The Information 写道，该工具旨在通过截取和解释屏幕截图，然后点击按钮或输入文本，帮助用户"自动执行基于网络的日常任务"。 在目前的状态下，两次操作之间显然需要"几秒钟"。 目前最大的几个人工智能公司都在开发类似 The Information 所描述的模型。 微软的 Copilot Vision 可以让您与它讨论您正在浏览的网页。 Apple Intelligence预计将在明年的某个时候感知屏幕上的内容，并在多个应用程序中为提供服务。 Anthropic 首次发布了"繁琐且容易出错"的…