Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Kas yra kompiuterio naudojimas

Paskaita 1 iš 14 Atnaujinta 2026 m. lapkričio 3 d. Kūrėjas
Šiame puslapyje
  1. Naujas būdas sąveikauti su mašinomis
  2. Ciklas, kuris tai leidžia
  3. Ką iš tikrųjų automatizuojame
  4. Žaidėjai 2026 metais
  5. Ką laimi, ką sumoki
  6. Svarbiausi punktai

Pamoka atnaujinta 2026 m. lapkričio 3 d. pagal „OpenAI“ Computer use gaires: šis kursas dabar seka computer įrankį „Responses API“, pakeisdamas ankstesnį „Anthropic API“ metodą. Skirsnis apie ekosistemos žaidėjus apima abu „OpenAI“ dokumentuotus kelius (kodo vykdymą, rekomenduojamą „GPT-6 Astra“, ir computer įrankį). Pašalinome nepagrįstus teiginius apie konkuruojančius produktus. Šaltinis: Computer use.

Naujas būdas sąveikauti su mašinomis

Daugelį metų kalbos modeliai buvo tik teksto pagrindu veikiantys pašnekovai: tu užduodavai klausimą, gaudavai atsakymą, o viskas, kas susiję su realiuoju pasauliu, likdavo tavo pačio atsakomybėn. Kompiuterio naudojimas („Computer Use“) griovė tą barjerą. Modelis mato ekraną ir sprendžia, kokius gestus atlikti – paspausti, rašyti, slinkti, perjungti programas, – o tavo programa tų veiksmų vardu juos įvykdo.

Šis poslinkis yra gilesnis, nei atrodo iš pirmo žvilgsnio. Tradicinė automatizacija laikosi techninių inkarų: CSS selektoriaus, DOM ID arba API, kurį programinės įrangos tiekėjas nusprendė atverti. Kai front-end komanda pervadina klasę, scenarijus sustoja, ir dažnai niekas to nepastebi, kol kitą dieną negauna tuščios ataskaitos. Naudojant „Computer Use“, tu pateiki instrukciją natūralia kalba, o dirbtinis intelektas naršo sąsają taip, kaip ją suvokia žmogus. Mygtukas „Pateikti“ („Submit“), perstumtas trimis coliais arba perdažytas žaliai, išlieka mygtuku „Pateikti“.

Ciklas, kuris tai leidžia

Mechanizmas veikia penkiais žingsniais, o jų kartojimas sukuria jo galią:

  1. Tavo programa fiksuoja ekraną arba naršyklės langą
  2. Modelis analizuoja vaizdą, kad suprastų, ką mato
  3. Jis nusprendžia dėl vieno ar kelių veiksmų (paspaudimas, klavišo paspaudimas, slinkimas)
  4. Tavo programa įvykdo šiuos veiksmus kompiuteryje
  5. Naujas fiksavimas grąžinamas modeliui, ir ciklas prasideda iš naujo

Šis suvokimo ir veiksmo ciklas yra sistemos šerdis. Įsivaizduok įprastą scenarijų: tavo agentas turi užpildyti kontaktų formą, bet užkrovus ją iššoka slapukų baneris. „Selenium“ scenarijus, kuris to nenumatė, paspaudžia į tuštumą ir išmeta klaidą, kurią sunku interpretuoti. Tačiau „Computer Use“ agentas savo ekrano kopijoje mato banerį, jį tvarko, daro naują fiksavimą ir vėl randa formą. Jis nekartoja standaus plano; jis kiekvienoje iteracijoje iš naujo įvertina situaciją.

Ką iš tikrųjų automatizuojame

Pagrindinis naudojimo atvejis yra galų galo (end-to-end) testavimas. Tu aprašai tikrinamą kelionę – „prisijunk, įdėk prekę į krepšelį, eik į kasą“ – ir agentas ją atlieka kaip vartotojas, nereikalaudamas, kad prižiūrėtum selektorių biblioteką, kuri pasensta po kiekvieno svetainės dizaino atnaujinimo.

Kitas žingsnis – RPA, tai yra pasikartojančių užduočių automatizavimas programinėje įrangoje, neturinčioje API: sena vidinė ERP sistema, tiekėjo ekstranetas arba 2000-ųjų verslo programa, kurios tiekėjas jau nebeegzistuoja. Kai techninė integracija neįmanoma, agentas dirba per ekraną, lygiai taip pat, kaip tai darė darbuotojas, rankiniu būdu kopijavęs duomenis.

„Scraping“ (duomenų rinkimas) taip pat tampa prieinamas dinaminėse svetainėse, kurios priešinasi tradiciniams rinktuvams, nes agentas skaito atvaizduojamą puslapį, o ne žalią HTML kodą. Kelių programų darbo eigos – užsakymo ištraukimas iš CRM, jo įvedimas į skaičiuoklę, patvirtinimo el. laiško siuntimas – susiejamos vienoje sesijoje. Tas pats gebėjimas naudingas ir vartotojų aptarnavimui: vietoj to, kad aiškintum, kur paspausti, agentas pats naršo sąsają.

Žaidėjai 2026 metais

Šis kursas remiasi „OpenAI“ pasiūlymu, kuris „Responses API“ atveria du kelius. Naudojant kodo vykdymą (code execution), modelis parašo scenarijų – pavyzdžiui, „Playwright“ arba „PyAutoGUI“, – kurį tavo izoliuota aplinka įvykdo prieš grąžindama rezultatą ir ekrano kopijas; vienas kvietimas tada gali sujungti ciklus ir sąlygas, todėl tai yra kelias, kurį „OpenAI“ rekomenduoja „GPT-6 Astra“. Naudojant computer įrankį, modelis grąžina struktūrizuotus pelės ir klaviatūros veiksmus, kuriuos tavo programa paverčia gestais; šis įrankis vis dar palaikomas, ir būtent jį naudosime čia, nes jis atskleidžia ciklą jo gryna forma. „OpenAI“ SDK taip pat suteikia paruoštų pagalbininkų (ComputerToolset, BrowserToolset), kurie valdo šį ciklą už tave.

Kiti tiekėjai, ypač „Anthropic“, savo API siūlo panašų įrankį su kitu duomenų mainų formatu: šio kurso kodas tiesiogiai netinka ten, tačiau principai – ciklas, veiksmų valdytojas, izoliacija, žmogaus patvirtinimas – lieka tie patys.

Ką laimi, ką sumoki

KriterijusKlasikiniai scenarijaiKompiuterio naudojimas
SąsajaAPI arba DOM selektoriaiVaizdinė (ekrano kopijos)
TrapumasSugenda pasikeitus vartotojo sąsajaiPrisitaiko vizualiai
SudėtingumasSvetainei specifinis kodasInstrukcijos natūralia kalba
GreitisGreitasLėtesnis (ekrano kopijų ciklas)

Žiūrėk į šią lentelę kaip į kompromisą, o ne kaip į reitingą. Tu keiti žalią greitį į atsparumą ir beveik nulinės priežiūros išlaidas. Penkiasdešimčiai tūkstančių kasdienių vykdymų stabiliame puslapyje, kurio HTML kodą kontroliuoji tu, scenarijus išlieka tinkamu pasirinkimu. Tačiau kelionei, kuri koreguojama kas mėnesį, arba programinei įrangai be API, balansas ryžtingai pasislenka kita linkme – ir šis kursas moko tave valdyti būtent antrąjį atvejį.

Svarbiausi punktai

  • Kompiuterio naudojimas leidžia dirbtiniam intelektui matyti ir valdyti ekraną per ekrano kopijos ir veiksmo ciklą
  • Tai kitoks paradigmos požiūris nei klasikiniai scenarijai: atsparesnis, bet lėtesnis
  • Pagrindiniai naudojimo atvejai apima galų galo testavimą, RPA, duomenų rinkimą ir kelių programų darbo eigas
  • „OpenAI“ siūlo du kelius: kodo vykdymą, rekomenduojamą „GPT-6 Astra“, ir computer įrankį, naudojamą šiame kurse