Nova Act是什么？
Nova Act 是由 Amazon AGI Lab（通用人工智能實驗室）推出的首個通用 AI 智能體產品，具備自動操控網頁瀏覽器的能力。它能夠理解自然語言任務描述，自主執行真實網頁上的一系列操作，如點擊、填寫表單、選擇日期、提交內容等。Nova Act 是 Amazon 在 Agent 方向邁出的關鍵一步，旨在賦予 AI 系統“像人一樣使用電腦”的執行能力。
該項目由兩位前 OpenAI、深度強化學習領域專家 David Luan 與 Pieter Abbeel 領導開發，當前以研究預覽形式對開發者開放，配套提供了 Nova Act SDK。
Nova Act的主要功能
- 網頁級任務自動執行：支持真實網頁中的點擊、拖動、輸入、確認、取消等基本操作，實現完整任務鏈條的自動執行。
- 自然語言任務理解：用戶可通過自然語言描述任務目標，系統自動將其轉化為頁面操作流程。
- 技能鏈與步驟拆解：Agent 內部將復雜目標拆分為子任務，每步都以“技能塊”方式執行，可中途干預或調整。
- Playwright 深度集成：基于無頭瀏覽器 Playwright 執行任務，具備極高穩定性與真實兼容性。
- 多樣工作流控制：支持開發者指定哪些操作由 AI 執行，哪些需人工確認，增強任務可控性。
- 性能領先基準：在 Amazon 內部的網頁操作任務測試中，Nova Act 在文本交互能力上得分高達 94%，領先 OpenAI 和 Anthropic 的 Agent。
Nova Act的技術亮點
- 架構融合大語言模型與環境感知：Nova Act 架構中，語言模型負責理解任務與表達，環境模型負責執行與觀察狀態變化。
- 人類級操作建模：不使用 API 接口調用網頁，而是模擬鼠標點擊、輸入框定位等真實用戶行為。
- 研究級任務驗證基準：使用自研“ScreenSpot WebText”任務測試 Agent 的操作穩定性、語言理解與任務完成度，精準量化 Agent 能力。
- 逐步通往 AGI 的技術路線：將網頁操作作為“通用 Agent 能力驗證場”，構建“能在計算機上完成所有任務”的 AI 原型。
Nova Act的適用場景
- 網頁交互自動化：在線購物、訂餐、填寫調查、預約系統等用戶常見操作流程。
- 語音助手增強模塊：作為 Alexa+ 的執行引擎，實現從語音意圖到網頁行為的完整鏈路。
- 企業級輕量 RPA 替代方案：用于 HR、財務、IT 部門的網頁重復流程自動化。
- 智能體產品原型開發：適合 AI 產品開發者構建網頁執行類助手工具。
- Agent 能力研究與評測：為高校、機構、研究者提供 Agent 基準研究樣本和實驗平臺。
如何使用Nova Act？
- 訪問平臺入口：前往 nova.amazon.com 注冊并查看技術文檔與案例。
- 下載 Nova Act SDK：獲取開發工具包并了解 Agent 任務定義結構。
- 創建任務描述腳本：通過 YAML/JSON 等格式定義任務目標、每步技能塊、參數限制與 UI 元素定位方式。
- 運行無頭瀏覽器執行任務：本地模擬或部署 Agent 行為，支持無界面后臺運行。
- 調試與迭代：通過測試集或真實任務運行日志優化 Agent 流程，提升魯棒性與成功率。
?版權聲明：如無特殊說明，本站所有內容均為AIHub.cn原創發布和所有。任何個人或組織，在未征得本站同意時，禁止復制、盜用、采集、發布本站內容到任何網站、書籍等各類媒體平臺。否則，我站將依法保留追究相關法律責任的權利。
