کلیک، تایپ، اسکرول: سه حرکتی که ایجنتها را از گفتگو به اجرا برد
لید: اطلاعیهٔ رسمی Anthropic در اکتبر ۲۰۲۴، سه کلمه را به زبان ایجنتها اضافه کرد: کلیک، تایپ و اسکرول. قابلیت Computer Use در Claude 3.5 Sonnet یعنی یک مدل هوش مصنوعی میتواند مکاننما را جابهجا کند، در فیلدهای ورودی تایپ کند و صفحه را اسکرول کند — درست مانند یک کاربر انسانی. برای کسبوکاری که به دنبال ایجنت است، این یعنی مرز جدید.
Computer Use دقیقاً چه شکلی کار میکند؟
ایجنت یک تصویر از صفحه میبیند، تصمیم میگیرد چه اقدامی انجام دهد (کلیک کجا، تایپ چه چیزی، اسکرول به کجا)، آن اقدام را اجرا میکند، نتیجه را دوباره میبیند و ادامه میدهد. هیچ APIای در میان نیست. هیچ کد یکپارچهسازی نوشته نشده. ایجنت درست مثل یک کارمند جدید که پشت سیستم مینشیند، با نرمافزار آشنا میشود و کار میکند.
این سه حرکت چه فرآیندهایی را قابل اتوماسیون میکند؟
- فرمهای چندمرحلهای: ثبت سفارش، درخواست مرخصی، ثبت نام — ایجنت فرم را پر میکند، تأیید میکند و ارسال میکند.
- مرور داده و استخراج: ایجنت در جدول اسکرول میکند، سطرهای مشخص را میخواند و در فایلی جداگانه ثبت میکند.
- تست کارکردی: یک سناریوی کامل کاربری را اجرا میکند و خطاهای بصری یا منطقی را شناسایی میکند.
- مدیریت صف: درخواستها را از یک پنل مدیریت میخواند، در سامانهٔ دوم ثبت میکند و وضعیت را بهروز میکند.
چرا این برای خدمات شرکت ما نقطهٔ عطف است؟
ما ایجنتهای هوش مصنوعی میسازیم. Computer Use به محصولات ما یک لایهٔ اجرایی اضافه میکند. مشتری ما میتواند بگوید «ایجنت من هر روز صبح در سامانهٔ انبار لاگین کند، موجودی را چک کند، در صورت کمبود ایمیل بزند و سفارش ثبت کند» — و ایجنت این کار را میکند. بدون API، بدون توسعهدهنده.
جمعبندی
سه حرکت ساده — کلیک، تایپ، اسکرول — سقف انتظار از ایجنت را از پاسخدهی به اجرا تغییر میدهد. Computer Use یک بهروزرسانی نسخه نیست؛ یک تغییر در نوع قابلیت است.
دعوت به اقدام: برای طراحی یک ایجنت اجرایی متناسب با فرآیندهای خاص کسبوکار خود، با تیم digent24 گفتوگو کنید.
منبع: اطلاعیه رسمی Anthropic، اکتبر ۲۰۲۴