Amazon Nova Act：亚马逊推出的具备操控网页浏览器并自主执行简单任务的的AI智能体

Nova Act是什么?

Nova Act是亚马逊推出的一款具备操控网页浏览器并自主执行简单任务的的ai智能体，能够控制网页浏览器并独立完成诸如搜索、填写表单、完成结账等简单任务。它还支持详细指令识别和复杂任务分解，帮助用户简化日常操作。

Nova Act功能特征

• 浏览器操控能力：Nova Act可通过分解复杂任务为原子指令（如搜索、结账、填写表单），并调用浏览器API或Playwright工具实现自动化操作，例如在线订购沙拉、预订餐厅或设置自动回复邮件。其内部测试显示，在日期选择、弹窗处理等UI交互任务中成功率超90%。

• 复杂任务分解：Nova Act SDK允许开发者将复杂任务分解为一系列可执行的简单命令，例如“找出从我家到这三家商店的最便捷路线，然后在大约下午6点看电影”。

• 详细指令识别：它能够识别更详细的指令，比如在购物时拒绝接受保险推销。

• 多模态交互架构：依托自研的Nova基础模型（如Nova Micro/Lite/Pro）解析网页内容，结合ScreenSpot Web Text 94%的高分能力模拟人类操作逻辑，实现视觉识别、行为模拟与流程控制的闭环。

性能表现

在亚马逊内部的ScreenSpot Web Text测试中，Nova Act得分为94%，优于OpenAI的CUA（88%）和Anthropic的Claude 3.7 Sonnet（90%）。不过，亚马逊并未使用更常见的代理评估基准（如WebVoyager）对其进行测试，其性能对比仍需更多外部验证。

Nova Act应用场景

• 购物助手：Nova Act可以帮助用户完成在线购物，例如从Sweetgreen订购沙拉、进行晚餐预订等。

• 行程规划：它可以协助用户规划行程，如找到从家到多个地点的最佳路线，并安排看电影等后续活动。

• 表单填写：Nova Act能够自动填写各种在线表单。

• 日程安排：它还可以在日历上选择日期，帮助用户安排日程。

• 信息查询：Nova Act可以根据用户指令，搜索并回答屏幕上显示的内容相关问题。

• 与Alexa+集成：Nova Act还将为亚马逊即将推出的Alexa+升级提供支持，这是对亚马逊流行的语音助手的生成式AI增强版本。

Nova Act由亚马逊新成立的旧金山AGI（人工通用智能）实验室开发，Amazon Nova Act是该实验室的首款公开产品。

详细介绍：https://labs.amazon.science/blog/nova-act

官网：https://nova.amazon.com/