AI智能体结对编程秒杀人类，90分钟神作惊动OpenAI总裁！引全网140万围观

v5eydFd8UDG2

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。

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」。

开源Brower-Use构建智能体

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。
，时长00:13
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。
快速启动

使用pip（Python>=3.11）：
pip install browser-use

• 1.
  

安装playwright：
playwright install

• 1.
  

启动你的智能体：
from langchain_openai import ChatOpenAIfrom browser_use import Agentimport asynciofrom dotenv import load_dotenvload_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())

• 1.
  
• 2.
  
• 3.
  
• 4.
  
• 5.
  
• 6.
  
• 7.
  
• 8.
  
• 9.
  
• 10.
  
• 11.
  
• 12.
  
• 13.
  
• 14.
  
• 15.
  
• 16.
  
• 17.
  

将你想使用的提供商的API密钥添加到.env文件中。
OPENAI_API_KEY=

• 1.
  

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：
uv pip install gradiopython examples/ui/gradio_demo.py

• 1.
  
• 2.
  

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！