调用让 Agent 先启动耗时任务，再处理其他部分；用户则可在执行中补充指令。长线程需要缓存、压缩和文件保存状态，避免每次重算整段历史。快速分类可以交给低延迟模型，复杂规划再交给能力更强的模型；付款等高后果操作则应在执行前取得用户同意，并限制可访问的网站和工具，让实际动作与用户授权相符。