无需人类插手,AI智能体联手AI智能体竟完成了程序开发。
这简直太疯狂了!
最近,AI开发者Lamar将OpenAI Operator和Replit Agent配对后,让其构建应用程序。
最不可思议的是,在实现过程中,仅仅用了5个提示,两个AI智能体竟像人类一样,互相合作、交换凭证,并开始测试。
最终,他们在90分钟之内完成了开发。
可以看到,左边OpenAI Operator光速执行搜索的同时,右边Replit Agent也在快速构建代码。
无需人类插手,AI智能体联手AI智能体竟完成了程序开发。
这简直太疯狂了!
最近,AI开发者Lamar将OpenAI Operator和Replit Agent配对后,让其构建应用程序。
最不可思议的是,在实现过程中,仅仅用了5个提示,两个AI智能体竟像人类一样,互相合作、交换凭证,并开始测试。
最终,他们在90分钟之内完成了开发。
添加图片注释,不超过 140 字(可选)
可以看到,左边OpenAI Operator光速执行搜索的同时,右边Replit Agent也在快速构建代码。
这个帖子瞬间在全网爆火,视频已有140万浏览量。
OpenAI总裁转发后激动表示,「AI智能体互动的初体验」。
无独有偶,另一位开发者Shubham Saboo构建了一个自主3D Python游戏可视化智能体团队,仅使用了浏览器和 DeepSeek R1完成。
这个团队由4个AI智能体组成,它们在浏览器中自主合作——编写、运行并可视化游戏。
有网友表示,不知是否有开源模型,能够做这件事。
开发者给推荐了一个Browser Use的项目,这是专为控制AI浏览器打造的。
项目地址:https://github.com/browser-use/browser-use
它能够实现,将自己想要的物品加入购物车,然后结账。
再比如,让它阅读简历并找到机器学习相关的工作,保存到一个文件中,然后在新标签页中开始申请。
或者,让AI用谷歌邮箱给父亲写一封信,感谢他所做的一切,并将文档保存为PDF。
又或是查找许可证为cc-by-sa-4.0的模特,并按Hugging Face上的最喜欢排序,将前5名保存到文件中。
使用pip(Python>=3.11):
pip install browser-use
安装playwright:
playwright install
启动你的智能体:
将你想使用的提供商的API密钥添加到.env文件中。
OPENAI_API_KEY=
使用UI测试
你可以通过一个UI仓库来测试浏览器使用,或者简单地运行gradio示例:
除了Browser Use,另一位网友还推荐了微软团队开发的OmniParser V2的项目,也是利用AI操控屏幕帮人类完成复杂任务。
这两者开发的主要区别在于,OmniParser V2是图形用户界面自动化和屏幕解析,输入的是UI截图,输出的是大模型的结构化数据。
而Browser Use主要用在debug和代码导航,输入代码或程序执行文本,输出的是debug观点和导航。
两者侧重各有所不同,可依据实际使用场景择优选择。
AI自主开发,震惊全网
2025年,几乎所有科技大厂将赌注压在了智能体之上。
在巴黎AI行动峰会上,图灵奖得主Yann LeCun表示,Meta将在明年推出,带有显示屏和肌电接口的智能眼镜。
完全增强现实眼镜将在几年内问世,届时,我们每个人都会管理一支由人类级智能的AI智能体组成的团队。
奥特曼在通常会议中表示,如果AI智能体只需50美分的计算成本,就能完成5000美元的工作,那么AI带来的经济机会规模将是「瓶装闪电。
学术界,也将智能体的研究作为一个重点。
前段时间,来自斯坦福团队研究人员通过多智能体强化学习(multi-agent RL),训练LLM掌握战略性社交推理,结果发现,使胜率比标准强化学习提升一倍。
论文地址:https://www.alphaxiv.org/abs/2502.06060
1997年:深蓝(Deep Blue)击败卡斯帕罗夫(Kasparov)
2016年:AlphaGo精通围棋
2025年:斯坦福研究人员攻克《Among Us》
另有微软团队开源了OmniParser V2,可以将任何大模型转换为能够使用计算机的智能体。
以上demo中,两个AI分工协作的强大能力,让许多人窥见了另一个未来。
AI研究员David Shapiro表示,这比人们想象的要重要得多。人类发现了「分工」这一概念,改变了人类文明。
从来都不会是一个智能体单打独斗,而是无数智能体协作,「分而治之」去搞定任何任务。
一位教授表示,「这只是未来疯狂场景的一瞥,成百上千的AI智能体协作解决极其复杂的问题,或执行通常需要整个组织的任务——速度和效率是现在的成千上万
倍」。
AI智能体时代已经到来!
参考资料:
https://x.com/gdb/status/1891047216611037229?s=46
https://x.com/DeryaTR_/status/1890922993028591998
文章来自于微信公众号 “新智元”,作者 :桃子
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md