​亚马逊推出Nova Act智能体技术

核心功能与技术特性

1. 网页操控能力
   Nova Act 可模拟人类行为，自主浏览网页、填写表单、选择日期等，无需依赖传统 API 接口。其混合架构结合了自然语言理解与屏幕交互技术，支持复杂网页结构（如下拉菜单、弹窗）的处理。
2. 开发者生态构建
   配套的Nova Act SDK允许开发者快速构建智能体原型，提供任务分解工具（如将复杂流程拆解为 “搜索 – 下单 – 支付” 等原子指令），并支持人工介入节点的自定义配置，以增强可靠性。
3. 性能表现
   亚马逊宣称 Nova Act 在内部基准测试中表现优异：在衡量屏幕文本交互能力的ScreenSpot Web Text测试中得分 94%，超越 OpenAI 的 CUA 模型（88%）和 Anthropic 的 Claude 3.7 Sonnet（90%）。但尚未公开其在行业通用标准（如 WebVoyager）中的成绩。

战略布局与技术背景

1. AGI 实验室的首个成果
   Nova Act 由亚马逊旧金山 AGI 实验室研发，该实验室由前 OpenAI 研究员 David Luan（曾创立 Adept）和机器人专家 Pieter Abbeel 共同领导。团队认为智能体是实现通用人工智能（AGI）的关键步骤，目标是构建 “能协助用户完成计算机上任何任务的 AI 系统”。
2. 与 Alexa + 的协同
   Nova Act 未来将为亚马逊下一代生成式 AI 语音助手 Alexa+ 提供核心能力，使其从单纯对话升级为可执行任务的 “数字助理”，覆盖智能家居、电商等场景。