이미지: METAL LAB 생성
摘要
- Nous Research公布了旗下智能体Hermes的"浏览器使用模式"
- 将12个浏览器工具替换为基于browser_use CLI 3.0的单一工具
- 称自测中令牌用量减少48%至66%,且准确率未下降
- 발표 주체
- Nous Research
- 기존 도구 수
- 브라우저 도구 12개
- 변경 후
- browser_use CLI 3.0 기반 단일 도구
- 토큰 절감폭
- 48~66% (자체 테스트 기준)
- 정확도 변화
- 저하 없음
十二个工具合而为一
Nous Research宣布为旗下智能体Hermes应用了全新的"浏览器使用模式"。此前,智能体在执行点击、滚动、输入等浏览器操作时,需要依赖十二个独立的工具,而现在这些工具已被由browser_use的CLI 3.0驱动的单一工具取代。该公司表示:"智能体不再是每次点击都调用工具,而是直接编写脚本。"据其自测结果,令牌用量减少了48%至66%,且准确率没有下降。
工具调用为何代价高昂
AI智能体若要操作网页浏览器,原本每执行一个动作都要向LLM逐一发出"点击这个按钮""在这个框里输入文字"之类的请求。这种方式被称为"工具调用(tool call)",而每次请求都必须把十二个可用工具的完整说明(schema)重新塞给模型。哪怕只是点一下鼠标,这整份说明书也要每次都跟着传过去,于是随着对话变长,被白白消耗掉的令牌——LLM处理文本的最小单位,也是计费和速度的基准——就会像滚雪球一样越积越多。
Nous Research采取了不同的方式:让智能体一次性把多个动作写成代码脚本再执行。这样一来,就不需要每点一次都重新发送那份十二项工具的说明书。这种"用代码表达行为"的思路,与近来智能体设计领域多位研究者尝试的方向不谋而合。Nous Research以开源LLM系列Hermes的开发商而闻名,此次发布也被视为面向开源生态的一次实验。browser_use是一个让AI智能体能够在真实网站上完成点击、输入、浏览等操作的浏览器自动化框架,此次其命令行界面(CLI)3.0版本充当了驱动Hermes新模式的引擎。
这会带来什么变化
能够操作浏览器的AI智能体,是近来云服务商和初创公司都在争相推出的领域。问题始终在于成本——需要经过多个步骤操作网页的任务,令牌消耗量越大,就越难真正投入实际服务。如果这次改进属实,意味着同样的任务可以用不到一半的令牌完成,这有助于降低那些需要持续运行智能体的服务的运营成本。不过这仅是Nous Research自身的测试结果,是否经过其他独立基准测试验证尚不清楚。
